Unity lanza conjuntos de datos sintéticos para reducir el tiempo y el presupuesto de entrenamiento de IA

Unity, una plataforma líder para contenido 3D en tiempo real (RT3D), ha anunciado el lanzamiento de los conjuntos de datos de visión por computadora de Unity. Estos conjuntos de datos podrían impactar varias industrias, específicamente la fabricación, el comercio minorista y la seguridad. Están diseñados para reducir el costo de desarrollar aplicaciones de visión por computadora y proporcionar una forma de entrenar sistemas de IA más rápido.

Siguiendo estrictas preocupaciones de privacidad y regulación, los proveedores de soluciones de visión por computadora ahora pueden comprar conjuntos de datos personalizados para entrenar sistemas de IA.

Importancia de los datos sintéticos

Los datos sintéticos se generan cuando los datos existentes no cumplen con las condiciones o necesidades específicas de un sistema de IA. Algunos casos de ejemplo incluyen cuando los requisitos de privacidad limitan los datos disponibles o cómo se pueden utilizar.

Los datos sintéticos a menudo se utilizan para probar un producto antes de su lanzamiento, ya que normalmente no hay datos existentes o no están disponibles. Este tipo de datos es crucial para los algoritmos de aprendizaje automático y a menudo se utiliza en tecnologías como los vehículos autónomos, ya que obtener datos reales es costoso.

Unity está tratando de romper esa barrera al proporcionar un mayor acceso a conjuntos de datos sintéticos de alta calidad con los conjuntos de datos de visión por computadora de Unity.

El Dr. Danny Lange es Vicepresidente Senior de Inteligencia Artificial y Aprendizaje Automático.

“Al crear una versión sintética de los conjuntos de datos que reflejan las reglas de privacidad validadas y reflejan con precisión los datos del mundo real, permitimos que estos conjuntos de datos innovadores lleguen a las manos de más innovadores”, dice Lange.

“En esencia, estos conjuntos de datos permiten a las empresas planificar y simular escenarios que aún no han experimentado, con un aumento significativo en los datos de los usuarios que imitan lo que encontrarían en el mundo real con el tiempo. Como resultado, estamos viendo entornos interiores más inteligentes, como tiendas de comestibles sin cajeros, y más a medida que nuestros clientes descubren nuevas aplicaciones”.

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

Randomización de dominio

La técnica utilizada por los conjuntos de datos de visión por computadora de Unity se llama “randomización de dominio”, que ayuda a desarrollar conjuntos de datos diversos que mejoran la calidad y controlan los sesgos. Funciona mediante la salida de permutaciones de la posición y orientación de los objetos, incluyendo variaciones de luz, ángulos de cámara y posibles configuraciones.

Los conjuntos de datos sintéticos de Unity también evitan los problemas que rodean los sesgos debido al uso de imágenes de personas y lugares reales de Internet, o imágenes capturadas manualmente.

La anotación generalmente aumenta de precio cuanto más complejo es el tipo de anotación, pero Unity ofrece un precio para cualquier tipo de etiqueta, lo que significa que se pagará el mismo precio por etiquetas simples y complejas de tipo de etiqueta estándar de la industria. Los conjuntos de datos se basan en un modelo de precios por niveles, con el precio por imagen disminuyendo en función de la necesidad creciente de más imágenes sintéticas.

“Los datos sintéticos están revolucionando el entrenamiento de los modelos de aprendizaje automático, ya que superan muchas de las limitaciones de los datos del mundo real recopilados y etiquetados manualmente”, dijo Lange.

“Explicar lo que es posible y conectar a los creadores con los datos asequibles que necesitan para tomar las decisiones correctas sigue impulsando a Unity, independientemente de la industria. Esta es la razón por la que nuestro equipo estará disponible para ayudar a los clientes a asegurarse de que los conjuntos de datos producidos cumplan con los criterios adecuados para sus necesidades”.