
자동차 데이터셋 생성
합성 데이터로 자동차 자세 추정을 위한 신경망 학습 비용을 줄입니다
비즈니스 과제
Laan Labs는 최근 모바일 앱 프로젝트에서 자동차 외관을 중심으로 한 증강 현실 경험을 만들어야 했습니다. AR에서 자동차 위에 사실적인 그래픽을 겹쳐 표시하려면 차량의 위치와 방향을 실시간으로 정확하게 추정해야 합니다.
이미지 학습 데이터는 확보하는 데 비용이 매우 많이 들 수 있으며, 노동 집약적이고 오류가 발생하기 쉬운 수작업 주석 작업이 필요할 수 있습니다. 특히 자동차는 크고 반짝이며 반사율이 높아서 날씨와 주변 풍경에 따라 모습이 크게 달라질 수 있습니다.
Laan Labs는 사용자가 스마트폰으로 자동차를 촬영할 때 마주칠 수 있는 실제 환경을 대표하는 이미지를 10,000장 이상 수집해야 했습니다.
합성 데이터는 정밀한 정답(ground truth) 레이블이 달린 고유한 포토리얼리스틱 이미지를 제공합니다
접근 방식
Laan Labs는 정밀한 정답 레이블이 달린 고유한 포토리얼리스틱 이미지를 생성하는 소프트웨어를 개발하여 합성 데이터를 활용하는 방식을 택했습니다. 아티스트가 제작한 3D 자동차 모델, 배경 장면, 조명 모델 중 일부를 골라 3D 환경의 시드로 삼았습니다. 이미지 주석은 3D 장면에서 직접 계산했습니다. 카메라 각도, 조명, 배경 같은 장면의 여러 요소를 매개변수화했고, 차량 자세, 페인트 색상과 무광 처리, 창문 틴팅, 휠 선택 같은 차량별 속성도 조정할 수 있게 했습니다. 이렇게 매개변수화한 3D 장면에서 주석이 달린 자동차 이미지를 클라우드 컴퓨팅으로 절차적으로 무수히 다양하게 렌더링할 수 있습니다.
비즈니스 가치
Laan Labs는 합성 데이터를 생성하여, 수천 대의 실제 자동차를 촬영하고 일일이 주석을 달지 않고도 프로젝트에 필요한 10,000장 이상의 레이블 이미지를 확보했습니다. 레이블을 3D 장면에서 직접 계산하므로 수작업 주석과 그에 따른 오류가 사라졌고, 조명, 페인트, 배경의 새로운 변형도 촬영을 다시 준비하는 대신 매개변수를 바꾸는 것으로 추가할 수 있었습니다. 이 데이터셋은 앱의 증강 현실 경험을 뒷받침하는 자동차 자세 추정 모델을 학습시키는 데 사용되었습니다.
사용 기술
컴퓨터 비전, 신경망, 증강 현실, Python, iOS, TensorFlow, CoreML
Laan Labs와 함께하기
컴퓨터 비전 및 AI 개발
개념 증명부터 상용화까지, 기기 내와 클라우드에서 동작하는 맞춤형 컴퓨터 비전 및 머신러닝을 제공합니다.
이 글 다운로드
오프라인에서 읽을 수 있는 마크다운 원본을 받으십시오

