自然言語シナリオ生成、Synthetic Datasetsの分布ベースのドメインランダム化フレームワークを使用、または実世界のログからシーンを抽出して補強することで、合成データセットを簡単に定義し、大規模に生成できます。データセットがタスクのドメインと一致し、特定のエッジケースをターゲットにするように分布を直接制御し、トレーニング中のドメインギャップが最小になるように設計します。

Synthetic Datasetsは、Applied IntuitionのSensor Simの機能に基づいて構築され、合成データが物理的に正確で、ターゲットセンサーとタスクドメインを表現していることを保証します。機械のデータの見方は人間とは異なるため、合成データセットは機械がデータのトレーニングから価値を得るために必要な多様性とリアリズムを備えています。

単純なバウンディングボックスやキューボイドから、オプティカルフローや深度のような高密度なラベルまで、グランドトゥルースラベルをプログラムで生成します。既存のデータセットやMLパイプラインとのシームレスな統合を確実にするために、分類法、オントロジー、ラベリング仕様に合わせてラベルをカスタマイズします。

実世界の訓練データセットに基づいたドメイン適応を使用します。タスクドメインに合わせて生成的アルゴリズムと古典的アルゴリズムの組み合わせにより合成データを再スタイリングまたは修正し、合成データセットがML対応システムに最大限の価値を提供できるようにします。

Applied IntuitionのCloud Engine活用すれば、何千もの並列シミュレーションをオーケストレーションし、量産規模のデータセットを数時間で生成できます。