-
Desbalanceamento de classes: o que o SynBalance mostra
O SynBalance (ICCV Workshops 2025) usa imagens geradas para reforçar classes raras. No ImageNet-LT, a acurácia nelas sobe de 12,6% para 21,4%.
-
Humanos sintéticos: do SURREAL ao BEDLAM
Do SURREAL (6,5 milhões de frames) ao BEDLAM, a linha de Michael Black mostra quando humanos sintéticos igualam o real, quando não, e o que falta.
-
ROSE: remover objetos em vídeo com dados 3D
O ROSE remove objetos de vídeos junto com sombras e reflexos, treinado com 16.678 pares renderizados em 3D. Veja os números e o que eles não provam.
-
DAViD da Microsoft: visão treinada só com sintético
O DAViD, da Microsoft, treina profundidade, normais e máscara de pessoas com 300 mil imagens sintéticas. Veja os números, onde ele fica atrás e o limite.
-
IA e cérebro: o que o estudo do MIT mostra de fato
O estudo do MIT mediu EEG de 54 pessoas escrevendo com e sem ChatGPT. Achou menos conectividade e menos memória do texto, mas não prova dano cerebral.
-
IA fantasma: o que se sabe de Builder.ai e Amazon
O caso da “IA fantasma”: o que a imprensa reportou sobre Builder.ai e o checkout da Amazon, o que foi contestado e o que isso ensina sobre transparência.
-
Geo4D: reconstrução 4D treinada só com sintético
O Geo4D (ICCV 2025) reconstrói cenas 4D de vídeo monocular, treinado só com dados sintéticos. Veja os números em vídeos reais e onde ele falha.
-
Big techs e dados sintéticos: o que há de evidência
Nvidia, Google e OpenAI falam de dados sintéticos. O que cada fonte realmente diz, o que é anúncio e o que é resultado, e o que isso significa para visão.
// notas_de_campo
Blog: dados sintéticos e visão computacional
De experimentos a insights — histórias reais sobre dados sintéticos e IA.From experiments to insights — real stories on synthetic data and AI.
ArquivoArchive
CategoriasCategories
Posts recentesRecent Posts
TagsTags
análise de paper aprendizado de representação aumento de dataset BEDLAM big techs cauda longa ChatGPT dados sintéticos desbalanceamento de classes estudo do MIT fundamentos geração procedural humanos sintéticos IA e cérebro IA fantasma imagens sintéticas Infinigen infraestrutura de IA inspeção de qualidade introdução limite dos dados reais modelos generativos opinião profundidade pré-treino reconstrução 4D remoção de objetos representatividade robótica segmentação semântica sim-to-real SMPL SURREAL transparência em IA visão computacional viés vídeo vídeo monocular ética em IA
