斯坦福大學(xué)研究生開發(fā)名為PIGEON的AI模型 僅通過幾張照片找到你的位置

　　斯坦福大學(xué)的研究生們開發(fā)了一款名為 PIGEON 的應(yīng)用程序，可以僅僅通過查看 Google 街景圖像或其他圖像來確定具體位置，其準確率令人印象深刻。

　　根據(jù)預(yù)印本論文的數(shù)據(jù)，PIGEON 可以以92%的準確率預(yù)測所拍攝國家，并且在40%的猜測中可以將位置定位在目標(biāo)位置的25公里范圍內(nèi)。該論文指出，PIGEON 在 GeoGuessr 游戲中排名前0.01%的玩家之內(nèi)，該游戲要求用戶根據(jù)所拍攝的 Google 街景圖像猜測位置，這也是這個項目的靈感來源。

　　那么，PIGEON 是如何工作的呢?

　　學(xué)生們利用了 OpenAI 開發(fā)的神經(jīng)網(wǎng)絡(luò) CLIP，通過對視覺類別名稱進行訓(xùn)練，使其能夠?qū)⑽谋竞蛨D像進行連接。然后，他們根據(jù) GeoGuessr 的數(shù)據(jù)集進行了訓(xùn)練，該數(shù)據(jù)集包含了10萬個原始隨機采樣的地點和四張圖像，以覆蓋給定位置的整個 “全景”，總共有40萬張圖像。與其他 AI 模型訓(xùn)練的圖像數(shù)量相比，PIGEON 的訓(xùn)練圖像數(shù)量相對較少。例如，OpenAI 流行的圖像生成模型 DALL-E2是基于數(shù)億張圖像進行訓(xùn)練的。

　　此外，學(xué)生們還研發(fā)了一個名為 PIGEOTTO 的單獨模型，該模型通過訓(xùn)練來自 Flickr 和維基百科的400萬張照片，以從單張圖像中識別位置。根據(jù)論文的數(shù)據(jù)，PIGEOTTO 在圖像地理定位基準測試中取得了令人印象深刻的成績，在城市準確度方面超過先前的最新技術(shù)結(jié)果7.7%，在國家準確度方面超過29.8%。

　　論文還探討了與該模型相關(guān)的倫理考慮，包括其益處和風(fēng)險。在一方面，圖像地理定位具有許多積極的用途，例如自動駕駛、視覺調(diào)查以及滿足對照片拍攝地點的好奇心。然而，其負面影響包括對隱私的最直接侵犯。因此，學(xué)生們決定不公開發(fā)布模型權(quán)重，僅在學(xué)術(shù)驗證時發(fā)布代碼。

　　這項研究為我們展示了 AI 在圖像地理定位方面的巨大潛力，但也引發(fā)了隱私和倫理方面的一些擔(dān)憂。在將來的發(fā)展中，必須更加重視這些問題，并確保合適的保護措施得以實施。