メインコンテンツへスキップ
自動車データセットの生成

自動車データセットの生成

合成データで、車両姿勢推定のためのニューラルネットワーク学習コストを削減

automotivesynthetic-datamachine-learning
Chris Laan
Chris Laan
2019年10月12日 · 更新日 2026年10月3日

ビジネス上の課題

最近のモバイルアプリ開発プロジェクトで、Laan Labs は自動車の外装まわりに拡張現実(AR)体験を作る必要がありました。AR で車にリアルなグラフィックスを重ねるには、車両の位置と向きをリアルタイムで正確に推定しなければなりません。

学習用の画像データは入手に非常にコストがかかり、手間のかかるミスの起きやすい手作業のアノテーションが必要になることもあります。特に車は大きく光沢があり、反射率が高いため、天候や周囲の風景によって見た目が大きく変わります。

Laan Labs は、ユーザーがスマートフォンで車を撮影するときに遭遇しうる現実の条件を代表する画像を、10,000枚以上集める必要がありました。


合成データなら、正確なグラウンドトゥルースのラベルが付いた、唯一無二のフォトリアルな画像を作れます


アプローチ

Laan Labs は合成データを活用するアプローチを取り、正確なグラウンドトゥルースのラベルが付いた、唯一無二のフォトリアルな画像を生成するソフトウェアを開発しました。アーティストが制作した3D車両モデル、背景シーン、照明モデルを選んで、3D環境の元になるシードとしました。画像のアノテーションは3Dシーンから直接計算されます。カメラアングル、照明、背景など、シーンのさまざまな要素をパラメータ化しました。車両姿勢、塗装の色とつや消し、窓のスモーク、ホイールの選択といった車両固有の属性も、カスタマイズ可能です。パラメータ化した3Dシーンにより、クラウドコンピューティングを使って、アノテーション付きの車の画像を無数のバリエーションでプロシージャルにレンダリングできます。

車のレンダリング 1車のレンダリング 2

ビジネス価値

合成データを生成することで、Laan Labs は何千台もの実際の車を撮影して手作業でアノテーションを付けることなく、プロジェクトに必要な10,000枚以上のラベル付き画像を用意できました。ラベルは3Dシーンから直接計算されたため、手作業のアノテーションとそれに伴うミスがなくなり、照明、塗装、背景の新しいバリエーションも、撮影をもう一度手配するのではなくパラメータを変えるだけで追加できました。このデータセットは、アプリの拡張現実体験を支える車両姿勢推定モデルの学習に使われました。

使用技術

コンピュータビジョン、ニューラルネットワーク、拡張現実、Python、iOS、TensorFlow、CoreML

Laan Labs と協業する

コンピュータビジョン・AI開発

概念実証から本番運用まで、オンデバイスでもクラウドでも対応するカスタムのコンピュータビジョンと機械学習を提供します。

この記事をダウンロード

オフラインで読めるMarkdownソースを入手できます