美国罗彻斯特理工学院数字成像与遥感(DIRS)实验室宣布合作，将DIRSIG合成图像模型的物理驱动精度与渲染技术相结合。人工智能的基于云的平台，用于生成大量合成数据。

使用计算机视觉(CV)数据的机器学习(ML)算法为开发世界各地地球观测(EO)收集和分析公司快速扩展的能力和内容提供了一个关键工具。呈现。ai为数据科学家和CV工程师提供了平台即服务(PaaS)，可扩展地在云中生成大型、可配置的合成CV数据集，用于训练人工智能(ai)和ML系统。

DIRSIG模型产生一系列模拟输出，表示从电磁光谱的热红外区可见的被动单波段、多光谱或超光谱图像。DIRSIG被广泛用于测试算法和对模拟标准图像产品的分析师进行培训。呈现。ai团队已经为可见光和合成孔径雷达(SAR)建立了模拟器，但DIRSIG的能力广度和授权机构的持续投资将提供合格的渲染。Ai客户拥有更广泛的现场测试和生产质量传感器建模技术。

“DIRSIG数十年来一直为专家客户提供合成图像，”首席科学家兼项目负责人Scott Brown博士说。“我们与渲染的合作。在卫星和其他形式的遥感数据收集迅速扩大的时候，人工智能使我们能够将我们已证明的能力带给更广泛的受众。”

使用DIRSIG和渲染的初始项目。ai是为一个机密的lighthouse客户开发的，其目标是通过合成数据通道(渲染中专门构建的合成数据应用程序)为组织提供基本的集成。人工智能的框架。

渲染.ai首席执行官Nathan Kundtz博士说:“地球观测市场的扩大不仅增加了政府和商业用户可获得的数据类型的多样性和数据收集频率，而且还推动了寻找新的、更快的自动化技术的需求，以从大量图像流中提取知识。”“我们建立了我们的平台，将快速生成的合成数据放在客户的指尖进行创新和实验。我们很高兴DIRSIG团队与我们合作，为我们的用户带来最好的模拟内容。”