质量与数量同样重要

布雷默解释说，要真正挖掘合成数据的潜力，不仅仅是按下按钮并在几天内生成数百万张图像。它还涉及数据的质量和准确性。

前提很简单。“对于任何人工智能网络来说，要尽可能地发挥作用，足够的数量和足够的质量至关重要。”

“计算机生成数据的一个有前途的方面是，由于其附带的元数据，我们可以精确地知道每张图像所包含的内容，具体到像素级别。”布雷默说：”相比之下，当涉及到现实世界的数据时，你没有像处理合成数据那样的粒度控制和准确性。”

驾驶员向后倾斜的动画

但有一个问题。通过添加更多参数和真实性来覆盖大量可能的场景和人类行为来提高数据质量越多，数据就会变得越复杂。这反过来又增加了渲染时间。

“这就是为什么在我们之前没有人对合成数据采取这种高质量的方法，因为它在渲染时间方面的成本是如此之高。”布雷默声称。事实上，Devant 花了相当长的时间来解决保持质量、同时优化速度的难题。

目前的限制

尽管合成数据在数量上具有明显的优势，并且能够提供准确、高质量的模拟，但布雷默强调，该技术不应被视为“灵丹妙药”。至少现在还没有。

相反，他说，用计算机生成的等效数据替换现实世界的数据应该采取逐步、谨慎的方法。

“我认为这里要记住的最重要的事情是 DMS 是生命攸关的系统。”他指出仍然有许多挑战需要克服——这些挑战超出了需要拥有数千个 3D 模型来确保足够覆盖范围的范围。

理查德·布雷默 (Richard Bremer)，Devant 联合创始人兼首席执行官。

第一个挑战是确定好数据和坏数据的阈值，Devant 将与 Seeing Machines 合作探索这一点。第二个是准确识别机器学习网络将识别哪些数据足够重要以供使用。

该初创公司还投入更多精力来覆盖相机光学的更多方面。“模拟不同的相机参数非常复杂，特别是当您需要在每个图像的有限渲染时间内完成它时，”布雷默解释道。

前进的道路

到目前为止，Devant 一直致力于研究不同程度的驾驶员分心问题，尤其注重真实地模拟眼睛的不同运动、眼睑行为和不同的瞳孔大小。

通过与 Seeing Machines 的合作，这家初创公司的目标是提升复杂性，并不断添加涵盖整个 EuroNCAP 协议的功能。从那时起，布雷默将困倦视为“下一个自然现象”，而醉酒则是该公司名单上的另一个有趣的可能性。

Devant 为汽车行业开发以人为中心的合成数据的决定从一开始就是有针对性的，这是受到对 DMS 的日益关注和即将出台的欧盟法规所带来的商机的推动。布雷默认为，这还在于创造实际价值并以造福人类的方式使用技术。

除了汽车领域之外，这家初创公司还设想其技术可以在其他潜在行业产生积极影响，例如训练人工智能系统以在早期阶段检测疾病迹象。