
Génération de jeux de données de pieds
Réduire le coût d'entraînement des réseaux de neurones pour l'estimation de pose du pied grâce aux données synthétiques
Enjeu métier
Pour une application de réalité augmentée récente, Laan Labs devait estimer la position et l'orientation de pieds humains afin d'afficher des chaussures de manière réaliste sur l'utilisateur. Pour résoudre ce problème de vision par ordinateur, l'estimation de pose du pied en temps réel, Laan Labs a utilisé des réseaux de neurones de pointe, des modèles de machine learning polyvalents qui présentent le défaut de nécessiter de nombreux exemples d'entraînement.
Les données d'images peuvent coûter très cher à produire : séances photo élaborées, recrutement de figurants, location d'accessoires introuvables. L'annotation des images est laborieuse et peut être sujette aux erreurs.
Laan Labs devait réunir plus de 10 000 images annotées, représentatives des conditions réelles que peut rencontrer un utilisateur de smartphone : angles de prise de vue, conditions d'éclairage, chaussures et décors d'arrière-plan variés.
Avec les données synthétiques, un nombre incalculable de variantes d'images et d'annotations peut être généré de façon procédurale
Approche
Laan Labs a choisi de s'appuyer sur les données synthétiques, en développant un logiciel qui génère des images photoréalistes uniques avec des annotations de référence (ground truth) précises.
Une combinaison de modèles 3D de pieds créés par des artistes et de modèles reconstruits a servi de base à un environnement 3D. Les annotations des images ont été calculées directement à partir de la scène 3D. Plusieurs aspects de la scène ont été paramétrés : angle de la caméra, éclairage, images d'arrière-plan, effets de post-traitement, pose du pied et chaussures. Grâce à cette scène 3D paramétrée, un nombre incalculable de variantes d'images et d'annotations peut être généré de façon procédurale en s'appuyant sur le cloud computing.
Valeur métier
En s'appuyant sur les données synthétiques, Laan Labs a pu se dispenser de rassembler des milliers de paires de chaussures et économiser d'innombrables heures de photographie. Sans annotation humaine, des centaines d'heures de travail peuvent être économisées. De plus, la certitude que les images sont correctement annotées élimine une source majeure d'erreurs pour l'ensemble du projet.
Laan Labs a utilisé des données synthétiques pour constituer un jeu de données d'images, en gagnant du temps et de l'argent.
Technologies utilisées
Données synthétiques, vision par ordinateur, photogrammétrie, Unity, Houdini, Python
Travailler avec Laan Labs
Développement de vision par ordinateur et d’IA
De la vision par ordinateur et du machine learning sur mesure, de la preuve de concept à la production, sur l’appareil comme dans le cloud.
Télécharger cet article
Récupérez la source Markdown pour le lire hors ligne

