PRODUCTOS

Unity Computer Vision

Crea modelos precisos y listos para la producción más rápido.

Crea datos sintéticos de alta calidad más rápido con nuestro conjunto ampliado de herramientas de código abierto. Ver herramientas gratuitas

Herramientas y contenido gratuitos para generación de datos sintéticos

Consulta nuestras nuevas herramientas, conjuntos de datos y generadores de conjuntos de datos de código abierto y con licencia académica para la creación de datos sintéticos para entrenamiento de modelos de visión computarizada.

Herramientas y contenido
Unity Perspective 1.0 featuring grocery products

Unity Perception 1.0

El paquete Perception proporciona un kit de herramientas para generar conjuntos de datos a gran escala para el entrenamiento de la visión computarizada y su validación. Unity Perception 1.0 es una versión actualizada más completa que incluye nuevas etiquetas, aleatorizadores, ejemplos y capacidades de renderizado.

Usar herramientas de código abierto
Data analysis and visualization in Unity engine

Análisis y visualización de datos en Python

Las herramientas de PySOLO son un nuevo paquete de código abierto de Python que proporciona utilidades para analizar y visualizar datos en el nuevo formato SOLO.

Usar herramientas de código abierto
SynthHomes demo

Synthetic Homes

Ahora disponible como una versión de código abierto, Unity SynthHomes es un conjunto de datos de 100 000 imágenes de interiores de hogares sintéticos y un archivo binario generador con un conjunto de datos asociado.

Usar contenido de código abierto
Synthetic Humans

Synthetic Humans

Ahora disponible solo para uso académico, Unity Synthetic Humans es un generador de personas en 3D desarrollado de cero para visión computarizada centrada en humanos.

Usar contenido con licencia académica
Jack Hsu, Senior Manager, Boeing Vancouver

«Dondequiera que hagan falta datos para impulsar el aprendizaje automático, los datos sintéticos tienen una función. La creación de conjuntos de datos sintéticos en un mundo virtual significa que puedes crear millones de imágenes muy rápidamente, en comparación con lo que tarda salir y tomar fotografías».

Jack Hsu, Senior Manager, Boeing Vancouver
Dogan Demir, CEO, Ouva

«En Ouva, usamos Unity Computer Vision para nuestra plataforma de supervisión de pacientes a fin de generar datos sintéticos. De esa manera, redujimos a una semana los ciclos de captura de datos en tiempo real, que duraban un mes. Además, nuestro conjunto de datos aumentó en más de un 10 % y la precisión del modelo mejoró de un 5 % a un 10 %».

Dogan Demir, CEO, Ouva

Casos de estudio

Ouva

La plataforma simulada de datos sanitarios de Ouva potencia los datos sintéticos para mejorar el rendimiento del modelo en más de un 10 %; ahorrar hasta USD 40 000 en costos de etiquetado; crear conjuntos de datos equilibrados en cuestión de horas, en lugar de semanas, y hacer que los ciclos de iteración duren tan solo unos días en vez de semanas.

Boeing

En esta entrevista, descubre cómo Boeing trabajó con Unity para generar más de 100 000 imágenes sintéticas a fin de entrenar mejor los algoritmos de aprendizaje automático de su aplicación de inspección de aeronaves impulsada por realidad aumentada (AR).

Passio

Descubre cómo Passio combina los datos sintéticos de Unity con los datos del mundo real para ampliar sus conjuntos de datos y acelerar el entrenamiento de la inteligencia artificial (IA) para aplicaciones de IA y realidad aumentada (AR).

Neural Pocket

Descubre cómo Neural Pocket, la startup enfocada en inteligencia artificial (IA), utilizó Unity Computer Vision para reducir significativamente los costos de desarrollo del modelo de visión computarizada y el tiempo de implementación (de 24 semanas a solo una).

Acelera el entrenamiento para visión computarizada

¿Necesitas ayuda para la generación de datos sintéticos y visión computarizada? Obtén asesoramiento competente y servicios profesionales de nuestro equipo de expertos.

Preguntas frecuentes

Los datos sintéticos no se parecen a los reales. ¿Funcionan de verdad?

Consulta nuestros documentos y artículos para comprender cómo los modelos entrenados con datos sintéticos y reales superan a los modelos entrenados solo con datos reales:

¿Qué tipos de aplicaciones de visión computarizada pueden entrenarse con datos sintéticos?

Nuestros clientes usan Unity a fin de generar datos sintéticos para varias aplicaciones de visión computarizada, como la detección de humanos, objetos y defectos de producción, para aplicaciones de productos electrónicos de consumo en el hogar y más.

¿Cuándo puedo utilizar datos sintéticos de entrenamiento?

Puedes usar datos sintéticos de entrenamiento en las siguientes situaciones:  

  1. Solo tienes un pequeño conjunto de muestra de datos del mundo real. En este caso, puedes aumentar tus datos del mundo real con una cantidad grande de datos sintéticos que genera Unity Computer Vision y, así, potenciar así el rendimiento de tu modelo.  
  2. No puedes recopilar los datos del mundo real adecuados para tu proyecto. En este caso, puedes utilizar Unity Computer Vision para generar imágenes sintéticas etiquetadas de alta calidad e iniciar tus modelos con datos puramente sintéticos.

Usamos cookies para brindarte la mejor experiencia en nuestro sitio web. Visita nuestra página de política de cookies si deseas más información.

Listo