Invecchiano
Le immagini a livello stradale vengono aggiornate, nel migliore dei casi, ogni qualche anno. Una vetrina, un assetto stradale o un cantiere possono cambiare in una settimana.
Dati visivi
In sviluppoI team AI hanno bisogno di immagini aggiornate di strade, negozi ed edifici. Stiamo costruendo incarichi in cui i giocatori acquisiscono quelle immagini sul posto, in 70 paesi.
Questo prodotto è in sviluppo. Questa pagina descrive ciò che stiamo costruendo e ciò che esiste già alla sua base.

Il divario
Le immagini a livello stradale vengono aggiornate, nel migliore dei casi, ogni qualche anno. Una vetrina, un assetto stradale o un cantiere possono cambiare in una settimana.
I veicoli di mappatura coprono le strade carrabili. Percorsi pedonali, mercati, stazioni e gran parte delle città del mondo sono coperti poco o per nulla.
Le immagini raccolte con lo scraping arrivano senza alcuna prova di dove o quando sono state scattate, e senza un consenso chiaro da parte di chi le ha scattate.
Come funzionerà
Luoghi, angolazioni, condizioni
Un elenco di vetrine, una serie di incroci di notte, una strada sotto la pioggia. Sei tu a dire cosa deve vedere il modello e in che quantità.
Sulla mappa, per i giocatori vicini
L'incarico appare nell'app alle persone che sono già nei paraggi, con una ricompensa per chi lo completa.
Luogo e ora verificati
Un'acquisizione conta solo se arriva da un dispositivo attestato dentro il raggio, quindi ogni fotogramma porta con sé un luogo e un'ora controllati.
Revisionato e filtrato per la privacy
Controllato per la qualità, filtrato per la privacy e consegnato con i metadati di luogo e ora.
Dall'acquisizione all'addestramento
Una foto non è ancora un dato di addestramento. Tra l'acquisizione e il tuo modello ci sono cinque passaggi.
Ritagli etichettati, come comparirebbero in un dataset
Utilizzi
Un modello conosce il mondo fisico solo attraverso le sue immagini. Vale per un assistente che risponde a domande su una foto quanto per un robot che attraversa una piazza. Ecco una strada, e otto cose che un modello può ricavarne.

Illustrazione: i livelli sono stati collocati a mano su una fotografia stradale di pubblico dominio. Non li ha prodotti alcun modello.
Già operativo
Il prodotto di acquisizione è nuovo. La rete, la verifica e il motore delle missioni sono già in funzione.
Principi
Chi contribuisce sa cosa riprende e perché, dà il proprio consenso e viene pagato.
Volti e targhe dovranno essere rimossi prima che qualsiasi dataset esca da noi.
Ogni immagine dovrà arrivare con una licenza chiara da parte di chi l'ha scattata, riconducibile a un'acquisizione verificata.
Design partner
Stiamo definendo i primi incarichi di acquisizione con un piccolo numero di team AI. Se hai una lacuna di dati nel mondo fisico, vogliamo sapere qual è.