Un algorithme de reconstruction d’arbre 3D contribue à une nouvelle ère de planification urbaine
Les arbres rivalisent pour l’espace à mesure qu’ils poussent. Un arbre avec des branches près d’un mur se développera différemment de celui qui pousse sur un terrain ouvert.
Maintenant, tout le monde – des urbanistes et des scientifiques de l’environnement aux propriétaires – peut accéder à un nouvel algorithme pour la reconstruction des arbres développé à l’Université Purdue pour voir comment les arbres vont ombrer une zone ou apprendre à quoi ressemblera un arbre dans 20 ans. Les informaticiens de Purdue et les forestiers numériques ont utilisé l’intelligence artificielle pour générer cette première base de données, qui contient des modèles tridimensionnels de plus de 600 000 arbres réels.
« Ces modèles d’arbres sont ce que nous appelons » prêt pour la simulation « », a déclaré Bedrich Benes de Purdue, professeur et chef associé du Département d’informatique au College of Science et membre de l’Institut de foresterie numérique. La base de données et le code connexe sont accessibles au public.
Benes et ses collègues de l’Institut de foresterie numérique de Purdue, Google et du Massachusetts Institute of Technology ont décrit les détails de leur algorithme de fusion Tree-D dans les actes de conférence de la Conférence européenne sur la vision par ordinateur (ECCV), 2024.
« Les arbres offrent une valeur immense et essentielle à la société humaine et sous-tendent divers écosystèmes dans le monde. Ils refroidissent l’environnement, améliorent la qualité de l’air, capturent le dioxyde de carbone, produisent de l’oxygène et ont un effet positif sur la santé physique et mentale humaine », ont écrit les co-auteurs. « L’effet complexe des arbres sur l’environnement a été étudié depuis des siècles. Actuellement, les modèles de calcul qui cherchent à comprendre ces relations sont entravés par un manque de données. »
L’équipe a utilisé les données de l’ensemble de données Auto Arborist introduit par une équipe de recherche Google en 2022. L’ensemble de données comprenait environ 2,6 millions d’arbres appartenant à 32 catégories au niveau du genre de 23 villes nord-américaines.
« Le défi particulier de ce projet était d’obtenir le modèle tridimensionnel à partir d’une seule image », a déclaré Benes. « Il n’y a pas suffisamment de données d’entrée pour extraire des informations élevées.
« Nous tirons parti des progrès récents dans les modèles de diffusion pour fournir des informations préalables à la reconstruction des arbres 3D », a déclaré Raymond Yeh, professeur adjoint d’informatique, qui dirige la vision informatique et les efforts de l’IA du projet.
Tree-D Fusion en offrira plus à l’avenir, a déclaré que l’auteur principal de l’étude, Jae Joong Lee de Purdue, un doctorat. Étudiant du groupe de végétation informatique de Benes et membre de l’Institut de foresterie numérique. « Avec mes collaborateurs, j’imagine élargir les capacités de la plate-forme à une échelle planétaire. Notre objectif est d’utiliser des informations sur l’IA sur les avantages sociaux et environnementaux à grande échelle », a déclaré Lee.
Les co-auteurs supplémentaires incluent Bosheng Li, Raymond Yeh et Songlin Fei de Purdue, tous les membres de l’Institut de foresterie numérique; Sara Beery du Massachusetts Institute of Technology; et Jonathan Huang, anciennement de Google, maintenant chef de l’IA aux fondations à l’échelle.
« L’un des objectifs de la foresterie numérique est d’améliorer le bien-être humain sociétal. Nous avons différents projets travaillant sur la localisation des arbres et l’inventaire du smartphone en satellite », a déclaré Fei, directeur de l’institut et président de Dean dans la télédétection.
« Ce projet fournit des informations contextualisées sur la structure des arbres urbaines qui peuvent être réalisées à grande échelle, fournissant aux gestionnaires des informations critiques pour mieux gérer les arbres urbains. Avec des progrès continus sur ce projets et d’autres, nous visons à rendre nos villes plus vertes, plus intelligentes et plus saines, arbre par arbre. »
Les données initiales pour la fusion Tree-D provenaient des dossiers du recensement des arbres publics que de nombreuses villes maintiennent en ligne. L’équipe de recherche Google a ensuite fusionné les données du recensement des arbres avec Street View et l’imagerie de couleurs aériennes. Cela a mis à disposition pour la première fois un outil de surveillance d’arbre à vision par ordinateur à grande échelle. Les chercheurs du MIT City Lab du MIT ont déjà utilisé les nouveaux modèles d’arbres 3D pour tracer les voies de marche ombragées à travers certaines villes.
« Chaque fois qu’un véhicule de cartographie des arbres passe dans une ville maintenant, nous ne prenons pas seulement des instantanés – nous regardons ces forêts urbaines évoluer en temps réel », a déclaré Beery, professeur adjoint au département du génie électrique et de l’informatique du MIT.
« Cette surveillance continue crée une forêt numérique vivante qui reflète son homologue physique, offrant aux villes un objectif puissant pour observer comment les stress environnementaux façonnent la santé des arbres et les modèles de croissance dans le paysage urbain. »
Les comparaisons entre les autres méthodes de reconstruction 3D et la fusion Tree-D ont montré que ce dernier fonctionne mieux sous de nombreux aspects, y compris l’ombrage projeté, ce qui est important pour planifier des villes vertes.
« Le modèle d’IA que nous avons utilisé était assez exigeant en calcul », a déclaré Benes. Le calcul de l’ensemble de données entier avec une seule unité de traitement graphique (GPU) aurait pris environ 23 ans. Même en utilisant les neuf clusters de supercalcul que le Rosen Center for Advanced Computing de Purdue avait à l’époque – il en a maintenant dix – les calculs ont pris près de six mois.
