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.

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.

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.

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.

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.
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).
Recursos
Descubre más recursos sobre la visión computarizada, como conferencias web, informes y conjuntos de datos gratis.
Descubre el desarrollo de inteligencia artificial impulsado por datos
Obtén más información sobre Unity Computer Vision, cómo explorar nuestros conjuntos de datos de muestra y cómo generar tus propios conjuntos de datos de muestra con nuestros entornos preconstruidos.
Descubrir soluciones inteligentes para el hogar
Conoce la manera en que nuestras herramientas y servicios permiten el desarrollo de aplicaciones de visión computarizada más eficaces para el hogar y, al mismo tiempo, mitigan obstáculos y desafíos.
Introducción al contenido 3D para datos sintéticos
Los datos sintéticos se basan en tu biblioteca de assets 3D. Obtén información sobre las fuentes y las técnicas para adquirir contenido 3D para problemas comunes de visión computarizada.
La fábrica del futuro
Descarga nuestro informe para conocer la función esencial de la visión computarizada, la simulación robótica y la tecnología 3D en tiempo real para el futuro de la producción.
Explicación sobre inteligencia artificial (IA) y aprendizaje automático
Descubre los términos clave del aprendizaje automático, la visión computarizada, los datos sintéticos y mucho más.
Enseñarles a los robots a ver con Unity
Ayuda a tus robots a recoger con precisión un objeto sin que tengan que saber explícitamente dónde se encuentra. Aprende cómo recopilar datos sintéticos y entrenar un modelo de aprendizaje profundo para predecir la pose de un objeto determinado.
Entrena al modelo de detección de objetos utilizando datos sintéticos
Descubre cómo generar conjuntos de datos sintéticos masivos para entrenar a tus modelos de aprendizaje automático.
Genera y analiza datos sintéticos a gran escala
Descubre cómo utilizar las herramientas de Unity para generar y analizar conjuntos de datos sintéticos con un ejemplo ilustrativo sobre la detección de objetos.
Los datos sintéticos posibilitan una infinidad de casos de uso
Los datos sintéticos ayudan a muchas organizaciones a superar el desafío de adquirir datos etiquetados para entrenar a los modelos de aprendizaje automático. Descubre la variedad de casos de uso que esto permite.
¿Puedes encontrar a Wally mediante el uso de datos sintéticos?
Descubre cómo se implementó el paquete Unity Perception para crear imágenes similares a las de «¿Dónde está Wally?» a fin de entrenar una red neuronal, la cual se entrenó luego con la biblioteca fastai.
Crea imágenes sintéticas para aprendizaje profundo
Sigue este tutorial para aprender a configurar Unity y el paquete Unity Perception a fin de crear imágenes sintéticas y entrenar redes neuronales en aprendizaje profundo, inteligencia artificial (IA) y visión computarizada.
Desarrollo de algoritmo de visión computarizada con ayuda de datos sintéticos
Descubre cómo Standard Cognition utilizó Unity para reducir los costos financieros y el tiempo de desarrollo del algoritmo para recopilar datos y etiquetarlos en su sistema de confirmación de compra digital.
Preguntas frecuentes
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:
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.
Puedes usar datos sintéticos de entrenamiento en las siguientes situaciones:
- 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.
- 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.