Добрались глаза прочитать новые статьи senseable 🤩

Beijing Inside Out интересна тем, что исследуют не открытые пространства в городе, а внутренности квартир. Авторы собрали датасет с планировками и для каждой квартиры построили isovist (перевести как изовист?) Если коротко — разбили квартиру на клетки и для каждой посчитали, из скольких клеток ее видно (с учетом стен) 🤨. Получаются красивые хитмапы, на которых ярче всего светятся самые просматриваемые места

Дальше применили YOLOv8 (дообученную всего на 500 картинках, nice), чтобы по схематичному плану комнаты понять ее функцию — гостиная, спальня, балкон и тд. В итоге каждую клетку изовиста можно отнести к конкретной комнате. Хитмапы превращаются в векторные диаграммы, а векторные диаграммы в цветы 🌹

На выходе можно сравнивать изменение открытости комнат в Пекине с 1970 по 2020. Получилась метрика (Isovist Intensity Score), которая меняется вместе с политикой и экономикой Китая. Глобально видны повышение визуальной интегрированности комнат в пространство и размытие границ между их функциями 🏃‍♂️

Не то что бы это было очень полезно, но одна из целей статьи — показать, как можно работать с данными на таком масштабе города 👊. Интересно было бы посмотреть на такое исследование по России, но из того, что нашел — на Циане есть планировки без понимания, где какая комната. Еще такие работы наводят на мысли, что для статей не обязательно искать проблемы — достаточно собрать датасет и строить всё вокруг него

🟠 В любом случае, у senseable всегда красивое оформление визуализаций, так что материал для вдохновения пополняется

Новая Голландия не очень большая, но приятно, когда в хорошем месте есть красивая навигация. Особенно кайфанул от схемы из плиточек на стене Бутылки 🤪

А инфа про активности в виде постеров так вообще 🤤🤤🤤

Наткнулся на табличку с уровнем воды на одном из домов — на высоте моих глаз. Поискал карты наводнений и нашел такую 🏄‍♂️. Нравится, как затопляемые земли переданы разной штриховкой — как-нибудь попробую заменить обычный хитмап на картах на такой стиль

Кстати, на карте есть два острова Вольных, оба из которых не только не утонули, но и приросли к своим соседям 🤓

Practical ML Conf кайф

Теперь возглавляет личный топ конференций. Столько интересных людей, классные активности, доступный мерч 🐱

Наобщался на год вперед, хотя обычно не умею в смолтолки 🐱

В июле гугл зарелизил AlphaEarth Foundations — модель для создания эмбеддингов с покрытием всей Земли. В эмбеддинги запихнули кучу данных, поэтому каждый вектор должен хорошо отражать сущность своего кусочка поверхности 🥸

Одним глазком посмотрел, чем оно может быть полезно, а заодно потестил работу с Earth Engine

🟡 В Earth Engine много данных, которые удобно оттуда получать через Python. При всем уважении к QGIS, стараюсь по максимуму его избегать, и EE как раз дает эту возможность. А библиотека geemap с огромным количеством туториалов еще сильнее понижает порог входа

🔵 В пару к geemap — cartoee — для publication quality карт. Можно без лишних усилий сжать данные в масштабе планеты до аккуратной картинки

🔴 Эмбеддинги AEF записаны за несколько лет, по ним легко видеть изменения на поверхности. Я нашел построенный за год склад и сильную разницу в состоянии рандомного поля (пикрелейтед). Данные разного рода объединены в один слой, из которого можно извлечь то, что нужно в конкретной задаче 🌿

🟣 В одном из туториалов есть фраза «pretty good results with minimal effort», кажется она лучше всего описывает AEF. Примеры использования ML для разных разностей: вот и вот. Они на JS, но всегда можно перевести в Python через гптшку 😏

Добавил красивые картинки с DEM Арктики (хорошего разрешения так то) и температурой поверхности океана (сделано через cartoee)