質量與數量同樣重要

布雷默解釋說，要真正挖掘合成數據的潛力，不僅僅是按下按鈕并在幾天內生成數百萬張圖像。它還涉及數據的質量和準確性。

前提很簡單。“對于任何人工智能網絡來說，要盡可能地發揮作用，足夠的數量和足夠的質量至關重要。”

“計算機生成數據的一個有前途的方面是，由于其附帶的元數據，我們可以精確地知道每張圖像所包含的內容，具體到像素級別。”布雷默說：”相比之下，當涉及到現實世界的數據時，你沒有像處理合成數據那樣的粒度控制和準確性。”

駕駛員向后傾斜的動畫

但有一個問題。通過添加更多參數和真實性來覆蓋大量可能的場景和人類行為來提高數據質量越多，數據就會變得越復雜。這反過來又增加了渲染時間。

“這就是為什么在我們之前沒有人對合成數據采取這種高質量的方法，因為它在渲染時間方面的成本是如此之高。”布雷默聲稱。事實上，Devant 花了相當長的時間來解決保持質量、同時優化速度的難題。

目前的限制

盡管合成數據在數量上具有明顯的優勢，并且能夠提供準確、高質量的模擬，但布雷默強調，該技術不應被視為“靈丹妙藥”。至少現在還沒有。

相反，他說，用計算機生成的等效數據替換現實世界的數據應該采取逐步、謹慎的方法。

“我認為這里要記住的最重要的事情是 DMS 是生命攸關的系統。”他指出仍然有許多挑戰需要克服——這些挑戰超出了需要擁有數千個 3D 模型來確保足夠覆蓋范圍的范圍。

理查德·布雷默 (Richard Bremer)，Devant 聯合創始人兼首席執行官。

第一個挑戰是確定好數據和壞數據的閾值，Devant 將與 Seeing Machines 合作探索這一點。第二個是準確識別機器學習網絡將識別哪些數據足夠重要以供使用。

該初創公司還投入更多精力來覆蓋相機光學的更多方面。“模擬不同的相機參數非常復雜，特別是當您需要在每個圖像的有限渲染時間內完成它時，”布雷默解釋道。

前進的道路

到目前為止，Devant 一直致力于研究不同程度的駕駛員分心問題，尤其注重真實地模擬眼睛的不同運動、眼瞼行為和不同的瞳孔大小。

通過與 Seeing Machines 的合作，這家初創公司的目標是提升復雜性，并不斷添加涵蓋整個 EuroNCAP 協議的功能。從那時起，布雷默將困倦視為“下一個自然現象”，而醉酒則是該公司名單上的另一個有趣的可能性。

Devant 為汽車行業開發以人為中心的合成數據的決定從一開始就是有針對性的，這是受到對 DMS 的日益關注和即將出臺的歐盟法規所帶來的商機的推動。布雷默認為，這還在于創造實際價值并以造福人類的方式使用技術。

除了汽車領域之外，這家初創公司還設想其技術可以在其他潛在行業產生積極影響，例如訓練人工智能系統以在早期階段檢測疾病跡象。