#57 衛星写真1枚で地球まるごと3D化する時代がやってきた

Google Earthのようなリアルな3D地図は、飛行機やドローンで膨大な写真を撮影し、それを組み合わせて立体化する「写真測量」という手法で作られています。しかしこの方法は撮影コストが非常に高く、処理にも数ヶ月から数年かかるため、3Dデータが整備されているのは主要都市の中心部だけ。発展途上国や地方都市の多くは「3Dの空白地帯」のままでした。

一方、AIで3Dモデルを「生成」する技術は急速に進化しましたが、これまでは椅子や車など単体オブジェクトが中心。屋外の街並みを生成する研究もありましたが、その多くはゲーム用の架空アセットで学習しており、現実世界とのギャップ（sim-to-realギャップ）が大きく、実用的なシミュレーションには使えませんでした。だからこそ「実世界データで学習し、衛星写真だけから本物らしい3D都市を作る」この研究が生まれました。

核心は3つあります。第一に、​実世界の3D再構成データで直接学習すること。航空写真や衛星写真から精密に再構成した実在都市の3Dデータ（3D Gaussian Splatting＝点の集まりで風景を表現する最新の3D形式）を教師データにすることで、架空の街ではなく「本物らしい」街並みを生成できます。樹木の葉や水面など、従来のポリゴンメッシュでは表現が難しい複雑な形状もそのまま扱えるのがこの形式の強みです。

第二に、​衛星写真を「設計図」として使うこと。衛星画像は地球上のほぼどこでも入手でき、緯度経度と紐づいているため、理論上は無限にスケールする条件入力になります。撮影角度などの詳細情報は不要です。

第三に、​最初から地図エンジンでの表示を想定した設計。地球全体ビューから街路レベルまでズームできるよう、生成段階から複数の詳細度（LOD）を持つ階層構造を出力します。タイル同士の継ぎ目も、生成時に重なり領域をブレンドする「スライディングウィンドウ推論」で目立たなくしています。

画像のリアルさを測るFIDスコア（低いほど良い）で 16.1 を達成。従来の最良手法EarthCrafterの69.5を大幅に上回りました。生成速度は 1平方キロメートルあたり10分以内 で、撮影から反映まで数ヶ月〜数年かかるGoogle Earthとは桁違いの速さです。1,000基のGPUクラスタを使えば、世界の市街地約80万平方キロを 10日以内 で3D化できる計算とのこと。

カバー範囲では、Google Earthの3DデータがアフリカでわずかGDP 3.7% の国・地域しかカバーしていないのに対し、本システムは 68.5% をカバー。人間による評価では、形状や質感の精度ではGoogle Earthに及ばないものの、「美しさ（光や色の調和）」では上回るスコアを得ました。公開ページでは190カ国以上・300都市超の3D世界が公開されています。

最大のインパクトは ​「3Dデジタルデバイドの解消」​ です。これまで高精細3D地図は、巨額の撮影予算を持つ大企業や先進国の特権でした。衛星写真だけで低コスト・高速に3D化できれば、途上国の都市計画、災害時の迅速な被災地3Dマップ作成、地方自治体のスマートシティ構想など、応用の裾野が一気に広がります。

もう一つの鍵は ドローンなどのAI訓練場としての価値。自律飛行ドローンの開発には、現実そっくりの仮想環境での訓練が不可欠です。実世界データから生成されたこの3D空間は、シミュレーションと現実のギャップが小さく、ドローンの航法・障害物回避の訓練に使えるとされています。物流ドローンや点検ドローンのビジネスを考える企業には直接関係する話です。

さらに論文では、生成した街に精密スキャンしたランドマーク（エッフェル塔など）を合成したり、都市計画の青写真や火災の延焼状況を重ねたりする「編集可能な空間プラットフォーム」への発展構想も示されています。地図が「見るもの」から「意思決定に使うもの」へ変わる可能性を示唆しています。