Unity Computer Vision
Herramientas y contenido gratuitos para generación de datos sintéticos
Consulta nuestras nuevas herramientas, conjuntos de datos y generadores de conjuntos de datos de código abierto y con licencia académica para la creación de datos sintéticos para entrenamiento de modelos de visión computarizada.
El paquete Perception proporciona un kit de herramientas para generar conjuntos de datos a gran escala para el entrenamiento de la visión computarizada y su validación. Unity Perception 1.0 es una versión actualizada más completa que incluye nuevas etiquetas, aleatorizadores, ejemplos y capacidades de renderizado.
Las herramientas de PySOLO son un nuevo paquete de código abierto de Python que proporciona utilidades para analizar y visualizar datos en el nuevo formato SOLO.
Ahora disponible como una versión de código abierto, Unity SynthHomes es un conjunto de datos de 100 000 imágenes de interiores de hogares sintéticos y un archivo binario generador con un conjunto de datos asociado.
Ahora disponible solo para uso académico, Unity Synthetic Humans es un generador de personas en 3D desarrollado de cero para visión computarizada centrada en humanos.
Casos de estudio
La plataforma simulada de datos sanitarios de Ouva potencia los datos sintéticos para mejorar el rendimiento del modelo en más de un 10 %; ahorrar hasta USD 40 000 en costos de etiquetado; crear conjuntos de datos equilibrados en cuestión de horas, en lugar de semanas, y hacer que los ciclos de iteración duren tan solo unos días en vez de semanas.
En esta entrevista, descubre cómo Boeing trabajó con Unity para generar más de 100 000 imágenes sintéticas a fin de entrenar mejor los algoritmos de aprendizaje automático de su aplicación de inspección de aeronaves impulsada por realidad aumentada (AR).
Descubre cómo Passio combina los datos sintéticos de Unity con los datos del mundo real para ampliar sus conjuntos de datos y acelerar el entrenamiento de la inteligencia artificial (IA) para aplicaciones de IA y realidad aumentada (AR).
Descubre cómo Neural Pocket, la startup enfocada en inteligencia artificial (IA), utilizó Unity Computer Vision para reducir significativamente los costos de desarrollo del modelo de visión computarizada y el tiempo de implementación (de 24 semanas a solo una).
Recursos
Obtén más información sobre Unity Computer Vision, cómo explorar nuestros conjuntos de datos de muestra y cómo generar tus propios conjuntos de datos de muestra con nuestros entornos preconstruidos.
Conoce la manera en que nuestras herramientas y servicios permiten el desarrollo de aplicaciones de visión computarizada más eficaces para el hogar y, al mismo tiempo, mitigan obstáculos y desafíos.
Los datos sintéticos se basan en tu biblioteca de assets 3D. Obtén información sobre las fuentes y las técnicas para adquirir contenido 3D para problemas comunes de visión computarizada.
Descarga nuestro informe para conocer la función esencial de la visión computarizada, la simulación robótica y la tecnología 3D en tiempo real para el futuro de la producción.
Descubre los términos clave del aprendizaje automático, la visión computarizada, los datos sintéticos y mucho más.
Ayuda a tus robots a recoger con precisión un objeto sin que tengan que saber explícitamente dónde se encuentra. Aprende cómo recopilar datos sintéticos y entrenar un modelo de aprendizaje profundo para predecir la pose de un objeto determinado.
Descubre cómo generar conjuntos de datos sintéticos masivos para entrenar a tus modelos de aprendizaje automático.
Descubre cómo utilizar las herramientas de Unity para generar y analizar conjuntos de datos sintéticos con un ejemplo ilustrativo sobre la detección de objetos.
Los datos sintéticos ayudan a muchas organizaciones a superar el desafío de adquirir datos etiquetados para entrenar a los modelos de aprendizaje automático. Descubre la variedad de casos de uso que esto permite.
Descubre cómo se implementó el paquete Unity Perception para crear imágenes similares a las de «¿Dónde está Wally?» a fin de entrenar una red neuronal, la cual se entrenó luego con la biblioteca fastai.
Sigue este tutorial para aprender a configurar Unity y el paquete Unity Perception a fin de crear imágenes sintéticas y entrenar redes neuronales en aprendizaje profundo, inteligencia artificial (IA) y visión computarizada.
Descubre cómo Standard Cognition utilizó Unity para reducir los costos financieros y el tiempo de desarrollo del algoritmo para recopilar datos y etiquetarlos en su sistema de confirmación de compra digital.
¿Necesitas ayuda para la generación de datos sintéticos y visión computarizada? Obtén asesoramiento competente y servicios profesionales de nuestro equipo de expertos.
Preguntas frecuentes
Los datos sintéticos no se parecen a los reales. ¿Funcionan de verdad?
+¿Qué tipos de aplicaciones de visión computarizada pueden entrenarse con datos sintéticos?
+¿Cuándo puedo utilizar datos sintéticos de entrenamiento?
+Los expertos en visión computarizada de Unity crearán un conjunto de datos para ti.
Lo que obtienes:
- Consultoría inicial para la generación de conjuntos de datos personalizados.
- Precios escalonados para que los grandes conjuntos de datos sean asequibles.
- Iteraciones con nuestro equipo de ingeniería para garantizar que el conjunto de datos sea el adecuado.
Usa tus habilidades de Unity para crear tu propio conjunto de datos.
Lo que obtienes:
- Acceso anticipado a Unity Perception Prerelease Package con funciones avanzadas, como sensores personalizados y etiquetadores mejorados
- Una amplia biblioteca de contenido de humanos sintéticos completamente parametrizados y entornos procedimentales de hogares
- La opción de comprar servicios que te ayudarán con la creación de assets.