/
合成数据生成 关键字列表
利用合成数据与微调提升视觉AI智能体精度的三种工作流
视觉AI智能体正被广泛应用于工厂、城市、仓储等场景，将视频数据转化为运营洞察。本文介绍三种基于NVIDIA Metropolis与Omniverse的可复用工作流：利用合成缺陷图像生成技能扩充训练数据、借助视频数据增强技能丰富场景覆盖，以及通过TAO工具进行模型微调。实际案例显示，Roboflow与康宁合作中模型精度达95%，Linker Vision在高雄将开发工时缩短85%，DeepHow在富士康生产线实现99%任务级准确率。
为现实世界设计合成数据集：机制设计与第一性原理推理
谷歌研究团队提出Simula框架，将合成数据生成重新定义为数据集层面的机制设计问题。该框架采用"推理优先"方法，通过递归扩展分类体系、局部多样化、复杂度调节和双重质量审核四个步骤，实现对覆盖范围、复杂度和质量的独立控制。Simula已应用于Gemma生态系统、Gemini安全分类器及Android诈骗检测等多个谷歌核心产品中。
Mantis Biotech打造人体"数字孪生"解决医学数据短缺难题
总部位于纽约的Mantis Biotech公司正在开发人体"数字孪生"技术，旨在解决生物医学研究中的数据可用性问题。该平台整合来自教科书、动作捕捉摄像头、生物传感器、医学影像等多种数据源，通过大语言模型系统进行数据路由、验证和合成，然后利用物理引擎创建高保真数据集，用于构建基于物理的人体解剖学、生理学和行为预测模型。这项技术可用于研究罕见疾病、训练手术机器人、预测医疗问题等领域，目前已在职业体育领域取得成功。
白皮书
京公网安备 11010802021500号
