
Generierung von Fuß-Datensätzen
Geringere Trainingskosten für neuronale Netze zur Fußposenschätzung durch synthetische Daten
Geschäftliche Herausforderung
Für eine aktuelle Augmented-Reality-Anwendung musste Laan Labs Position und Ausrichtung menschlicher Füße schätzen, um realistisches Schuhwerk auf einem Nutzer darzustellen. Für dieses Computer-Vision-Problem der Fußposenschätzung in Echtzeit setzte Laan Labs modernste neuronale Netze ein – vielseitige Machine-Learning-Modelle mit der unangenehmen Eigenschaft, sehr viele Trainingsbeispiele zu benötigen.
Bilddaten sind oft sehr teuer in der Herstellung – sie erfordern aufwendige Fotosessions, engagierte Darsteller und angemietete, ausgefallene Requisiten. Die Annotation von Bilddaten ist arbeitsintensiv und kann fehleranfällig sein.
Laan Labs musste mehr als 10.000 annotierte Bilder zusammentragen, die die realen Bedingungen abbilden, auf die ein Smartphone-Nutzer treffen kann: verschiedene Kamerawinkel, Lichtverhältnisse, Schuhmodelle und Hintergrundszenen.
Mit synthetischen Daten lassen sich unzählige Varianten von Bildern und Annotationen prozedural rendern
Vorgehen
Laan Labs setzte auf synthetische Daten und entwickelte dafür eine Software, die einzigartige, fotorealistische Bilder mit präzisen Ground-Truth-Labels erzeugt.
Eine Kombination aus von Künstlern erstellten und rekonstruierten 3D-Fußmodellen bildete die Grundlage einer 3D-Umgebung. Die Bildannotationen wurden direkt aus der 3D-Szene berechnet. Verschiedene Aspekte der Szene wurden parametrisiert, etwa Kamerawinkel, Beleuchtung, Hintergrundbilder, Nachbearbeitungseffekte, Fußpose und Schuhwerk. Mit der parametrisierten 3D-Szene lassen sich per Cloud Computing unzählige Varianten von Bildern und Annotationen prozedural rendern.
Geschäftlicher Nutzen
Dank synthetischer Daten konnte Laan Labs darauf verzichten, Tausende Schuhe zu beschaffen, und sparte unzählige Stunden Fotografie. Da keine manuelle Annotation nötig ist, lassen sich Hunderte Arbeitsstunden einsparen. Zudem entfällt mit der Gewissheit, dass die Bilder korrekt beschriftet sind, eine wesentliche Fehlerquelle im Gesamtprojekt.
Laan Labs nutzte synthetische Daten, um einen Bilddatensatz aufzubauen – und sparte damit Zeit und Geld.
Eingesetzte Technologien
Synthetische Daten, Computer Vision, Photogrammetrie, Unity, Houdini, Python
Zusammenarbeit mit Laan Labs
Computer-Vision- & KI-Entwicklung
Individuelle Computer Vision und maschinelles Lernen, vom Proof of Concept bis zur Produktion, auf dem Gerät und in der Cloud.
Diesen Artikel herunterladen
Markdown-Quelltext zum Offline-Lesen herunterladen

