利用游戏引擎和机器学习创建合成卫星图像用于桌面式验证练习
计算机视觉与模式识别
2024-06-25 v2 人工智能
人机交互
机器学习
摘要
卫星图像被视为公民监测有趣活动的绝佳机会。然而，相关图像可能在分辨率、质量或频率上并不足够，更别说为开源分析师提供统一访问。这限制了对公民监测核活动长期潜力的真实评估。本文演示了如何将现代游戏引擎与先进机器学习技术相结合，用于生成具有可请求参数选择能力的感兴趣 sites 的合成图像；这些参数包括时间、云层覆盖、季节或现场活动水平。同时，可调整分辨率和离轴角度，以模拟卫星的不同特征。虽然合成图像有多种可能的用途，但本文重点关注其支持桌面练习的有用性，其中可以检查简单的监控情景，以更好地理解新卫星星座和非常短回访时间所启用的验证能力。
引用
@article{arxiv.2404.11461,
title = {Using Game Engines and Machine Learning to Create Synthetic Satellite Imagery for a Tabletop Verification Exercise},
author = {Johannes Hoster and Sara Al-Sayed and Felix Biessmann and Alexander Glaser and Kristian Hildebrand and Igor Moric and Tuong Vy Nguyen},
journal= {arXiv preprint arXiv:2404.11461},
year = {2024}
}
备注
Annual Meeting of the Institute of Nuclear Materials Management (INMM), Vienna