Лёгкие эмбеддинги вместо тяжёлых снимков: ИИ-архитектура стартапа Lgnd позволит анализировать спутниковые данные моментально

Компания Lgnd, разработчик решений в области обработки геопространственных данных, привлекла $9 миллионов в рамках посевного раунда финансирования. Основной продукт Lgnd — это векторные вложения (эмбеддинги) географических данных. В отличие от традиционных способов представления информации (пиксели или векторные данные), технология позволяет создавать компактные, легко распределяемые и интерпретируемые представления пространственных данных. Эти эмбеддинги позволяют эффективно выявлять взаимосвязи между различными точками на Земле, значительно ускоряя обработку информации.

Этоинтересно

В «VK Видео» теперь можно поддержать деньгами авторов через кнопку под роликом или на странице канала

30.09.2025

Талибы полностью выключили интернет в Афганистане, чтобы “предотвратить разврат”

30.09.2025

Например, для определения количества противопожарных разрывов, необходимых для предотвращения распространения лесных пожаров, традиционные методы требуют значительных затрат времени и ресурсов. Обработка спутниковых снимков вручную или с помощью обученных нейросетей обходится в сотни тысяч долларов и решает лишь узкую задачу. Технология Lgnd позволяет сделать этот процесс на порядок, а то и на два порядка эффективнее.

Фото:NASA

Сооснователь и главный научный сотрудник Lgnd, Бруно Санчес-Андраде Нуньо, подчеркнул, что цель компании не в замене специалистов, а в повышении их производительности в десятки и сотни раз. Векторные вложения позволяют быстро анализировать данные, независимо от того, представлены ли противопожарные разрывы в виде дорог, рек или озёр. Алгоритм легко определяет участки, соответствующие заданным характеристикам (отсутствие растительности, минимальная ширина и т.д.).

Компания разработала корпоративное приложение для работы с пространственными данными, а также API для пользователей с более специфическими потребностями. По мнению Натаналя Мэннинга, сооснователя и генерального директора, технология позволит компаниям задавать совершенно новые типы запросов к геопространственным данным. Он привел пример виртуального туристического агента, способного подобрать жильё, учитывая множество параметров, от близости к пляжу до отсутствия стройки в радиусе километра. Создание традиционных геопространственных моделей для ответа на подобные запросы потребовало бы огромных затрат времени.

В случае успеха Lgnd может занять значительную долю на рынке геопространственных данных, оцениваемом почти в $400 миллиардов.