你可能很快就能看到未來的洪水將如何通過新開發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象。
根據研究人員的說法，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，數字技術（如地理可視化和交互式數據儀表盤）一直專注于創建僅限于特定位置的手動區域渲染。與 ClimateGAN 合作，該團隊致力于創建一個 AI 框架，能夠說明熟悉地區的洪水，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據。使用這兩個數據源，遮罩模型可以預測如果發生洪水，圖像中的水的位置。然后，畫家模型使用GauGAN，一個由 NVIDIA 研究開發的深度學習模型，在蒙面模型的指導下呈現情境化的水紋理。
在廣泛的區域和風景中采樣， 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。
信用證：https://arxiv.org/pdf/2110.02871.pdf
該框架共同呈現了城市、郊區和農村地區洪水的真實圖像。
研究人員表示，這項工作的長期目標是創建一個系統，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。
代碼和其他資料可在GitHub上下載。
閱讀完整的學習預印本>>
閱讀更多>>
