你可能很快就能看到未來的洪水將如何通過新開發(fā)的人工智能模型襲擊你的城市。來自加拿大和美國研究人員團隊的研究使用生成性對抗網絡（ GAN ）生成氣候變化引起的洪水的真實圖像。名為 ClimateGAN 的研究小組開發(fā)了該模型，以強調極端天氣事件的破壞性，并促使采取集體行動遏制排放。

研究人員寫道：“預測極端氣候事件（如熟悉地區(qū)的洪水）的潛在后果，有助于使氣候變化的抽象影響更加具體，并鼓勵采取行動?！?。

全球各地的人們都在努力應對更頻繁的極端天氣事件，包括風暴、颶風、干旱和由一顆正在下沉的行星引發(fā)的野火。由于海平面上升、風暴增強和融雪速度加快，沿海和內陸社區(qū)也正在經歷更嚴重的洪水。

全球變暖的毀滅性后果可能會讓經歷過這些災難的人們深受其害，無論是颶風艾達造成的毀滅性洪水還是澳大利亞各地的叢林大火。然而，許多人仍將氣候變化影響視為一種假設的、遙遠的或不確定的事件——一種被稱為距離的心理現(xiàn)象。

根據(jù)研究人員的說法，第一人稱視角和極端天氣事件的圖像可以減少距離。到目前為止，數(shù)字技術（如地理可視化和交互式數(shù)據(jù)儀表盤）一直專注于創(chuàng)建僅限于特定位置的手動區(qū)域渲染。與 ClimateGAN 合作，該團隊致力于創(chuàng)建一個 AI 框架，能夠說明熟悉地區(qū)的洪水，將氣候變化的抽象影響轉化為具體例子。

該框架使用兩階段、無監(jiān)督的圖像到圖像轉換管道，同時依賴于真實圖像和虛擬世界中的模擬數(shù)據(jù)。使用這兩個數(shù)據(jù)源，遮罩模型可以預測如果發(fā)生洪水，圖像中的水的位置。然后，畫家模型使用GauGAN，一個由 NVIDIA 研究開發(fā)的深度學習模型，在蒙面模型的指導下呈現(xiàn)情境化的水紋理。

在廣泛的區(qū)域和風景中采樣， 5540 張非水淹圖像用于訓練遮罩模型， 1200 張水淹圖像用于訓練畫家模型。

圖 1 。示例 ClimateGAN 輸入和輸出。

信用證：https://arxiv.org/pdf/2110.02871.pdf

該框架共同呈現(xiàn)了城市、郊區(qū)和農村地區(qū)洪水的真實圖像。

研究人員表示，這項工作的長期目標是創(chuàng)建一個系統(tǒng)，用戶可以輸入任何地址，并從谷歌街景中看到受氣候變化影響的圖像版本。

關于作者

Michelle Horton 是 NVIDIA 的高級開發(fā)人員通信經理，擁有通信經理和科學作家的背景。她在 NVIDIA 為開發(fā)者博客撰文，重點介紹了開發(fā)者使用 NVIDIA 技術的多種方式。

審核編輯：郭婷