스위스 로잔에 있는 공립 연구 대학인 EPFL에서 개발된 인공 지능 시스템은 아마추어 다이버의 의심스러운 조명 영상에서도 산호초의 상세한 3D 지도를 단 몇 분 만에 생성할 수 있다고 합니다.
DeepReefMap 시스템에 필요한 데이터는 표준 다이빙 장비와 상용 카메라를 갖춘 사람이라면 누구나 수집할 수 있습니다.
그들이 해야 할 일은 암초 위 수백 미터를 천천히 헤엄쳐 내려가는 동안 아래 풍경을 비디오로 포착하는 것뿐입니다.
유일한 제한은 카메라의 배터리 수명과 다이버 탱크의 공기량이라고 EPFL은 말합니다. EPFL은 이 개발이 "국제 홍해 센터(TRSC)와 같은 조직의 심해 탐사 및 보존 능력에 있어 큰 도약을 의미합니다"라고 말합니다. )” – 2019년부터 EPFL이 주최하고 있는 과학 연구 기관입니다.
TRSC는 기후 관련 스트레스에 가장 강한 것으로 입증된 홍해 산호종에 대한 심층 연구를 수행해 왔으며, 이 계획은 DeepReefMap 시스템의 시험장으로도 사용되었습니다.
순간의 지도
EPFL의 건축, 토목 및 환경 공학부(ENAC) 산하 환경 전산 과학 및 지구 관측 연구소(ECEO)에서 개발된 DeepReefMap은 수백 미터의 3D 암초 지도를 순간적으로 생성할 수 있는 능력을 갖추고 있다고 합니다.
그뿐만 아니라 산호의 독특한 특징과 특성을 인지하고 분류할 수도 있습니다.
TRSC 프로젝트 코디네이터인 Samuel Gardaz는 “이 새로운 시스템을 사용하면 누구나 세계 산호초 지도를 작성하는 데 참여할 수 있습니다.”라고 말합니다. "작업량, 장비 및 물류량, IT 관련 비용을 줄임으로써 이 분야의 연구에 큰 박차를 가할 것입니다."
기존 방법을 사용하여 3D 산호초 지도를 얻는 것은 과거에 어렵고 비용이 많이 드는 것으로 입증되었다고 EPFL은 말합니다.
계산 집약적인 재구성은 다양한 기준점에서 촬영한 매우 제한된 크기(수십 미터)의 암초의 동일한 부분에 대한 수백 장의 이미지를 기반으로 하며, 전문 다이버만이 이러한 이미지를 얻을 수 있었습니다.
이러한 요인으로 인해 필요한 기술 전문 지식이 부족한 세계 일부 지역에서는 산호초 계획이 심각하게 제한되었으며, 킬로미터, 심지어 수백 미터에 달하는 광범위한 산호초를 모니터링하는 것이 방해되었습니다.
6개 카메라 어레이
아마추어 다이버가 DeepReefMap을 위해 작은 암초에 대한 데이터를 쉽게 캡처할 수 있지만, 더 넓은 지역에 대한 데이터를 얻기 위해 EPFL 연구원은 1개의 카메라(XNUMX개는 앞쪽을 향하고 XNUMX개는 뒤쪽을 향함)를 보유하는 PVC 구조를 개발했습니다. 카메라는 XNUMXm 간격으로 배치되어 있으며 한 명의 다이버가 설정을 작동합니다.
이 6개의 카메라 어레이는 제한된 예산으로 운영되는 지역 다이브 팀에게 저렴한 옵션을 제공한다고 합니다.
영상이 업로드되면 DeepReefMap은 조명이 좋지 않거나 수중 이미지에서 흔히 볼 수 있는 회절 및 가성 효과에 문제가 없다고 합니다.
“심층 신경망은 컴퓨터 비전 알고리즘에 적합하지 않은 이러한 조건에 적응하는 방법을 학습합니다.”
ECEO의 Devis Tuia 교수에 따르면 기존 3D 매핑 프로그램은 정밀한 조명 조건과 고해상도 이미지에서만 안정적으로 작동하며 "규모 측면에서도 제한적"이라고 합니다.
"개별 산호를 식별할 수 있는 해상도에서 가장 큰 3D 지도는 길이가 수 미터에 달하므로 엄청난 처리 시간이 필요합니다."라고 그는 말합니다. "DeepReefMap을 사용하면 다이버가 물 속에 머무를 수 있는 시간만 제한됩니다."
건강과 몸매
연구원들은 또한 두 가지 특성에 따라 산호를 분류하고 정량화할 수 있는 "의미론적 분할 알고리즘"을 포함함으로써 현장 생물학자의 삶을 더 쉽게 만들었다고 주장합니다.
첫 번째 특성은 건강입니다. 매우 다채로운 색상(건강을 나타냄)부터 흰색(백화를 나타냄), 해조류로 덮여 있음(죽음을 나타냄), 두 번째 특성은 모양으로, 가장 흔히 발견되는 산호의 종류를 국제적으로 인정받는 척도를 사용하여 분류합니다. 홍해의 얕은 암초(분지형, 바위형, 판형 및 연질)에서.
박사 학위 논문을 위해 DeepReefMap 개발에 참여했던 Jonathan Sauder는 "우리의 목표는 현장에서 일하는 과학자들에게 유용하고 신속하고 광범위하게 배포될 수 있는 시스템을 개발하는 것이었습니다."라고 말합니다.
“예를 들어 지부티에는 400km의 해안선이 있습니다. 우리의 방법에는 값비싼 하드웨어가 필요하지 않습니다. 기본적인 그래픽 처리 장치를 갖춘 컴퓨터만 있으면 됩니다. 의미론적 분할과 3D 재구성은 비디오 재생과 동일한 속도로 이루어집니다.”
연구원들은 이 기술을 사용하면 시간이 지남에 따라 산호초가 어떻게 변하는지 모니터링하고 우선순위 보전 지역을 식별하는 것이 쉬워질 것이라고 믿습니다.
이는 또한 과학자들에게 산호초 종의 다양성과 풍부함, 인구 유전학, 따뜻한 바다에 대한 산호의 적응 가능성, 산호초의 지역 오염과 같은 다른 데이터를 추가하기 위한 출발점을 제공할 것입니다. 이 프로세스는 결국 산호초의 완전한 디지털 트윈 생성으로 이어질 수 있습니다.
DeepReefMap은 맹그로브 및 기타 얕은 물 서식지에서도 사용될 수 있으며 더 깊은 해양 생태계 탐사의 가이드 역할을 할 수 있다고 EPFL은 말합니다.
Tuia는 “우리 AI 시스템에 내장된 재구성 기능은 다른 환경에서 쉽게 사용할 수 있지만 새로운 환경에서 종을 분류하기 위해 신경망을 훈련하는 데는 시간이 걸립니다.”라고 말합니다.
난파선 매핑?
Jonathan Sauder는 "나는 상업적인 사용(상업 다이빙에서의 사용과 제품 판매의 의미 모두)을 곧 기대하지 않습니다."라고 말했습니다. 다이버 넷. “이 방법은 개발 중에 있을 가능성이 높으며 보다 사용자 친화적인 오픈 소스 릴리스가 곧 출시될 것입니다.
“3D 비전은 기계 학습/로봇공학 연구에서 뜨거운 분야입니다. 상황은 매우 빠르게 진행되고 있으며 무한해 보이는 연구 및 엔지니어링 예산을 가진 대기업이 주도하는 매우 강력한 알고리즘이 갑자기 널리 보급되면서 실시간 매핑이 향후 몇 년 내에 'ChatGPT 순간'을 맞이할 것으로 기대합니다. 보다!"
난파선의 3D 매핑에 시스템을 적용할 수 있습니까? “3D 매핑은 학습된 알고리즘입니다. 즉 일련의 교육 비디오를 통해 학습한다는 의미입니다.
우리 시나리오에서는 리프 비디오에 대한 매핑 시스템을 훈련합니다. 나는 지금 당장은 난파선에서 문제 없이 작동할 것이라고 생각하지만, 그러한 장면의 대량 비디오를 훈련하면 훨씬 더 잘 작동할 수 있습니다.
“지금으로서는 난파선을 멋진 3D로 재구성하는 가장 좋은 방법은 고해상도 사진을 많이 찍고 Agisoft Metashape와 같은 Structure-from-Motion 소프트웨어를 사용하여 카메라 포즈를 계산하는 기존의 3D 매핑 워크플로우가 될 것으로 기대합니다. COLMAP을 적용한 다음 이를 Gaussian Splat으로 멋지게 렌더링할 수 있습니다.”
산호초 매핑 연구에 관한 논문이 최근 저널에 게재되었습니다. 생태학과 진화의 방법.
또한 Divernet에서는: 세계의 산호초는 우리가 생각했던 것보다 더 크다…, 기술이 산호를 구하는 10가지 방법, 깊은 산호초는 세계에서 가장 큰 것으로 알려져 있습니다, 18세기 차트는 산호 손실을 드러냅니다.
