Generatived (Beta) | Cung cấp tin tức và xu hướng mới nhất về AI sáng tạo

Đào tạo các mô hình AI vật lý, vốn rất cần thiết để phát triển robot và xe tự hành, thường gặp phải những thách thức do thiếu các tập dữ liệu đa dạng và mở rộng. Các phương pháp thu thập dữ liệu truyền thống bị cản trở bởi các vấn đề về quyền riêng tư, chi phí cao và khả năng áp dụng hạn chế của dữ liệu hiện có vào nhiều tình huống khác nhau. Để giải quyết những vấn đề này, dữ liệu tổng hợp đang được tạo ra thông qua mô phỏng song sinh kỹ thuật số, hiện được hỗ trợ bởi NVIDIA Cosmos. Phương pháp này cho phép tạo nhanh các tập dữ liệu đa dạng bằng cách thay đổi một số lượng lớn các tham số, giúp phát triển các mô hình AI chung hơn.

Việc tìm kiếm độ chính xác vật lý trong các mô hình AI đào tạo đang được đẩy nhanh nhờ sử dụng AI tạo sinh, giúp hợp lý hóa quy trình tạo dữ liệu tổng hợp (SDG). Các nhà phát triển trước tiên tạo lại một đối tượng trong môi trường ảo để đảm bảo bản sao kỹ thuật số khớp với đối tượng trong thế giới thực. Ngẫu nhiên hóa miền tạo ra nhiều hình ảnh có chú thích, cải thiện khả năng khái quát hóa của mô hình. Generative AI đơn giản hóa hơn nữa quy trình này bằng cách tự động sửa đổi các tham số hình ảnh, giảm công việc thủ công và tăng tốc quá trình tạo tập dữ liệu.

Các khả năng của AI tạo sinh phát huy tác dụng khi tận dụng các mô hình khuếch tán tiên tiến như Edify và SDXML để tạo nội dung trực quan chất lượng cao từ mô tả văn bản và hình ảnh. Các mô hình này xuất sắc trong việc sửa đổi các tham số hình ảnh theo chương trình, giúp giảm đáng kể công sức thủ công. Ngoài ra, AI tạo sinh cho phép tăng cường hình ảnh hiệu quả mà không cần phải sửa đổi toàn bộ cảnh 3D, cho phép các nhà phát triển nhanh chóng đưa các chi tiết thực tế vào hình ảnh.

Các nhà phát triển muốn đào tạo các mô hình thị giác máy tính trong không gian thông minh và robot có thể hưởng lợi từ việc tạo dữ liệu tổng hợp bằng quy trình tham chiếu Generative AI , bao gồm tạo cảnh, ngẫu nhiên hóa miền, tạo dữ liệu và tăng cường dữ liệu tận dụng các công nghệ cốt lõi như Edify, USD Code và Omniverse Replicator. Bằng cách làm theo hướng dẫn này, các nhà phát triển có thể tạo các đường ống SDG tùy chỉnh cho phép đào tạo mô hình AI nhanh hơn, tăng cường quyền riêng tư và bảo mật, cải thiện độ chính xác của mô hình và tạo dữ liệu có thể mở rộng.