-
Infinigen: geração procedural de mundos 3D
O Infinigen (Princeton, CVPR 2023) gera cenas naturais 3D só por regras, sem assets externos. Veja o que o paper mediu, o que não mediu e o custo.
-
LucidSim: imagens geradas no treino de um robô
O LucidSim (MIT CSAIL, CoRL 2024) treinou um robô quadrúpede só em simulação, com imagens geradas por IA. Veja os resultados, no real e no simulado.
-
Segmentação semântica com imagens sintéticas (2017)
Em 2017, 100 imagens do Blender por classe elevaram a segmentação no PASCAL VOC de 52,80% para 55,47% de mIoU. O que isso prova e o que ficou aberto.
-
Viés em dados sintéticos: o que um relatório de 2024 diz
Um relatório de 2024 lista riscos e vieses dos dados sintéticos, sem experimentos próprios. O que ele diz, onde é fraco e como auditar a origem dos dados.
-
Dados de GAN vs dados reais: o estudo do MIT
Estudo do MIT (ICLR 2022) treinou só com imagens de GANs: abaixo do real no ImageNet, acima em carros. Veja o que o estudo diz e o que ele não diz.
-
Introdução à geração de dados sintéticos
O que são dados sintéticos, o que a literatura mostra, quando compensam e onde não funcionam. Guia de primeira viagem para times de visão computacional.
// archive
Visão Computacional
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
