違法な密猟や人身売買などの複雑な問題に対処する場合、効率的かつ広範な地理空間検索ツールは、活動を発見して阻止する上で重要な支援を提供できます。セントルイスにあるワシントン大学マッケルベイ工学部の研究者によって開発された地理空間探索用のビジュアル アクティブ サーチ (VAS) フレームワークは、新しい視覚的推論モデルと航空画像を使用して、オブジェクトをより効果的に検索する方法を学習します。

チームは、エフゲニー・ヴォロベイチク教授とネイサン・ジェイコブス教授が率いる。コンピューター科学と工学、変革を目指すコンピュータビジョン通常、コンピュータがどのように学習するかに関係する分野視覚情報– 現実世界のアプリケーションと影響に向けて。同社の最先端のフレームワークは、コンピューター ビジョンと適応学習を組み合わせて改善を実現します。検索以前の検索を使用して将来の検索を通知する技術。

「この研究は、ローカルで実際に検索できる回数に制限がある場合に、物理的な検索プロセスをどのようにガイドするかについてのものです」とジェイコブズ氏は述べています。「たとえば、5 つの箱しか開けられない場合、最初にどれを開けますか? 次に、見つけたものに応じて、次にどこを探しますか?」

VAS に対するチームのアプローチは、共同研究者である McKelvey Engineering のコンピュータ サイエンスおよびエンジニアリングの准教授 Roman Garnett 氏による以前の研究に基づいています。これは、ガーネットが視覚的推論を使用して先駆的な研究を行った領域であるアクティブ検索と融合しており、人間と人工知能 (AI) の間のチームワークに依存しています。人間がローカルな探索を実行し、AI が航空地理空間画像と地上の人々の観察を統合して、その後の探索をガイドします。

新しい VAS フレームワークは、次の 3 つの主要なコンポーネントで構成されています。領域に分割された検索エリア全体の画像。特定のオブジェクトが指定された領域に存在するかどうかを判断するローカル検索機能。固定の検索バジェットにより、ローカル検索機能を実行できる回数が制限されます。目標は、割り当てられた検索予算内でオブジェクトの検出を最大化することであり、実際、チームは自分たちのアプローチがすべてのベースラインを上回るパフォーマンスを発揮することを発見しました。

筆頭著者のアニンディア・サルカール氏はヴォロベイチク研究室の博士課程の学生で、1月6日に冬季学術講演会で研究結果を発表した。会議ハワイ州ワイコロアにおけるコンピュータビジョンの応用について。関連する研究も利用可能でarXivプレプリントサーバー。

「私たちのアプローチは、地域間の空間相関を利用してアクティブ検索をスケールアップし、広いエリアをカバーできるように適応させます」とサーカー氏は述べた。

「フレームワークのインタラクティブな性質（以前の検索から学習する）が示唆されていましたが、基礎となるモデルの更新には非常にコストがかかり、最終的には大きな視覚空間に拡張できませんでした。大量の画像データによるスケールアップは、私たちの大きな貢献です」新しい VAS メソッドを使用するために、以前の技術と比較して基礎となる部分を変更しました。」

今後を見据えて、チームはモデルを特殊化するなど、さまざまなアプリケーションで使用できるようにフレームワークを拡張する方法を模索する予定です。異なるドメイン野生動物の保護から捜索救助活動、環境監視まで多岐にわたります。彼らは最近、検索フレームワークの適応性の高いバージョンこれにより、検索対象のオブジェクトがモデルのトレーニング対象となるオブジェクトと大幅に異なる場合でも、最大限に効率的な検索を行うことができます。

「世界が違って見えるさまざまな場所そして、人々はさまざまなことを検索したくなるでしょう」とジェイコブズ氏は言いました。フレームワーク検索方法の基礎として効果的であるためには、これらの考慮事項の両方に適応できる必要があります。私たちは、探しているものや探しているものを事前に常に知っているとは限らないため、ツールがその場で学習して適応できることを特に望んでいます。」