利用循环一致对抗网络可视化气候变化的后果
计算机视觉与模式识别
2019-05-10 v1 人工智能
摘要
我们展示了一个项目，旨在利用循环一致对抗网络（CycleGANs）生成描绘准确、生动且个性化的气候变化后果的图像。通过在极端天气事件（如洪水、森林火灾等）前后房屋街景图像上训练我们的CycleGAN模型，我们学习到一个映射，该映射可应用于尚未经历这些事件的地点图像。这种视觉变换与气候模型预测相结合，以评估长期（50年）气候相关事件的可能性与类型，从而在观众脑海中拉近未来的距离。我们项目的最终目标是通过建立对气候变化影响更直观的感受，使个人能够对其气候未来做出更明智的选择，同时依靠气候模型预测保持科学可信度。
引用
@article{arxiv.1905.03709,
title = {Visualizing the Consequences of Climate Change Using Cycle-Consistent Adversarial Networks},
author = {Victor Schmidt and Alexandra Luccioni and S. Karthik Mukkavilli and Narmada Balasooriya and Kris Sankaran and Jennifer Chayes and Yoshua Bengio},
journal= {arXiv preprint arXiv:1905.03709},
year = {2019}
}