斯坦福大学研究生开发名为PIGEON的AI模型 仅通过几张照片找到你的位置

八卦 1206℃

划重点:

- 研究生们在斯坦福大学开发出一款 AI 模型,可以通过查看 Google 街景图像,以令人印象深刻的准确率确定具体位置。

- 这款名为 PIGEON 的应用程序可以在很大程度上准确地确定 Google 街景中的具体位置,其预测国家的准确率达到92%,并且在40%的猜测中可以将位置定位在目标位置的25公里范围内。

- 该模型基于 OpenAI 开发的神经网络 CLIP,以及 GeoGuessr 游戏的数据集进行训练,取得了令人印象深刻的成果。

站长之家(ChinaZ.com)12月20日 消息:斯坦福大学的研究生们开发了一款名为 PIGEON 的应用程序,可以仅仅通过查看 Google 街景图像或其他图像来确定具体位置,其准确率令人印象深刻。

根据预印本论文的数据,PIGEON 可以以92%的准确率预测所拍摄国家,并且在40%的猜测中可以将位置定位在目标位置的25公里范围内。该论文指出,PIGEON 在 GeoGuessr 游戏中排名前0.01%的玩家之内,该游戏要求用户根据所拍摄的 Google 街景图像猜测位置,这也是这个项目的灵感来源。

那么,PIGEON 是如何工作的呢?

学生们利用了 OpenAI 开发的神经网络 CLIP,通过对视觉类别名称进行训练,使其能够将文本和图像进行连接。然后,他们根据 GeoGuessr 的数据集进行了训练,该数据集包含了10万个原始随机采样的地点和四张图像,以覆盖给定位置的整个 “全景”,总共有40万张图像。与其他 AI 模型训练的图像数量相比,PIGEON 的训练图像数量相对较少。例如,OpenAI 流行的图像生成模型 DALL-E2是基于数亿张图像进行训练的。

斯坦福大学研究生开发名为PIGEON的AI模型 仅通过几张照片找到你的位置 - 陆剧吧

此外,学生们还研发了一个名为 PIGEOTTO 的单独模型,该模型通过训练来自 Flickr 和维基百科的400万张照片,以从单张图像中识别位置。根据论文的数据,PIGEOTTO 在图像地理定位基准测试中取得了令人印象深刻的成绩,在城市准确度方面超过先前的最新技术结果7.7%,在国家准确度方面超过29.8%。

论文还探讨了与该模型相关的伦理考虑,包括其益处和风险。在一方面,图像地理定位具有许多积极的用途,例如自动驾驶、视觉调查以及满足对照片拍摄地点的好奇心。然而,其负面影响包括对隐私的最直接侵犯。因此,学生们决定不公开发布模型权重,仅在学术验证时发布代码。

这项研究为我们展示了 AI 在图像地理定位方面的巨大潜力,但也引发了隐私和伦理方面的一些担忧。在将来的发展中,必须更加重视这些问题,并确保合适的保护措施得以实施。

论文网址:https://arxiv.org/abs/2307.05845

标签: 八卦