通过合成图像和时间序列可视化公路施工危险的生成人工智能

公路建筑工人面临严重受伤或死亡的高风险。描述危险场景的基于图像的训练材料对于参与安全指导至关重要，但由于道德和后勤障碍，这些材料仍然稀缺。本研究开发并评估了一种生成人工智能方法，用于根据 OSHA 严重伤害报告的叙述生成高速公路施工危险的综合可视化。开发了两种模式：单通道方法为每个事件生成一张图像，以及时间方法生成四阶段序列。 75 个事件记录的样本生成了 750 张图像，使用基于 CLIP 的语义检索和专家评估进行了评估，涵盖教育实用性、保真度和一致性等维度。单通道图像达到了 81.1% 的教育可接受性，保真度和对齐分数分别为 4.14/5 和 4.07/5，而时间序列达到了 60.9% 的可接受性，具有可比的对齐 (3.94/5)，但保真度较低 (3.51/5)。基于 CLIP 的检索表明，这两种模式都会生成具有统计显着检索能力的图像。这是利用现代自回归图像生成模型来可视化报告的严重伤害的建筑危险并生成按时间排序的危险图像的首批研究之一，并且开发了一个新的多维评估框架来支持该领域的未来研究。这项工作使安全训练师能够将叙事故事与视觉学习材料结合起来，而无需拍摄现实世界的危险，并且该框架可以应用于跨不同领域的数据集，从而能够生成针对新应用领域的合成图像。