（來自：University of Washington / Bo Zhao）

　　事實上，這項研究并不致力于渲染聳人聽聞的氣氛，而將重點放在了與 Deepfake 不太一樣的“樣式轉(zhuǎn)換”技術(shù)上。

　　研究團隊在西雅圖、塔科馬和北京這三座各具特征的城市衛(wèi)星圖像基礎(chǔ)上，對機器學習系統(tǒng)展開了有針對性的訓練。

　　其中西雅圖地區(qū)的綠化帶要比街道要壯闊得多，而北京的色彩相對單調(diào)，且較高的建筑物有在衛(wèi)星圖像中投下了長長的深色陰影。

　　接著，機器學習系統(tǒng)會將其了解的街道地圖詳情（來自谷歌或蘋果地區(qū)數(shù)據(jù)庫）與衛(wèi)星視圖的細節(jié)相關(guān)聯(lián)，最后生成可以假亂真的城市細節(jié)。

　　上圖示例將北京地區(qū)的視覺模式套用到了真實的塔科馬社區(qū)地圖上

　　不過仔細檢查后，你會發(fā)現(xiàn) AI 偽造的地圖看起來不如真實的衛(wèi)星圖那樣清晰，且可能存在邏輯上的不一致之處。

　　比如即便西雅圖和背景的圖像能夠一目了然，但 AI 生成的圖像還是會讓某些道路走向死胡同。

　　至于這項技術(shù)的潛在應用，研究人員稱可用于模擬某些無法獲得衛(wèi)星地圖的區(qū)域、研究預期的城市擴建或區(qū)域變化等。

　　此外如果無需精巧模擬另一個地方，也可讓 AI 面向同一城市的人口稠密 / 寬敞街道區(qū)域展開有針對性的訓練。

　　資料圖（來自：IEEE Spectrum）

　　有關(guān)這項研究的詳情，可查閱近日出版的《地圖與地理信息科學》（Cartography and Geographic Information Science）期刊。

　　原標題為《Deep fake geography? When geospatial data encounter Artificial Intelligence》。