划重点:

- 研究生在斯坦福大学开发了一个 AI 可以通过查看模型 Google 具体位置由街景图像确定，准确性令人印象深刻。

- 这款名为 PIGEON 可以在很大程度上准确地确定应用程序 Google 对于街景的具体位置，预测国家的准确率达到92%，位置可以在目标位置的25公里范围内定位在40%的猜测中。

- 该模型基于 OpenAI 开发的神经网络 CLIP，以及 GeoGuessr 训练游戏数据集，取得了令人印象深刻的成绩。

站长之家（ChinaZ.com）12月20日 消息:斯坦福大学的研究生开发了一种叫做斯坦福大学的研究生 PIGEON 只能通过查看应用程序 Google 具体位置由街景图像或其他图像确定，其准确性令人印象深刻。

根据预印本论文的数据，PIGEON 在目标位置的25公里范围内，可以以92%的准确率预测拍摄国家，位置可以在40%的猜测中定位。该论文指出，PIGEON 在 GeoGuessr 在游戏中排名前0.01%的玩家中，游戏要求用户根据拍摄情况拍摄 Google 街景图像猜测位置，这也是这个项目的灵感来源。

那么，PIGEON 是怎么工作的？

学生们使用它 OpenAI 开发的神经网络 CLIP，通过训练视觉类别名称，它可以连接文本和图像。然后，他们的基础 GeoGuessr 训练了数据集，包括10万个原始随机采样地点和四个图像，以覆盖整个给定位置 共有40万张“全景”图像。与其他 AI 与模型训练的图像数量相比，PIGEON 训练图像数量相对较少。例如，OpenAI 流行的图像生成模型 DALL-E2是基于数亿张图像训练的。

此外，学生们还开发了一个名字 PIGEOTTO 这个模型是通过训练来自的单独模型 Flickr 以及维基百科的400万张照片，从单个图像中识别位置。根据论文的数据，PIGEOTTO 在图像地理定位基准测试中取得了令人印象深刻的成绩，在城市准确性方面超过了以往最新7.7%的技术成果，超过29.8%的国家准确性。

本文还讨论了与该模型相关的伦理考虑，包括其好处和风险。一方面，图像地理定位有许多积极的用途，如自动驾驶、视觉调查和对照片拍摄地点的好奇心。然而，其负面影响包括对隐私的最直接侵犯。因此，学生决定不公开发布模型权重，只在学术验证时发布代码。

这项研究向我们展示了它 AI 图像地理定位的巨大潜力也引起了一些隐私和伦理问题。在未来的发展中，我们必须更加关注这些问题，并确保实施适当的保护措施。

论文网址:https://arxiv.org/abs/2307.05845