Google地图再进化，要从平面浏览接口，越来越立体化，甚至借助机器学习技术，要将全球建筑物的立体俯视图，搭建到Google 地图上，从年初至今，Google已经在地图上标绘出1亿1千栋建筑物，要让人们使用地图更主动地了解所在位置的周边环境。
Google地图团队软件工程师Andrew Lookingbill今日(12日) 在台北一场Google机器学习媒体活动中，披露如何在地图上自动描绘出建筑物的关键。
Andrew Lookingbill指出，人们使用地图时，习惯通过人眼观察周边建筑物，来定位四周的方位，我们想要在地图上呈现出这种贴近用户习惯的功能，因此才开始标记建筑物。但是全球建筑物数量庞大，想要一一标记，得创建一套自动化机制不可。
过去，Google已经利用机器学习来识别街景照片中的街道信息，例如地址等，同样地，Andrew Lookingbill解释，Google 也开始利用深度学习技术，要从大量卫星照片，来识别一栋栋建筑物。
他进一步解释，识别过程可分为3阶段，首先分析照片中的像素，判断图中哪些像素是一栋建筑物，接着再用图标，在照片中，标示出每一栋建筑物的外围轮廓，第三阶段则再用另一套深度学习模型，将建筑物俯视外观形状矢量化，以描绘出建筑物的俯视形状的矢量多边形，最后，就能进一步来制作出Google地图上的建筑物俯视平面矢量图。
从今年年初至今，Andrew Lookingbill表示，Google已通过机器学习技术，在地图上添加了1.1亿栋利用自动描绘创建的建筑物信息，全球各地都有。通过这些建筑物在地图上的立体图像呈现，有助于人们定位来辨认方向。
不过，要用机器学习来描绘出地图上的建筑物，也不是容易的事， Andrew Lookingbill提到，目前仍需人工参与描绘，例如在训练机器学习模型时，必须人工手动先标记出一批建筑物，作为训练机器学习模型之用。不过，Google也希望未来能持续降低人工参与的必要性。
另外，不同地区的卫星图片，建筑物标记的挑战也各有不同，例如，在城市的卫星图片中，会包含了许多噪声和屏蔽物，例如建筑物外围的树木，会导致建筑物轮廓线模糊而不易分辨，或像是空中飞鸟经过时，也会屏蔽到地面的建筑物，这些都是影响Google分辨出建筑物轮廓精确度要面临的挑战。
Andrew Lookingbill表示，在地图上加上建筑物信息还有另一个好处，是可以把更多建筑物的相关信息也放到Google地图上来丰富图资。不过，对于这类更详细的Google地图图资，未来是否能用于自动驾驶汽车所需的高精密地图，Andrew Lookingbill则没有回应，仅表示这是其他团队的任务。
除了通过机器学习来描绘建筑物，Google早将深度学习应用在各种地图和街景图片处理上，例如识别街道名称、门牌信息和商店名称等。近期，Google也开始积极在开发中国家扩展Google地图的图资，大量利用机器学习识别当地街道图片，让地图延伸覆盖更多的范围。例如去年，Google在尼日尔利亚拉哥斯城，用机器学习识别搜集到20,000条街道名称、50,000个地址和100,000个商家信息的地图图资信息。
Andrew Lookingbill 表示，未来Google 将加快街景更新的速度，甚至能让地图更及时反应新的变动，这也是Google一直努力的方向，不断提升地图的精确度。