95 % Menos Dados de Verdade de Campo: Alcançando Desempenho de Modelo Quase Perfeito

O que é o Reverie? O Reverie é o motor de dados sintéticos proprietário da Another Earth. Ele gera imagens de satélite altamente realistas com rótulos perfeitos anexados automaticamente no momento da criação, eliminando a necessidade de anotação manual cara e demorada.

Resolvendo a Escassez de Dados Ao construir modelos de Observação da Terra, as equipes frequentemente encontram um obstáculo: os dados reais de que precisam geralmente não possuem rótulos, carecem de informações específicas ou simplesmente não existem. Com o Reverie, podemos simular a região exata, eventos específicos ou propriedades de superfície, e características de sensor necessárias sob demanda. Seja um projeto que exija mapear ambientes urbanos complexos e densamente compactados ou monitorar florestas remotas, o Reverie preenche perfeitamente as lacunas onde os arquivos reais são escassos.

O Reverie funciona com todas as bandas e em uma ampla gama de sensores, desde dados Sentinel de 10 m até imagens aéreas e de drone de 25 cm. Juntamente com as imagens e suas máscaras de segmentação, ele também fornece informações DSM. E como os dados são gerados, isso reduz os custos de compra e processamento de dados de arquivo em primeiro lugar.

Eficiência de Dados Comprovada O benefício central do Reverie é reduzir drasticamente a quantidade de verdade de campo manual necessária para treinar um modelo confiável. Ao treinar um modelo em um conjunto de dados pequeno versus um grande, as equipes frequentemente encontram uma precisão de modelo menor devido ao treinamento insuficiente. O Reverie ajuda as equipes a manter a precisão do modelo gerando dados sintéticos de satélite para preencher lacunas quando dados reais de treinamento estão ausentes. Além disso, dados gerados sinteticamente até tornam possível aumentar ligeiramente a precisão do modelo quando adicionados a um conjunto de dados real já completo. 

Em um teste rigoroso de segmentação de cobertura do solo, quantificamos exatamente quão bem os dados sintéticos substituem os dados reais:

• Correspondendo à Precisão com 95 % Menos Dados: Um modelo padrão treinado em 10.000 imagens reais alcançou uma pontuação de precisão de 0,73 mIoU. Alcançamos essa mesma pontuação exata usando apenas 500 imagens reais (apenas 5 % do conjunto de dados original) complementadas por dados sintéticos do Reverie.
• O Custo de Ignorar Dados Sintéticos: Sem suporte sintético, confiar apenas nessas 500 imagens reais fez a precisão do modelo despencar para 0,61.
• Impulsionando Conjuntos de Dados Completos: Quando adicionamos uma pequena quantidade de dados sintéticos além do conjunto de dados real completo de 10.000 imagens, o desempenho do modelo melhorou de 0,73 para 0,75, provando que os dados sintéticos também ajudam modelos robustos a generalizar melhor.

A Conclusão Embora uma pequena fração de dados reais ainda seja necessária para fundamentar a IA, o Reverie prova que o desempenho de alto nível é alcançável com significativamente menos imagens rotuladas manualmente. Ele remove o maior gargalo que limita os projetos modernos de OT, garantindo que as equipes possam construir modelos precisos independentemente de quão escasso seja o arquivo de dados reais.