Nouvelle méthode d'augmentation de données d'images synthétiques en quelques prises de vue utilisant une diffusion stable affinée pour n'importe quel objet. ShipSense a utilisé une diffusion stable personnalisée pour créer des données d'image synthétiques réalistes des navires et formé des réseaux neuronaux convolutifs (CNN) pour détecter et localiser les navires à partir d'images satellite. Ils ont également construit une plateforme de visualisation de données permettant aux parties prenantes de surveiller la surpêche. Pour améliorer cette plate-forme, ils ont identifié plusieurs points chauds d'activité suspecte de navires sombres en fouillant dans plus de 55 000 enregistrements radar AIS.

Alors que les gens ont déjà essayé de créer des modèles d’IA pour détecter la surpêche, la précision était médiocre en raison d’un déséquilibre de classe élevé. Il existe peu d’exemples positifs de navires sur l’eau, comparés aux innombrables exemples négatifs de plans d’eau sans navires. Les chercheurs ont utilisé les GAN pour générer des données synthétiques à d’autres fins. Cependant, il faut environ 50 000 échantillons d’images pour former un GAN décent. Le plus grand ensemble de données de satellite ne contient qu’environ 2 000 échantillons.

Ils ont réalisé que Stable Diffusion (SD), un modèle d'IA texte-image populaire, pouvait être réutilisé pour générer un nombre illimité de données d'images synthétiques de navires sur la base de relativement peu d'entrées. Ils ont pu obtenir des images synthétiques très réalistes en utilisant seulement 68 images originales.