Inmersión profunda: cómo los datos sintéticos pueden mejorar la realidad aumentada/VR y el metaverso

¿No pudiste asistir a Transform 2022? ¡Vea todas las sesiones de la cumbre en nuestra biblioteca a pedido ahora! Mira aquí.

El metaverso ha capturado nuestra imaginación colectiva. El crecimiento exponencial de los dispositivos conectados a Internet y el contenido virtual está preparando el metaverso para la aceptación generalizada, lo que obliga a las empresas a ir más allá de los enfoques tradicionales para crear contenido de metaverso. Sin embargo, las tecnologías de próxima generación como Metaverse, que utiliza inteligencia artificial (IA) y aprendizaje automático (ML), dependen de enormes conjuntos de datos para operar de manera efectiva.

Esta dependencia de grandes conjuntos de datos plantea nuevos desafíos. Los usuarios de tecnología se han vuelto más conscientes de cómo se adquieren, almacenan y utilizan sus datos personales confidenciales, lo que ha dado lugar a regulaciones diseñadas para evitar que las organizaciones utilicen datos personales sin permiso explícito

Sin grandes cantidades de datos precisos, es imposible entrenar o desarrollar modelos AI/ML, lo que limita severamente el desarrollo del metaverso. A medida que este dilema se vuelve más apremiante, los datos sintéticos ganan terreno como solución.

De hecho, según Gartner, para 2024, el 60 % de los datos necesarios para crear proyectos de inteligencia artificial y análisis se generarán sintéticamente.

Próximo GamesBeat Summit 2022

Únase a los líderes del juego en vivo del 25 al 26 de octubre en San Francisco para examinar las próximas grandes oportunidades dentro de la industria del juego.

Los algoritmos de aprendizaje automático generan datos sintéticos mediante la ingesta de datos reales para entrenar en modelos de comportamiento y generar datos simulados falsos que retienen las propiedades estadísticas del conjunto de datos original. Estos datos pueden replicar circunstancias reales y, a diferencia de los conjuntos de datos anónimos estándar, no son vulnerables a las mismas fallas que los datos reales.

A medida que los desarrollos en realidad aumentada/realidad virtual y el metaverso avanzan hacia entornos digitales más precisos, ahora requieren nuevas capacidades que permitan a los humanos interactuar sin problemas con el mundo digital. Esto incluye la capacidad de interactuar con objetos virtuales, optimizar la representación en el dispositivo utilizando una estimación precisa de la mirada, una representación realista del avatar del usuario y la creación de una superposición digital 3D sólida sobre el entorno real. Los modelos ML aprenden objetos 3D como mallas, modelos transformables, normales de superficie a partir de fotografías y es difícil obtener tales datos visuales para entrenar estos modelos de IA.

Entrenar un modelo 3D requiere una gran cantidad de datos de cara y cuerpo completo, incluidas anotaciones 3D precisas. El modelo también debe aprender a realizar tareas como la estimación de la postura de la mano y la malla, la estimación de la postura del cuerpo, el análisis de la mirada, la reconstrucción del entorno 3D y la síntesis de objetos.

“El Metaverso estará impulsado por nuevos y potentes modelos de aprendizaje automático de visión artificial que pueden comprender el espacio 3D que rodea a un usuario, capturar con precisión el movimiento, comprender los gestos y las interacciones, y traducir las emociones, el habla y los detalles faciales en avatares fotorrealistas”. Yashar Behzadi, CEO y fundador de Synthesis AI, le dijo a VentureBeat.

"Para construirlos, f...