Deep Dive: Wie synthetische Daten AR/VR und die Metaverse verbessern können

Deep Dive: Wie synthetische Daten AR/VR und die Metaverse verbessern können

Konnten Sie an der Remodel 2022 nicht teilnehmen? Sehen Sie sich jetzt alle Summit-Sitzungen in unserer On-Demand-Bibliothek an! Schau hier.


Die Metaverse haben unsere kollektive Vorstellungskraft erfasst. Die exponentielle Entwicklung von mit dem Web verbundenen Geräten und virtuellen Inhalten bereitet das Metaverse auf die öffentliche Akzeptanz vor, was Unternehmen dazu zwingt, über traditionelle Methoden zur Erstellung von Metaverse-Inhalten hinauszugehen. Technologien der nächsten Era wie das Metaverse, die künstliche Intelligenz (KI) und maschinelles Lernen (ML) verwenden, sind jedoch auf riesige Datensätze angewiesen, um effektiv zu funktionieren.

Diese Abhängigkeit von großen Datensätzen bringt neue Herausforderungen mit sich. Technologienutzer werden sich immer bewusster, wie ihre sensiblen personenbezogenen Daten erfasst, gespeichert und verwendet werden, was zu Vorschriften geführt hat, die Organisationen daran hindern sollen, personenbezogene Daten ohne ausdrückliche Genehmigung zu verwenden.

Ohne große Mengen an genauen Daten ist es unmöglich, KI/ML-Modelle zu trainieren oder zu entwickeln, was die Entwicklung von Metaversen stark einschränkt. Da diese missliche Lage immer drängender wird, gewinnen synthetische Daten als Lösung an Bedeutung.

eigentlich, Laut GartnerBis 2024 werden 60 % der Daten, die für die Erstellung von KI- und Analyseprojekten erforderlich sind, industriell generiert.

Algorithmen für maschinelles Lernen generieren synthetische Daten, indem sie echte Daten zum Trainieren von Verhaltensmustern aufnehmen und simulierte Dummy-Daten erstellen, die die statistischen Eigenschaften des ursprünglichen Datensatzes beibehalten. Solche Daten können reale Bedingungen replizieren und sind im Gegensatz zu standardmäßigen anonymisierten Datensätzen nicht anfällig für die gleichen Fehler wie echte Daten.

Digitale Welten mit synthetischen Daten neu erfinden

Da AR/VR- und Metaverse-Entwicklungen in Richtung differenzierterer digitaler Umgebungen voranschreiten, erfordern sie jetzt neue Fähigkeiten für Menschen, um nahtlos mit der digitalen Welt zu interagieren. Dazu gehört die Fähigkeit, mit virtuellen Objekten zu interagieren, das Rendering auf dem Gerät durch eine genaue Blickschätzung zu verbessern, einen realistischen Benutzeravatar zu visualisieren und eine solide digitale 3D-Überlagerung über der tatsächlichen Umgebung zu erstellen. ML-Modelle lernen 3D-Objekte wie Netzwerke, transformierbare Modelle und Oberflächenregeln aus Fotos, und es ist schwierig, solche visuellen Daten zum Trainieren dieser KI-Modelle zu erhalten.

Das Coaching eines 3D-Modells erfordert eine große Menge an Gesichts- und Ganzkörperdaten, einschließlich genauer 3D-Anmerkungen. Dem Modell muss auch beigebracht werden, Aufgaben wie Handpositions- und Rasterschätzung, Körperpositionsschätzung, Blickanalyse, 3D-Umgebungsrekonstruktion und Avatarsynthese für Codec auszuführen.

„Das Metaverse wird von leistungsstarken neuen Pc-Imaginative and prescient-Machine-Studying-Modellen angetrieben, die den 3D-Raum um einen Benutzer herum verstehen, Bewegungen genau erfassen, Gesten und Interaktionen verstehen und Emotionen, Sprache und Gesichtsdetails in realistische Avatare übersetzen können.“ Yashar BehzadiCEO und Gründer von Synthesis AI, für VentureBeat.

„Um diese grundlegenden Modelle zu erstellen, benötigen Sie große Datenmengen mit umfangreichen 3D-Beschriftungen“, sagte Behzadi.

Ein Beispiel für die Wertschätzung von Gesten für digitale Fotos. Quelle: Synthese AI

Aus diesen Gründen durchläuft das Metaverse einen Paradigmenwechsel – weg von der Modellierung und hin zu einem datenzentrierten Entwicklungsansatz. Anstatt schrittweise Verbesserungen an einem Algorithmus oder Modell vorzunehmen, können Forscher die Leistung eines KI-Modells in der Metaverse effektiver verbessern, indem sie die Qualität der Trainingsdaten verbessern.

Herkömmliche Ansätze zum Erstellen von Pc Imaginative and prescient verlassen sich auf menschliche Kommentatoren, die die erforderlichen Bezeichnungen nicht bereitstellen können. Synthetische Daten oder computergenerierte Daten, die die Realität simulieren, haben sich jedoch als vielversprechender neuer Ansatz erwiesen.

Durch die Verwendung synthetischer Daten können Unternehmen anpassbare Daten erstellen, mit denen Projekte effizienter ausgeführt werden können, da sie problemlos an Kreativteams verteilt werden können, ohne sich Gedanken über die Einhaltung von Datenschutzgesetzen machen zu müssen. Dies bietet eine größere Autonomie, sodass Entwickler effizienter arbeiten und sich auf Aufgaben konzentrieren können, die Einnahmen generieren.

Behzadi glaubt, dass die Kopplung von CVI-Technologien mit synthetischen KI-Modellen es synthetischen Datentechnologien ermöglichen wird, riesige Mengen unterschiedlicher und optimum gekennzeichneter Daten bereitzustellen, um das Metaverse zu betreiben.

Um das Benutzererlebnis zu verbessern, spielen die Geräte, die zum Betreten des Metaverses verwendet werden, eine ebenso wichtige Rolle. Allerdings muss die {Hardware} von einer Software program unterstützt werden, die den Übergang zwischen realer und virtueller Welt nahtlos macht, was ohne Pc Imaginative and prescient nicht möglich wäre.

Um richtig zu funktionieren, müssen AR/VR-Geräte ihren Standort in der realen Welt verstehen, um Benutzer mit einer detaillierten und genauen 3D-Karte der virtuellen Umgebung zu erweitern. Daher ist die Blickschätzung (d. h. zu wissen, wohin eine Individual durch ein Bild ihres Gesichts und ihrer Augen schaut) ein kritisches Downside für aktuelle AR- und VR-Geräte. Insbesondere die virtuelle Realität setzt stark auf aufwändiges Rendering, eine Technik, bei der das Bild in der Mitte des Sichtfelds hochauflösend und mit exzellenten Particulars erzeugt wird, das Bild an den Rändern jedoch allmählich abnimmt.

Die Monitoring-Architektur und Blickschätzung für VR-Geräte verbreitet eine aufwendige Darstellung. Das heißt, das Bild in der Mitte des Sichtfelds wird mit hoher Auflösung erzeugt, aber das Bild an den Rändern verschlechtert sich allmählich für eine effizientere Leistung. Quelle: Synthese AI

entsprechend Richard KerrisD., Vice President der Entwicklungsplattform Omniverse bei NVIDIA, kann die synthetische Datengenerierung in solchen Fällen Abhilfe schaffen, da sie visuell genaue Beispiele für Anwendungsfälle bei der Interaktion mit Objekten oder der Erstellung von Trainingsumgebungen liefern kann.

„Synthetische Daten, die mit Simulationen generiert werden, beschleunigen die Entwicklung von AR/VR-Anwendungen, indem sie die Integration kontinuierlicher Entwicklungs- und Take a look at-Workflows ermöglichen“, sagte Kerris gegenüber VentureBeat. „Darüber hinaus können diese Daten, wenn sie aus dem digitalen Zwilling der realen Welt generiert werden, dabei helfen, KI-Systeme auf vielen Nahfeldsensoren zu trainieren, die für das menschliche Auge unsichtbar sind, sowie die Monitoring-Genauigkeit von Standortsensoren verbessern.“

Beim Betreten der virtuellen Realität muss man ein Avatar für ein immersives virtuelles soziales Erlebnis sein. Zukünftige schwierige Umgebungen benötigen möglicherweise realistische virtuelle Bilder, die echte Menschen darstellen und ihre Posen erfassen können. Die Erstellung eines solchen Avatars ist jedoch ein schwieriges Computervisionsproblem, das jetzt durch die Verwendung synthetischer Daten angegangen wird.

Kiris erklärte, dass die größten Herausforderungen beim Erstellen einer Vielzahl von Avataren in Excessive Definition zusammen mit Accessoires wie zugehöriger Kleidung, Frisuren und Emotes bestehen, ohne die Privatsphäre zu beeinträchtigen.

„Die prozedurale Generierung von sehr unterschiedlichen digitalen menschlichen Charakteren kann unendlich viel erschaffen Verschiedene menschliche Posen Animieren von Charakteren für bestimmte Anwendungsfälle. „Das Erstellen von Aktionen mit synthetischen Daten hilft bei der Verarbeitung dieser vielen Arten von Glyphen“, sagte Kerris.

Dinge erkennen mit Pc Imaginative and prescient

Um die Place und die physikalischen Eigenschaften von 3D-Objekten in digitalen Welten wie dem Metaverse abzuschätzen, muss Licht mit dem Objekt und seiner Umgebung interagieren, um einen Effekt ähnlich der realen Welt zu erzeugen. Daher erfordern KI-basierte Pc-Imaginative and prescient-Modelle der metallischen Linie ein Verständnis der Objektoberflächen, um sie in einer 3D-Umgebung genau wiederzugeben.

entsprechend Swapnil SrivastavaWorld Head of Knowledge and Analytics bei Evalueserve, Mithilfe synthetischer Daten können KI-Modelle das Monitoring basierend auf Körpertypen, Beleuchtung/Beleuchtung, Hintergründen, Umgebungen und mehr vorhersagen und realistischer gestalten.

“Metaverse/Omniverse oder ähnliche Ökosysteme werden sich stark auf realistische Ausdrucks- und Verhaltensmenschen verlassen, und dies kann jetzt mit synthetischen Daten erreicht werden. Es ist menschlich unmöglich, 2D- und 3D-Bilder in einem pixelgenauen Maßstab zu kommentieren. Durch synthetische Daten, diese technologische und physische Barriere überbrückt wird, was genaue Kommentare, Vielseitigkeit und Anpassung ermöglicht und gleichzeitig Realismus gewährleistet“, sagte Srivastava gegenüber VentureBeat.

Die Gestenerkennung ist ein weiterer wesentlicher Mechanismus für die Interaktion mit virtuellen Welten. Das Erstellen von Modellen für eine genaue Handverfolgung ist jedoch angesichts der Komplexität der Hände und der Notwendigkeit einer 3D-Positionsverfolgung komplex. Noch komplizierter wird die Aufgabe durch die Notwendigkeit, Daten zu erfassen, die die Vielfalt der Benutzer genau wiedergeben, vom Hautton bis zum Vorhandensein von Ringen, Uhren, Hemdsärmeln und mehr.

Behzadi sagt, dass die Industrie jetzt synthetische Daten verwendet, um Handverfolgungssysteme zu trainieren, um solche Herausforderungen zu meistern.

„Durch die Nutzung manueller 3D-Modelle können Unternehmen riesige Mengen präziser 3D-getaggter Daten über demografische Merkmale, Confounder, Kameraperspektiven und Umgebungen erstellen“, sagte Behzadi.

“Die Daten können dann über Umgebungen und Kamerastandorte / -typen hinweg für eine beispiellose Vielfalt produziert werden, da die generierten Daten keine grundlegenden Bedenken hinsichtlich des Datenschutzes haben. Dieser Detaillierungsgrad ist viel größer als das, was Menschen liefern können, und ermöglicht ein höheres Maß an Realismus beim Betrieb des Metaversums .“ , fügte er hinzu.

Srivastava sagte, dass das Metaversum im Vergleich zum aktuellen Prozess unter anderem mehr persönliche Daten wie Gesichtszüge, Körpergesten, Gesundheit, finanzielle und soziale Präferenzen und Biometrie sammeln werde.

Der Schutz dieser personenbezogenen Datenpunkte sollte höchste Priorität haben. Unternehmen benötigen effektive Datenverwaltungs- und Sicherheitsrichtlinien sowie einen Genehmigungs-Governance-Prozess. Die Gewährleistung der Ethik in der KI wird entscheidend für die Skalierung der Effektivität in der Metaverse sein und gleichzeitig verantwortungsbewusste Daten für das Coaching, die Speicherung und den Einsatz von Modellen in der Produktion erstellen.“

Ebenso sagte Behzadi, dass synthetische Datentechnologien es ermöglichen würden, inklusivere Modelle auf ethische und datenschutzkonforme Weise zu erstellen. Da das Konzept jedoch neu ist, erfordert eine breite Akzeptanz eine Schulung.

„Metaverse ist ein weit gefasster und sich entwickelnder Begriff, aber ich denke, wir können sehr neue und immersive Erfahrungen erwarten – sei es für soziale Interaktionen, die Neugestaltung von Verbraucher- und Einkaufserlebnissen, neue Medientypen oder Anwendungen, die wir uns noch nicht vorgestellt haben“, sagte Behzadi. com ist ein Schritt in die richtige Richtung, um beim Aufbau einer Gemeinschaft von Forschern und Industriepartnern für die Technologieentwicklung zu helfen.

Das Erstellen von simulationsfähigen Datensätzen ist eine Herausforderung für Unternehmen, die die Generierung synthetischer Daten nutzen möchten, um virtuelle Welten im Metaversum aufzubauen und zu betreiben. Kerris sagt, dass handelsübliche 3D-Belongings nicht ausreichen, um genaue Trainingsmodelle zu implementieren.

Diese Datensätze müssen die Informationen und Merkmale enthalten, die sie nützlich machen. Beispielsweise müssen Gewicht, Reibung und andere Faktoren in die Belongings einbezogen werden, damit sie im Coaching nützlich sind”, sagte Kerris. „Wir können von Unternehmen eine wachsende Zahl sim-fähiger Bibliotheken erwarten, die dazu beitragen werden, die Nutzung zu beschleunigen Fälle für die Generierung synthetischer Daten in Metaverse-Anwendungen, für Fälle der industriellen Nutzung wie Robotik und digitale Zwillinge.”

SpieleBeat Credo Wenn die Berichterstattung über die Gaming-Branche „wo Leidenschaft auf Arbeit trifft“ ist. was bedeutet das? Wir möchten Ihnen sagen, wie wichtig Ihnen die Neuigkeiten sind – nicht nur als Entscheidungsträger in einem Spielestudio, sondern auch als Spielefan. Egal, ob Sie unsere Artikel lesen, unsere Podcasts anhören oder unsere Movies ansehen, GamesBeat hilft Ihnen dabei, mehr über die Branche zu erfahren und Spaß daran zu haben, mit ihr zu interagieren. Entdecken Sie unsere Briefings.

#Deep #Dive #Wie #synthetische #Daten #ARVR #und #die #Metaverse #verbessern #können

Leave a Comment

Your email address will not be published. Required fields are marked *