Деревья конкурируют за пространство по мере роста. Дерево с ветвями, растущими близко к стене, будет развиваться иначе, чем дерево, растущее на открытом грунте.
Теперь каждый — от городских планировщиков и экологов до домовладельцев — может получить доступ к новому алгоритму реконструкции деревьев, разработанному в Университете Пердью, чтобы увидеть, как деревья будут затенять территорию, или узнать, как дерево будет выглядеть через 20 лет. Ученые-компьютерщики и цифровые лесоводы из Университета Пердью использовали искусственный интеллект для создания этой первой в истории базы данных, которая содержит трехмерные модели более 600 000 реальных деревьев.
«Эти модели деревьев — то, что мы называем «готовыми к моделированию», — сказал Бедрич Бенеш из Purdue, профессор и заместитель заведующего кафедрой компьютерных наук в Колледже наук и член Института цифрового лесоводства. База данных и связанный с ней код находятся в открытом доступе.
Бенеш и его коллеги из Института цифрового лесоводства Пердью, Google и Массачусетского технологического института описали детали своего алгоритма Tree-D Fusion в материалах Европейской конференции по компьютерному зрению (ECCV) 2024 года .
«Деревья представляют огромную и существенную ценность для человеческого общества и поддерживают разнообразные экосистемы по всему миру. Они охлаждают окружающую среду, улучшают качество воздуха, улавливают углекислый газ, производят кислород и оказывают положительное влияние на физическое и психическое здоровье человека», — пишут соавторы. «Комплексное воздействие деревьев на окружающую среду изучалось на протяжении столетий. В настоящее время вычислительные модели, которые стремятся понять эти взаимосвязи, сдерживаются отсутствием данных».
Команда использовала данные из набора данных Auto Arborist, представленного исследовательской группой Google в 2022 году. Набор данных состоял из примерно 2,6 миллионов деревьев, относящихся к 32 категориям на уровне рода из 23 городов Северной Америки.
«Особой сложностью этого проекта было получение трехмерной модели из одного изображения», — сказал Бенеш. «Недостаточно входных данных для извлечения высокодетализированной информации. Сгенерированные модели деревьев являются приближениями. Мы не утверждаем, что это идеальные цифровые близнецы, но они полезны, например, для оценки затенения в городских районах».
«Мы используем последние достижения в области диффузионных моделей, чтобы предоставить априорную информацию для трехмерной реконструкции деревьев», — сказал Рэймонд Йе, доцент кафедры компьютерных наук, который руководит направлениями компьютерного зрения и искусственного интеллекта в проекте.
Tree-D Fusion предложит больше в будущем, сказал ведущий автор исследования, Джей Джун Ли из Purdue, аспирант в Computational Vegetation Group Бенеша и член Института цифрового лесоводства. «Вместе с моими коллегами я представляю себе расширение возможностей платформы до планетарного масштаба. Наша цель — использовать основанные на ИИ идеи для социальных и экологических выгод в больших масштабах», — сказал Ли.
Среди других соавторов — Бошэн Ли, Рэймонд Йе и Сунлинь Фэй из Purdue, все члены Института цифрового лесоводства; Сара Бири из Массачусетского технологического института; и Джонатан Хуан, бывший сотрудник Google, а ныне руководитель отдела искусственного интеллекта в Scaled Foundations.
«Одной из целей цифрового лесного хозяйства является улучшение общественного благосостояния людей. У нас есть различные проекты, работающие над локализацией и инвентаризацией деревьев с помощью смартфона и спутника», — сказал Фэй, директор института и декан кафедры дистанционного зондирования.
«Этот проект предоставляет контекстуализированную информацию о структуре городских деревьев, которую можно собирать в масштабе, предоставляя менеджерам важную информацию для лучшего управления городскими деревьями. Продолжая работу над этим и другими проектами, мы стремимся помочь сделать наши города более зелеными, умными и здоровыми, дерево за деревом».
Первоначальные данные для Tree-D Fusion были получены из общедоступных записей переписи деревьев, которые многие города ведут в Интернете. Затем исследовательская группа Google объединила данные переписи деревьев с Street View и цветными изображениями сверху. Это впервые сделало доступным крупномасштабный инструмент мониторинга деревьев с использованием компьютерного зрения. Исследователи из лаборатории Senseable City Lab Массачусетского технологического института уже использовали новые 3D-модели деревьев для построения затененных пешеходных маршрутов через выбранные города.
«Теперь, всякий раз, когда по городу проезжает автомобиль, занимающийся картографированием деревьев, мы не просто делаем моментальные снимки — мы наблюдаем, как эти городские леса развиваются в реальном времени», — говорит Бири, доцент кафедры электротехники и компьютерных наук Массачусетского технологического института.
«Этот непрерывный мониторинг создает живой цифровой лес, который является зеркальным отражением своего физического аналога, предоставляя городам мощный инструмент для наблюдения за тем, как экологические стрессы влияют на здоровье деревьев и характер их роста в городских условиях».
Сравнение других методов 3D-реконструкции и Tree-D Fusion показало, что последний превосходит другие по многим параметрам, включая проекционное затенение, что важно при планировании зеленых городов.
«Используемая нами модель ИИ была весьма требовательна к вычислительным ресурсам», — сказал Бенеш. Расчет всего набора данных с помощью одного графического процессора (GPU) занял бы около 23 лет. Даже при использовании всех девяти суперкомпьютерных кластеров, которые имелись в то время в Центре передовых вычислений имени Розена в Пердью (сейчас их десять), расчеты заняли почти шесть месяцев.
