佛羅里達大學研究人員使用 AI 和街景圖像實現自動化建筑安全分析。

在佛羅里達大學人工智能助理教授 Chaofeng Wang 的努力下，圖像將發揮新的用途，例如谷歌街景中的圖像。

Wang 的項目致力于研究如何將街景圖像與深度學習相結合，以實現城市建筑評估的自動化。該項目旨在通過提供加固建筑結構或進行災后恢復所需的信息，幫助政府減少因自然災害造成的損失。

在地震等自然災害發生后，地方政府通常會派出工作小組對建筑物狀況進行檢查和評估。如果完全依靠人力，檢查完一個城市的全部建筑可能需要長達數月的時間。

Wang 的項目使用 AI 對這一評估流程進行加速，將所需時間縮短到幾小時。該 AI 模型使用谷歌街景和當地政府提供的圖片進行訓練，并依據聯邦緊急事務管理局（FEMA）P-154 標準為建筑物打分。這套打分標準提供了基于墻體材料、結構類型、建筑年代等因素的評估指南。Wang 還與世界銀行全球彈性住房項目（World Bank Global Program for Resilient Housing）合作收集圖像并添加注釋，以便于優化該模型。

收集到的圖像被存放在數據存儲庫中。該 AI 模型通過讀取存儲庫中的數據，進而對圖像進行推理，并由 NVIDIA 系統對這一過程進行加速。

Wang 表示：“如果沒有 NVIDIA GPU，我們就無法完成這一任務。NVIDIA GPU 大大加快了這個流程，使我們及時獲得了結果。”

Wang 在佛羅里達大學的超級計算機 HiPerGator 中使用了 NVIDIA 系統的節點。HiPerGator 是全球學術界運行速度最快的 AI 超級計算機之一，具有 700 PB 的 AI 性能。該計算機是在 NVIDIA 聯合創始人之一、佛羅里達大學校友 Chris Malachowsky 的支持下，基于 NVIDIA 提供的硬件、軟件、培訓和服務建成的。

該 AI 模型的輸出結果被編譯成一個數據庫，并錄入到一個門戶網站中，該門戶網站采用地圖形式，呈現了包括安全評估分數、建筑類型甚至屋頂或墻體材料等信息。

Wang 的研究獲得了 NVIDIA 應用研究加速器計劃（NVIDIA Applied Research Accelerator Program）的贊助。該計劃致力于支持這些通過對商業和政府組織采用的 NVIDIA 加速應用進行部署，從而有潛力影響現實世界發展的科研項目。

政府的好幫手

Wang 表示，該門戶網站可以滿足不同的應用需求。政府可以僅憑街景圖像作出預測，做好應對自然災害的準備。

他表示：“雖然這些街景都是靜態圖像，比如谷歌街景圖像，它每隔幾年才進行一次更新。但這對于收集信息和宏觀了解統計數據來講已經足夠了。”

但在農村地區或發展中地區，由于沒有這類街景圖像或者圖像更新頻率較低，政府需要自行收集圖像。而借助 NVIDIA GPU，就能實現及時得建筑評估，進而有助于加快圖像處理的分析速度。

Wang 還表示，在經過充分的完善后，他的研究成果還能為城市規劃和保險行業帶來改變。

目前，墨西哥的一些地方政府正在對該項目進行測試。還有一些非洲、亞洲和南美洲的國家也對該項目產生了濃厚的興趣。根據 FEMA P-154 標準，目前該項目的評估分數準確率已經達到 85% 以上。

土地勘測

Wang 提到，該項目面臨的一個挑戰是不同國家的城市景觀差異。各地區有自己特色的文化和建筑風格。由于 AI 模型沒有在足夠大或足夠多樣化的圖像庫上進行訓練，因此在進行墻體材料分析時，可能會受到油漆顏色等因素的影響。城市密度的差異也是該項目面臨的另一個挑戰。

Wang 表示：“這是當前 AI 技術普遍面臨的局限性。為了能夠發揮應用價值，我們需要有足夠多的訓練數據來代表真實世界的街景分布。所以我們正在通過努力收集數據來解決泛化問題。”

為了克服這一挑戰，Wang 希望能在更多的城市訓練和測試該模型。到目前為止，他已經測試了不同國家的八座城市。

他表示：“我們需要生成更加詳細、高質量的注釋來訓練該模型。這樣我們才能不斷改進，使其在未來得到更廣泛的應用。”

Wang 的目標是讓這個項目能夠達到作為服務進行部署的程度，支持更多行業的應用。

“我們正在創建能夠估算和分析建筑與住戶的應用編程接口，以實現與其他產品的無縫集成。我們還在構建一個可供所有政府機構和組織使用的用戶友好型應用。”

GTC 2024 將于 2024 年 3 月 18 至 21 日在美國加州圣何塞會議中心舉行，線上大會也將同期開放。點擊“閱讀原文”或掃描下方海報二維碼，立即注冊 GTC 大會。