スイスのローザンヌにある公立研究大学 EPFL で開発された人工知能システムは、アマチュアダイバーによる疑わしい照明のビデオ映像からでも、数分でサンゴ礁の詳細な 3D マップを作成できると主張されています。
DeepReefMap システムに必要なデータは、標準的なダイビング用具と市販のカメラを備えている人なら誰でも収集できます。
彼らがしなければならないのは、サンゴ礁の上をゆっくりと数百メートル泳ぎながら、下の景色をビデオ撮影することだけです。
唯一の制限はカメラのバッテリー寿命とダイバーのタンク内の空気の量であるとEPFLは述べ、この開発は「国境を越えた紅海センター（TRSC）のような組織にとって、深海の探査と保全能力における大きな進歩を示すものである」と主張している。 )」 – 2019 年から EPFL が主催している科学研究団体。
TRSC は、気候関連ストレスに対して最も耐性があることが証明されている紅海のサンゴ種に関する詳細な研究を実施しており、その取り組みは DeepReefMap システムの実験場としても機能しています。
瞬時に地図を作成
EPFL の建築・土木・環境工学部 (ENAC) 内の環境計算科学・地球観測研究所 (ECEO) で開発された DeepReefMap は、数百メートルの 3D サンゴ礁地図を瞬時に生成する能力があると言われています。
それだけでなく、サンゴの特徴や特徴を認識して分類することもできます。
「この新しいシステムを使えば、誰でも世界のサンゴ礁の地図作成に参加できるようになります」と TRSC プロジェクトコーディネーターのサミュエル・ガーダズ氏は言います。 「作業負荷、設備や物流の量、IT 関連コストが削減され、この分野の研究が本当に促進されるでしょう。」
EPFL によると、従来の方法を使用して 3D サンゴ礁地図を取得することは、これまでに困難で費用がかかることが判明しました。
コンピュータを大量に使用した再構成は、さまざまな基準点から撮影された、非常に限られたサイズ（数十メートル）のサンゴ礁の同じ部分の数百枚の画像に基づいており、そのような画像を取得できるのは専門のダイバーだけです。
これらの要因により、必要な技術的専門知識が不足している世界の地域ではサンゴ礁の計画が大幅に制限され、数キロメートル、場合によっては数百メートルにわたる広大なサンゴ礁の監視が妨げられています。
6台のカメラアレイ
小さなサンゴ礁のデータはディープリーフマップ用にアマチュアダイバーでも簡単に取得できますが、より広範囲のデータを取得するために、EPFL の研究者は 1 台のカメラ (前方に XNUMX 台、後方に XNUMX 台) を搭載する PVC 構造を開発しました。カメラは XNUMX メートルの間隔で配置されており、セットアップは依然として XNUMX 人のダイバーによって操作されています。
この 6 台のカメラ アレイは、限られた予算で活動する地元のダイビング チームに低コストのオプションを提供すると言われています。
映像がアップロードされると、DeepReefMap は、水中画像でよく見られる不十分な照明や回折効果やコースティクス効果に問題を起こさないと言われています。
「ディープ ニューラル ネットワークは、コンピューター ビジョン アルゴリズムにとって最適ではないこれらの条件に適応することを学習します。」
ECEOのデビス・トゥイア教授によると、既存の3Dマッピングプログラムは、正確な照明条件と高解像度画像でのみ確実に動作し、「スケールに関しても制限がある」という。
「個々のサンゴを識別できる解像度では、最大の 3D マップの長さは数メートルになり、膨大な処理時間が必要になります」と彼は言います。 「DeepReefMap を使用すると、ダイバーが水中に滞在できる時間だけが制限されます。」
健康と体型
研究者らはまた、2 つの特徴に従ってサンゴを分類および定量化できる「セマンティック セグメンテーション アルゴリズム」を組み込むことで、野外生物学者の作業を容易にしたと主張しています。
1 つ目の特徴は健康状態です。非常にカラフル (健康状態を示唆) から白 (白化を示す) で藻類に覆われている (死を示す) まで、2 つ目は形状です。国際的に認められた尺度を使用して、最も一般的に見られるサンゴの種類を分類します。紅海の浅いサンゴ礁（枝分かれ、岩、板、柔らかい）。
「私たちの目的は、現場で働く科学者にとって有用であることが証明され、迅速かつ広範囲に展開できるシステムを開発することでした」と、博士論文で DeepReefMap の開発に取り組んだジョナサン・サウダー氏は述べています。
「例えば、ジブチには400キロメートルの海岸線があります。私たちの方法では高価なハードウェアは必要ありません。必要なのは、基本的なグラフィックス処理ユニットを備えたコンピューターだけです。セマンティック セグメンテーションと 3D 再構成は、ビデオの再生と同じ速度で行われます。」
研究者らは、この技術を利用することで、時間の経過とともにサンゴ礁がどのように変化するかを監視し、優先保護地域を特定することが容易になると考えている。
また、科学者にとっては、サンゴ礁の種の多様性と豊かさ、集団遺伝学、温暖な海域へのサンゴの適応能力、サンゴ礁の局地的汚染などの他のデータを追加するための出発点ともなります。このプロセスは、最終的にサンゴ礁の完全なデジタルツインの作成につながる可能性があります。
EPFLによれば、DeepReefMapはマングローブやその他の浅海の生息地でも使用でき、深海の生態系を探索する際のガイドとして機能する可能性があるという。
「私たちの AI システムに組み込まれた再構成機能は、他の環境でも簡単に利用できますが、新しい環境で種を分類するためにニューラル ネットワークをトレーニングするには時間がかかります」とトゥイア氏は言います。
難破船のマッピング？
「商業利用（商業ダイビングでの使用と製品の販売の両方の意味で）がすぐに実現するとは考えていません」とジョナサン・サウダー氏は語った。 ダイバーネット。 「この手法は開発中である可能性が高く、よりユーザーフレンドリーなオープンソースが間もなくリリースされる予定です。
「3D ビジョンは、機械学習/ロボット研究の注目の分野です。物事は非常に速く進んでおり、無限とも思われる研究とエンジニアリングの予算を持つ大企業によって推進され、非常に強力なアルゴリズムが突然広く利用可能になり、リアルタイム マッピングが今後数年以内に「ChatGPT の瞬間」を迎えると私は予想しています。見る！"
このシステムは難破船の 3D マッピングに適応できるでしょうか? 「3D マッピングは学習されたアルゴリズムです。つまり、一連のトレーニング ビデオから学習します。
私たちのシナリオでは、サンゴ礁のビデオでマッピング システムをトレーニングします。現時点では、難破船では問題なく機能すると思いますが、そのようなシーンからの大量のビデオでトレーニングすれば、さらにうまく機能する可能性があります。
「今のところ、難破船のクールな 3D 復元を取得する最良の方法は、高解像度の写真を多数撮影し、Agisoft Metashape などの Structure-from-Motion ソフトウェアでカメラのポーズを計算する従来の 3D マッピング ワークフローであると予想しています。 COLMAP を使用し、これらをガウス スプラットとして適切にレンダリングできる可能性があります。」
サンゴ礁マッピング研究に関する論文が最近雑誌に掲載されました 生態学と進化の方法.
ダイバーネットでも: 世界のサンゴ礁は私たちが思っているよりも大きい…, テクノロジーがサンゴを救う 10 の方法, 深いサンゴ礁は世界最大として知られています, 18世紀の海図はサンゴの減少を明らかにする
