這個簡化的插圖顯示瞭如何通過將基礎地圖（城市A）放入深度偽造的衛星圖像模型中來生成模擬衛星圖像（右）。這個模型是通過區分第二座城市（城市B）的一組基礎地圖和衛星圖像對而產生的。
正如Zhao和他的合著者所指出的，自古以來，偽造地點和其他不準確的情況一直是地圖制作的一部分。這在一定程度上是由於將現實生活中的地點轉化為地圖形式的本質，因為沒有地圖可以準確地捕捉到一個地方的真實情況。但是，地圖中的一些不準確之處，是地圖繪制者的惡作劇。甚至有為防止侵犯版權而在地圖上謹慎地放置假的城市、山脈、河流或其他特征。而放輕松一些，20世紀70年代密歇根州交通部的一份官方公路地圖曾包括瞭虛構的城市 "Beatosu和 "Goblu"，這是 "Beat OSU"和 "Go Blue"的諧音，因為當時的部門負責人想在保護地圖版權的同時為他的母校叫好。
但研究人員說，隨著地理信息系統、谷歌地球和其他衛星成像系統的盛行，位置欺騙涉及的復雜程度要高得多，並伴隨著更多風險。2019年，負責為美國國防部提供地圖和分析衛星圖像的組織--國傢地理空間情報局的局長暗示，人工智能操縱的衛星圖像可能是一個嚴重的國傢安全威脅。
為瞭研究衛星圖像如何被偽造，趙和他的團隊轉向瞭一個人工智能框架，該框架已被用於操縱其他類型的數字文件。當應用於測繪領域時，該算法基本上學習瞭來自城市地區的衛星圖像的特征，然後通過將學習到的衛星圖像特征反饋到不同的基礎地圖上，生成一個深度偽造的圖像--類似於流行的圖像過濾器可以將人臉的特征映射到貓身上。
接下來，研究人員將來自三個城市--塔科馬、西雅圖和北京的地圖和衛星圖像結合起來，比較特征並創建一個城市的新圖像，這些圖像來自其他兩個城市的特征。他們將塔科馬指定為 "基礎地圖"城市，然後探索如何將西雅圖（在地形和土地使用方面相似）和北京（兩者都不同）的地理特征和城市結構結合起來，以產生塔科馬的深度偽造圖像。
在下面的例子中，塔科馬的一個社區在地圖軟件（左上）和衛星圖像（右上）中顯示。同一個社區的後續深假衛星圖像反映瞭西雅圖和北京的視覺模式。低層建築和綠色植物標志著左下角塔科馬的 "西雅圖化 "版本，而北京的高層建築，AI與塔科馬圖像中的建築結構相匹配，投射出陰影--因此底部圖像中的建築呈現出黑暗的外觀。
研究人員指出，未經訓練的眼睛可能難以發現真假之間的差異。一個不經意的觀眾可能會把顏色和陰影僅僅歸結為圖像質量差。為瞭嘗試識別 "假貨"，研究人員將目光投向瞭圖像處理的更多技術方面，如顏色直方圖以及頻率和空間域。
趙說，一些模擬的衛星圖像可以起到一定的作用，特別是在代表一段時間內的地理區域時，例如，瞭解城市擴張或氣候變化。可能有一個地方在過去的某段時間內沒有圖像，或者在預測未來的時候，所以在現有圖像的基礎上創建新的圖像--並明確指出它們是模擬的--可以填補空白並幫助提供觀點。
趙說，這項研究的目的不是為瞭表明地理空間數據可以被偽造。相反，作者希望瞭解如何檢測假圖像，以便地理學傢可以開始開發數據掃盲工具，類似於今天的事實核查服務，為公眾服務。
留言列表
