論文の概要: From Gaming to Research: GTA V for Synthetic Data Generation for Robotics and Navigations
- arxiv url: http://arxiv.org/abs/2502.12303v1
- Date: Mon, 17 Feb 2025 20:22:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-19 14:07:16.712499
- Title: From Gaming to Research: GTA V for Synthetic Data Generation for Robotics and Navigations
- Title(参考訳): ゲームから研究へ:GTA V for Synthetic Data Generation for Robotics and Navigations
- Authors: Matteo Scucchia, Matteo Ferrara, Davide Maltoni,
- Abstract要約: ビデオゲームGrand Theft Auto V(GTA V)の仮想環境を利用した合成データセットを提案する。
我々は,GTA Vから得られた合成データが実世界のデータと質的に比較できることを示した。
- 参考スコア(独自算出の注目度): 2.7383830691749163
- License:
- Abstract: In computer vision, the development of robust algorithms capable of generalizing effectively in real-world scenarios more and more often requires large-scale datasets collected under diverse environmental conditions. However, acquiring such datasets is time-consuming, costly, and sometimes unfeasible. To address these limitations, the use of synthetic data has gained attention as a viable alternative, allowing researchers to generate vast amounts of data while simulating various environmental contexts in a controlled setting. In this study, we investigate the use of synthetic data in robotics and navigation, specifically focusing on Simultaneous Localization and Mapping (SLAM) and Visual Place Recognition (VPR). In particular, we introduce a synthetic dataset created using the virtual environment of the video game Grand Theft Auto V (GTA V), along with an algorithm designed to generate a VPR dataset, without human supervision. Through a series of experiments centered on SLAM and VPR, we demonstrate that synthetic data derived from GTA V are qualitatively comparable to real-world data. Furthermore, these synthetic data can complement or even substitute real-world data in these applications. This study sets the stage for the creation of large-scale synthetic datasets, offering a cost-effective and scalable solution for future research and development.
- Abstract(参考訳): コンピュータビジョンにおいて、現実のシナリオにおいて効果的に一般化できる堅牢なアルゴリズムの開発には、様々な環境条件下で収集される大規模なデータセットが必要である。
しかし、そのようなデータセットの取得には時間がかかり、コストがかかり、時には不可能である。
これらの制限に対処するため、合成データの使用が有効な代替手段として注目され、研究者は様々な環境条件を制御された環境でシミュレートしながら大量のデータを生成することができるようになった。
本研究では,ロボットとナビゲーションにおける合成データの利用について検討し,特にSLAMとVPRに着目した。
特に,ビデオゲームGrand Theft Auto V(GTA V)の仮想環境を用いて生成した合成データセットと,人間の監督なしにVPRデータセットを生成するアルゴリズムを紹介する。
SLAM と VPR を中心とした一連の実験を通じて,GTA V から得られた合成データが実世界のデータと質的に比較できることを示した。
さらに、これらの合成データは、これらのアプリケーションで現実世界のデータを補完したり、置き換えたりできる。
この研究は、大規模合成データセットの作成のステージを設定し、将来の研究開発に費用効率が高くスケーラブルなソリューションを提供する。
関連論文リスト
- Synthetic data augmentation for robotic mobility aids to support blind and low vision people [5.024531194389658]
視覚障害者のためのロボットモビリティ支援(BLV)は、深層学習に基づく視覚モデルに大きく依存している。
これらのモデルの性能は、実世界のデータセットの可用性と多様性によって制約されることが多い。
本研究では,Unreal Engine 4を用いて生成した合成データの有効性について検討した。
論文 参考訳(メタデータ) (2024-09-17T13:17:28Z) - Best Practices and Lessons Learned on Synthetic Data [83.63271573197026]
AIモデルの成功は、大規模で多様な、高品質なデータセットの可用性に依存している。
合成データは、現実世界のパターンを模倣する人工データを生成することによって、有望なソリューションとして現れてきた。
論文 参考訳(メタデータ) (2024-04-11T06:34:17Z) - RaSim: A Range-aware High-fidelity RGB-D Data Simulation Pipeline for Real-world Applications [55.24463002889]
我々は深度データ合成に焦点をあて、レンジ対応RGB-Dデータシミュレーションパイプライン(RaSim)を開発した。
特に、実世界のセンサーの撮像原理を模倣して高忠実度深度データを生成する。
RaSimは、下流のRGB-D知覚タスクで微調整をすることなく、現実世界のシナリオに直接適用することができる。
論文 参考訳(メタデータ) (2024-04-05T08:52:32Z) - Reimagining Synthetic Tabular Data Generation through Data-Centric AI: A
Comprehensive Benchmark [56.8042116967334]
合成データは、機械学習モデルのトレーニングの代替となる。
合成データが現実世界データの複雑なニュアンスを反映することを保証することは、難しい作業です。
本稿では,データ中心型AI技術の統合による合成データ生成プロセスのガイドの可能性について検討する。
論文 参考訳(メタデータ) (2023-10-25T20:32:02Z) - Exploring the Potential of AI-Generated Synthetic Datasets: A Case Study
on Telematics Data with ChatGPT [0.0]
この研究は、OpenAIの強力な言語モデルであるChatGPTを活用して、特にテレマティクス分野における合成データセットの構築と利用に力を入れている。
このデータ作成プロセスを説明するために、合成テレマティクスデータセットの生成に焦点を当てたハンズオンケーススタディが実施されている。
論文 参考訳(メタデータ) (2023-06-23T15:15:13Z) - TSGM: A Flexible Framework for Generative Modeling of Synthetic Time Series [61.436361263605114]
時系列データは、研究者と産業組織間のデータの共有を妨げるため、しばしば不足または非常に敏感である。
本稿では,合成時系列の生成モデリングのためのオープンソースフレームワークである時系列生成モデリング(TSGM)を紹介する。
論文 参考訳(メタデータ) (2023-05-19T10:11:21Z) - DATED: Guidelines for Creating Synthetic Datasets for Engineering Design
Applications [3.463438487417909]
本研究では,合成データセットの生成,注釈付け,検証のための包括的ガイドラインを提案する。
この研究は、データセットの適切なサイズ、多様性、有用性、現実性を保証するために、思慮深いサンプリング手法の重要性を強調している。
本論文は、総合的に、エンジニアリング設計のための合成データセットの作成と公開を意図した研究者に貴重な洞察を提供する。
論文 参考訳(メタデータ) (2023-05-15T21:00:09Z) - Beyond Privacy: Navigating the Opportunities and Challenges of Synthetic
Data [91.52783572568214]
合成データは、機械学習の世界において支配的な力となり、データセットを個々のニーズに合わせて調整できる未来を約束する。
合成データのより広範な妥当性と適用のために,コミュニティが克服すべき根本的な課題について論じる。
論文 参考訳(メタデータ) (2023-04-07T16:38:40Z) - TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual
Environments [84.6017003787244]
本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。
既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
論文 参考訳(メタデータ) (2022-08-16T20:46:08Z) - PeopleSansPeople: A Synthetic Data Generator for Human-Centric Computer
Vision [3.5694949627557846]
我々は人間中心の合成データ生成装置 PeopleSansPeople をリリースする。
シミュレーション可能な3Dアセット、パラメータ化照明とカメラシステム、および2Dおよび3Dバウンディングボックス、インスタンスとセマンティックセグメンテーション、COCOポーズラベルを生成する。
論文 参考訳(メタデータ) (2021-12-17T02:33:31Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。