A Another Earth é uma empresa que está construindo a camada de dados preditiva para o mundo físico, indo além do monitoramento retrospectivo para a simulação de cenários voltada ao futuro. Usando dados sintéticos de observação da Terra em alta resolução, a plataforma ajuda organizações a treinar modelos de IA melhores, simular riscos ambientais futuros e modelar como as paisagens evoluem ao longo do tempo.
A anotação manual é cara, lenta e apresenta taxas de erro humano de até 50%. Nosso mecanismo proprietário de dados sintéticos, Reverie, gera automaticamente conjuntos de dados pré-anotados, com precisão em nível de pixel, sob demanda. Em testes de benchmark, modelos treinados com apenas 500 imagens reais, complementadas com dados sintéticos, igualaram a pontuação de acurácia de 0,73 mIoU de modelos que exigiam 10.000 imagens reais — reduzindo as dependências de ground truth em 95%.
A plataforma impulsiona aplicações de deep learning em vários setores principais:
Agricultura & Silvicultura: Classificação de espécies (Tree AI), estimativa de biomassa e rastreamento precoce de doenças, como a Cocoa Swollen Shoot Virus Disease (CoMPASS).
Mineração & Matérias-primas: Previsão de mudanças na paisagem, previsão de estabilidade de taludes e relatórios automatizados de impacto ESG (PreVision).
Cobertura do Solo & Análise Urbana: Segmentação de cobertura do solo em múltiplas resoluções, abrangendo um grande número de classes.
Energia & Infraestrutura: Monitoramento de ativos, contagem de painéis solares e modelagem preditiva de risco de enchentes/desastres.
Os conjuntos de dados são exportados em formatos geoespaciais padrão — incluindo GeoTIFFs multibanda, mapas de elevação DSM, JSON filrx — para ingestão contínua em ambientes de nuvem e frameworks de IA como PyTorch ou TensorFlow. Como os dados são gerados algoritmicamente, isso elimina as restrições de conformidade com o GDPR e de privacidade associadas a imagens do mundo real.
A cobertura de nuvens e as sombras frequentemente ocultam detalhes da superfície e atrasam a detecção precoce de perigos. Por meio de modelos dedicados e geração sintética de nuvens, renderizamos tipos e densidades específicos de nuvens — contendo 2,3x mais nuvens finas do que arquivos reais — para treinar algoritmos avançados de detecção e remoção de nuvens. Isso limpa pixels ocluídos e aplica super-resolução para reconstruir imagens claras e acionáveis.
A anotação manual de imagens de satélite é lenta, cara e sujeita a taxas de erro humano que podem reduzir a acurácia do modelo em até 50%. O mecanismo da Another Earth combina geração baseada em IA com aprimoramento 3D procedural para construir ambientes físicos hiper-realistas. Como as cenas 3D são renderizadas proceduralmente, máscaras de segmentação com precisão em nível de pixel, mapas de elevação DSM e rótulos de instância são calculados automaticamente no exato momento da criação — eliminando completamente os custos de rotulagem manual e o erro humano, ao mesmo tempo que gera dados de treinamento ricos em segundos.
