Rendered.ai 將 NVIDIA Omniverse Replicator 集成到其合成數(shù)據(jù)生成平臺，使 AI 訓練變得更加簡單易用。

Rendered.ai 正在通過其合成數(shù)據(jù)生成（SDG）平臺即服務（PaaS）為開發(fā)者、數(shù)據(jù)科學家等人員簡化 AI 訓練。

訓練計算機視覺 AI 模型需要大量高質(zhì)量、多樣化且無偏向的數(shù)據(jù)集。在對 AI 的需求日益增加的情況下，獲得這些數(shù)據(jù)的難度很大且成本高昂。

Rendered.ai 平臺即服務的解決方法是，生成符合現(xiàn)實的合成數(shù)據(jù)（從 3D 模擬中創(chuàng)建的數(shù)據(jù)）來訓練計算機視覺模型。

Rendered.ai 創(chuàng)始人兼首席執(zhí)行官 Nathan Kundtz 表示：“真實世界的數(shù)據(jù)往往無法記錄到泛化 AI 模型所需的所有可能場景和邊緣案例，這就是為什么 SDG 對于 AI 和機器學習工程師至關重要?！?/p>

Rendered.ai 現(xiàn)已將用于開發(fā)和運營工業(yè)元宇宙應用的 Omniverse 平臺中的核心擴展程序——NVIDIA Omniverse Replicator集成到其平臺中。

借助 Omniverse Replicator，開發(fā)者能夠為視覺檢測、機器人技術、自動駕駛等諸多相關應用生成帶有標簽的合成數(shù)據(jù)。Omniverse Replicator 建立在通用場景描述（OpenUSD）、材料定義語言（MDL）、PhysX 等 3D 工作流的開放標準基礎之上。

用 Rendered.ai 生成的合成圖像已被用于諸多領域，如為虛擬世界的景觀和植物建模、檢測衛(wèi)星圖像中的物體，甚至是測試人類卵細胞的生存能力。

隨著 Rendered.ai 開始使用 Omniverse Replicator 的光線追蹤、域隨機化、多傳感器模擬等由 RTX 加速的功能，計算機視覺工程師、數(shù)據(jù)科學家和其他用戶可以通過云端的簡單 web 界面快速、輕松地生成合成數(shù)據(jù)。

Kundtz 表示：“用來訓練 AI 的數(shù)據(jù)是影響 AI 性能的重要主導因素。我們通過將 Omniverse Replicator 集成到 Rendered.ai 中，使用戶能夠更加便捷高效地打造合成數(shù)據(jù)，為各個行業(yè)的應用訓練出更大、更好的 AI 模型。”

上個月，Rendered.ai 在加拿大溫哥華舉辦的 CVPR 上展示了其集成了 Omniverse Replicator 的平臺。

云端的合成數(shù)據(jù)生成

Rendered.ai 現(xiàn)已在 AWS Marketplace 上提供。它可為開發(fā)者和團隊提供一個協(xié)作式 web 界面，用于設計可以由計算機視覺工程師和數(shù)據(jù)科學家輕松配置的 SDG 應用。

通過這個一站式工坊，人們可以在 web 瀏覽器上共享包含 SDG 數(shù)據(jù)集、任務、圖片等內(nèi)容的工作空間。

▲ 可在 web 瀏覽器上使用的 Rendered.ai 平臺即服務視圖。

現(xiàn)在，人們可以通過在 AWS 基礎設施上運行的 Rendered.ai 輕松使用 Omniverse Replicator 教程、示例和其他 3D 資產(chǎn)，這能幫助開發(fā)者開始在云端建立屬于自己的 SDG 能力。而對于已經(jīng)熟悉這些工具的 Omniverse Replicator 用戶來說，整個過程將更加無縫。

Kundtz 表示，Rendered.ai 之所以專注于通過該平臺提供符合現(xiàn)實的合成數(shù)據(jù)，是因為這能夠依據(jù)現(xiàn)實世界的真實運行過程，向 AI 系統(tǒng)提供新的信息。

他補充道：“未來，每個使用 AI 的公司都會有一支合成數(shù)據(jù)工程團隊，來構建基于物理的模型和特定領域的 AI 模型。由于復雜的 AI 任務需要在涵蓋不同場景的大批量數(shù)據(jù)上進行訓練，因此只模擬一次往往不夠，這就是合成數(shù)據(jù)的關鍵所在?！?/p>

審核編輯：劉清