Unity Lancerer Synthetiske Datasæt Til At Reducere AI-Træningstid Og Budgetter

Unity, en ledende platform for real-time 3D (RT3D) indhold, har annonceret udgivelsen af Unity Computer Vision Datasets. Disse datasæt kan have en betydning for forskellige brancher, specielt fremstillings-, detail- og sikkerhedsbranchen. De er rettet mod at reducere omkostningerne ved udvikling af computer vision-applikationer samt give en mulighed for at træne AI-systemer hurtigere.

Efter strenge privatlivs- og lovmæssige bekymringer kan tilpassede datasæt nu købes af computer vision-løsningsspecialister til at træne AI-systemer. 

Indledning Til Synthetiske Data

Synthetiske data genereres, når eksisterende data ikke opfylder de specifikke betingelser eller behov for et AI-system. Nogle eksempler på tilfælde inkluderer, når privatlivskrav begrænser tilgængelige data eller hvordan det kan bruges. 

Synthetiske data bruges ofte til at teste en ikke-udgivet produkt, da der normalt ikke findes eksisterende data, eller det er ikke endnu tilgængeligt. Denne type data er også afgørende for maskinlæringsalgoritmer, og det bruges ofte i teknologier som selv kørende køretøjer, da det at opnå faktiske data er dyrt. 

Unity forsøger at bryde denne barriere ved at give større adgang til højkvalitets synthetiske datasæt med Unity Computer Vision Datasets.

Dr. Danny Lange er Senior Vice President of Artificial Intelligence & Machine Learning. 

“Ved at oprette en synthetisk version af datasæt, der spejler validerede privatlivsregler og nøjagtigt afspejler virkelige data, giver vi disse banebrydende datasæt mulighed for at komme i hænderne på flere innovatører,” siger Lange. 

“I virkeligheden giver disse datasæt virksomheder mulighed for at planlægge og simulere scenarier, de endnu ikke har oplevet, med en betydelig øgning af brugerdata, der ligner det, de ville finde over tid i den virkelige verden. Som resultat ser vi klogere indendørs miljøer, såsom kassedørs supermarkeder, og meget mere, da vores kunder opdager nye anvendelser.” 

https://www.youtube.com/watch?v=Cz7KWqAgZAw

Domæne Tilfældighed

Teknikken, der bruges af Unity’s Computer Vision Datasets, kaldes “domæne tilfældighed”, der hjælper med at udvikle diverse datasæt, der forbedrer kvalitet og kontrollerer bias. Det fungerer ved at udgive permutationer af position og orientering af objekter, herunder lysvarianter, kamera vinkler og mulige konfigurationer. 

Unity’s synthetiske datasæt undgår også problemerne omkring bias på grund af brugen af billeder af rigtige mennesker og steder fra internettet eller billeder, der er optaget manuelt.

Annotation øger normalt i pris, jo mere kompleks annotationstypen er, men Unity tilbyder en pris for enhver mærke type, hvilket betyder, at samme pris vil blive betalt for simple og komplekse branchestandard mærke typer. Datasæt er baseret på et trinprismodel, hvor prisen per billede reduceres baseret på det øgede behov for flere synthetiske billeder.

“Synthetiske data revolutionerer træningen af maskinlæringsmodeller, da det overvinder mange af manglerne ved manuelt indsamlede og mærkede virkelige data,” sagde Lange.

“At forklare, hvad der er muligt, og at tilknytte skabere med de billigste data, de har brug for for at træffe de rigtige beslutninger, driver Unity, uanset branchen. Dette er også grunden til, at vores team vil være til rådighed for at hjælpe kunder med at sikre, at de producerede datasæt opfylder de rette kriterier for deres behov.”