Unity Lanserar Syntetiska Datasets för Att Minska AI-tränings tid och Budgetar

Unity, en ledande plattform för realtids-3D-innehåll (RT3D), har meddelat lanseringen av Unity Computer Vision Datasets. Dessa datasets kan påverka olika branscher, särskilt tillverkning, detaljhandel och säkerhet. De syftar till att minska kostnaderna för att utveckla datorseendeapplikationer och samtidigt ge ett sätt att träna AI-system snabbare.

Följande strikta sekretess- och regleringskrav kan nu anpassade datasets köpas av datorseende-lösningstillhandahållare för att träna AI-system.

Betydelsen av Syntetiska Data

Syntetiska data genereras när befintliga data inte uppfyller de specifika villkoren eller behoven hos ett AI-system. Vissa exempelfall inkluderar när sekretesskrav begränsar tillgängliga data eller hur de kan användas.

Syntetiska data används ofta för att testa en förutgiven produkt eftersom det vanligtvis inte finns några befintliga data, eller så är de inte tillgängliga. Denna typ av data är också avgörande för maskinlärningsalgoritmer, och den används ofta i tekniker som självkörande fordon, eftersom det är dyrt att få tag på riktiga data.

Unity försöker bryta ner denna barriär genom att ge större tillgång till högkvalitativa syntetiska datasets med Unity Computer Vision Datasets.

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

“Genom att skapa en syntetisk version av datasets som speglar validerade sekretessregler och återger riktiga data, möjliggör vi att dessa banbrytande datasets kommer till fler innovatörer”, säger Lange.

“I princip ger dessa datasets företagen möjlighet att planera för och simulera scenarier som de ännu inte har upplevt, med en betydande ökning av användardata som imiterar vad de skulle hitta i den riktiga världen över tid. Som ett resultat ser vi smartare inomhusmiljöer, såsom kassalösa mataffärer, och mer när våra kunder upptäcker nya tillämpningar.”

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

Domänrandomisering

Tekniken som används av Unitys Computer Vision Datasets kallas “domänrandomisering”, som hjälper till att utveckla diversifierade datasets som förbättrar kvalitet och kontrollerar bias. Det fungerar genom att producera permutationer av position och orientering av objekt, inklusive ljusvariationer, kamera-vinklar och möjliga konfigurationer.

Unitys syntetiska datasets undviker också problemen kring bias på grund av användningen av bilder av riktiga människor och platser från internet, eller bilder som tagits manuellt.

Annotation ökar vanligtvis i pris ju mer komplex annoteringstypen är, men Unity erbjuder ett pris för alla etiketttyper, vilket innebär att samma pris kommer att betalas för enkla och komplexa branschstandardetiketter. Datasets baseras på en prismodell i flera nivåer, där priset per bild minskar baserat på det ökade behovet av fler syntetiska bilder.

“Syntetiska data revolutionerar utbildningen av maskinlärningsmodeller eftersom de övervinner många av bristerna i manuellt insamlade och märkta riktiga data”, sa Lange.

“Att förklara vad som är möjligt och koppla skapare till den överkomliga data de behöver för att fatta rätt beslut fortsätter att driva Unity, oavsett bransch. Detta är varför vårt team kommer att finnas tillgängligt för att hjälpa kunder att säkerställa att de producerade datasets uppfyller rätt kriterier för deras behov.”