Synthetic Datasetsにより、高忠実度の3D環境で生成されたカメラ、LiDAR、レーダー、その他のセンサーデータを用いて、機械学習モデルの堅牢性を向上させることができます。数百万ものラベル付きサンプルを、多様なアクター、行動、環境条件を使用して生成することも可能です。
モデル結果を統合し、失敗事例に対応するためのデータを自動生成します。スケーラブルな合成データ生成により、データの希薄性の問題、クラスの不均衡、その他のバイアスに対して迅速に対応します。
セマンティックセグメンテーション、深度、オプティカルフローなど、実データでは入手に高いコストがかかったり、入手が不可能な高密度なラベルを、プログラムで生成し学習に使用できます。
転移学習に合成データを利用することで、新しい地域、クラス、センサーハードウェアに迅速に拡張することができます。交通標識などの地域固有の資産を利用することで、実データに依存せずに、安全な運用の拡張が可能です。
合成データを使って自動ラベリングを学習させることで、手動でのデータラベリングの効率と精度を向上させることができます。ラベル付けされた合成データを利用して、実データでの半教師付き学習を開始できます。
Applied Intuitionのクラウドファーストツールは、機械学習チーム全体に渡り、データの定義、生成、管理を容易に行えるようにします。