Учёные из Университета штата Огайо (Ohio State University) представили революционную ИИ-систему, способную «воображать» повреждения зданий после землетрясений — даже если спасатели ещё не добрались до места. Диффузионная модель под названием LEGG (LoRA-Enhanced Ground-view Generation) генерирует фотореалистичные трёхмерные реконструкции фасадов зданий с уровня улицы, используя только аэроснимки дронов. Результаты исследования опубликованы в International Journal of Remote Sensing в марте 2026 года.
Принцип работы LEGG основан на генерации синтетических пар изображений — система показывает, как здание выглядит сверху (с дрона) и как оно должно выглядеть с земли. «Наш алгоритм генерирует тысячи пар полуреалистичных фотографий того, как здание выглядит сверху и с земли», — объясняет Ронгжунь Цинь, профессор гражданской и экологической инженерии. Это позволяет ИИ распознавать структурные повреждения, невидимые при традиционной аэросъёмке — трещины фасадов, наклоны стен и частичные обрушения.
Для обучения модели исследователи использовали реальные данные землетрясения в Турции 2023 года — набор из 3 000 строений в районе Нурдаги города Газиантеп. Команда под руководством профессора Ронгжуня Циня и профессора структурной инженерии Халила Сезена сравнила спутниковые и дроновые снимки 2015 года (до землетрясения) с изображениями 2023 года (после катастрофы). Даже при ограниченном объёме обучающих данных модель успешно идентифицировала фасадные трещины, крен зданий и частичные коллапсы конструкций.
Традиционная оценка ущерба после землетрясений — трудоёмкий и опасный процесс. Инспекторы вынуждены обходить повреждённые здания пешком, что занимает дни или даже недели. При этом многие районы остаются недоступными из-за завалов, а повторные толчки создают угрозу жизни спасателей. LEGG решает эту проблему: дрон облетает зону бедствия за считанные часы, а ИИ мгновенно реконструирует состояние каждого здания с точностью, достаточной для принятия решений о спасательных операциях.
Технология имеет огромный потенциал для сейсмоопасных регионов по всему миру — от Японии и Калифорнии до Турции и Центральной Азии. При дальнейшем развитии модель сможет не только фиксировать уже произошедшие повреждения, но и предсказывать уровень разрушений при землетрясениях разной магнитуды. Это особенно важно для мегаполисов с плотной застройкой, где ручной осмотр каждого здания физически невозможен в первые критические часы после катастрофы.
Разработка команды из Огайо вписывается в глобальный тренд на применение генеративного ИИ в управлении последствиями стихийных бедствий. В отличие от классических CNN-моделей классификации повреждений, диффузионные модели типа LEGG способны создавать принципиально новые виды данных — «дорисовывая» то, чего нет на исходных снимках. Исследователи планируют расширить обучающий набор данных за счёт других землетрясений и интегрировать систему с платформами экстренного реагирования, чтобы спасатели получали карту повреждений района в режиме реального времени.
