Using Game Engines and Machine Learning to Create Synthetic Satellite Imagery for a Tabletop Verification Exercise

要約

衛星画像は、関心のある活動を市民ベースで監視する絶好の機会と見なされています。
ただし、関連する画像は十分に高い解像度、品質、またはリズムで利用できない場合があり、ましてやオープンソース アナリストが均一にアクセスできるわけではありません。
このことは、公的に入手可能な衛星画像を使用した核活動の住民ベースの監視の真の長期的可能性の評価を制限することになる。
この記事では、高度な機械学習技術と組み合わせた最新のゲーム エンジンを使用して、リクエストに応じて関連パラメーターを選択できる機能を備えた関心のあるサイトの合成画像を生成する方法を示します。
これらには、時刻、雲量、季節、または現場での活動レベルが含まれます。
同時に、解像度とオフナディア角を調整して、衛星のさまざまな特性をシミュレートできます。
合成画像にはいくつかの使用例が考えられますが、ここでは、新しい衛星群と非常に短い再訪問時間によって可能になる検証機能をより深く理解するために、簡単な監視シナリオを検討できる机上演習をサポートするその有用性に焦点を当てます。

要約(オリジナル)

Satellite imagery is regarded as a great opportunity for citizen-based monitoring of activities of interest. Relevant imagery may however not be available at sufficiently high resolution, quality, or cadence — let alone be uniformly accessible to open-source analysts. This limits an assessment of the true long-term potential of citizen-based monitoring of nuclear activities using publicly available satellite imagery. In this article, we demonstrate how modern game engines combined with advanced machine-learning techniques can be used to generate synthetic imagery of sites of interest with the ability to choose relevant parameters upon request; these include time of day, cloud cover, season, or level of activity onsite. At the same time, resolution and off-nadir angle can be adjusted to simulate different characteristics of the satellite. While there are several possible use-cases for synthetic imagery, here we focus on its usefulness to support tabletop exercises in which simple monitoring scenarios can be examined to better understand verification capabilities enabled by new satellite constellations and very short revisit times.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google