人間中心型のコンピュータービジョンは、大規模なラベル付きの人間に関するデータのおかげで、ここ数年で大きな進歩を遂げています。しかし、プライバシー、法律、安全性、倫理面での深刻かつ重要な問題により、人間のデータを取得することには限界があります。また、既存のデータセットには、データ収集時やデータのアノテーション時に生じたバイアスが含まれており、そのようなデータを用いて学習すると、モデルに悪影響を与えます。さらに、既存のほとんどの人間のデータは、コンテンツの多様性、人間の活動やポーズ、ドメイン非依存性などに関する適切な分析を行っていません。 

新しく公開された Object Pose Estimation デモでは、Unity Computer Vision の Perception パッケージを使用してデータを収集し、与えられたオブジェクトのポーズを予測するための深層学習モデルを訓練する方法を紹介します。

教師付き機械学習（ML）は人工知能に革命を起こし、数々の革新的な製品を生み出してきました。しかし、教師付き機械学習では、大規模で複雑なデータセットが常に必要であり、これらのデータセットを収集するにはコストがかかります。ラベルの品質をどのようにして保証するのでしょうか。また、そのデータが本番環境のデータを代表するものであることをどのようにして保証するのでしょうか。この問題の、特に物体検出タスクに関する場合の新しくて面白い解決策は、大規模な合成データセットを生成することです。合成データは、機械学習モデルを訓練するために必要な大規模なラベル付きデータセットを取...