久しぶりにコンピュータビジョン系の話題。
Google Researchから機械学習用のアノテーション付き動画を生成するためのツールがオープンソースで公開された↓
Kubric
Kubricは、Instance SegmentationマスクやDepthマップ、オプティカルフローなどのリッチなアノテーション付きのセミリアルな動画を作成するためのデータ生成パイプラインです。
※このプロジェクトはまだアルファ段階であり、大幅に変更される可能性があります。
モチベーションと設計
機械学習システムの訓練と評価、特にunsupervised multi-object video understandingにおいてはより良いデータが必要です。既存のシステムは、toy datasetsでは上手く行くものの、現実世界のデータでは失敗してしまいます。複雑さの異なる適切なデータセットをオンデマンドで作成できれば、進歩を大幅に加速できる可能性があります。
Kubricは、主にpybullet(物理シミュレーション用)とBlender(レンダリング用)をベースに構築されていますが、コードはモジュール式に保たれているため、様々なレンダリングバックエンドをサポートできる可能性があります。
Kubricは特に数千台のマシンを使って処理できるスケーラビリティに重点を置いて開発されているらしい。
詳しくはarXivで公開されているKubric: A scalable dataset generatorや、公式ドキュメントを参照。
レンダリングに使われているBlenderについてはもはや説明不要でしょう。
物理シミュレーションに使われているpybulletというのは、Bullet Physics SDKというC++の物理シミュレーションフレームワークのPythonバインディング。強化学習方面ではすでに結構利用されているらしい。
https://zenn.dev/ymd_h/articles/14397e6ae7ea3d
Kubricの公式ドキュメントを読むと、一式揃ったDockerイメージも用意されているようですね。
https://kubric.readthedocs.io/en/latest/source/0_installing.html
ここ数年、機械学習用の画像・動画データをCGで生成する需要に応えるツールが少しずつ増えてきたな。
最近はUnityが公式にUnity Computer Visionというデータセット生成サービスを始めていて、それに使用しているPerception Packageも公開している↓
Perception Package (Unity Computer Vision)
Perceptionパッケージは、コンピュータビジョンの訓練と検証のための大規模なデータセットを生成するためのツールキットを提供します。 現在は、カメラベースのユースケースに焦点を当てており、最終的には他の形式のセンサーや機械学習タスクに拡張される予定です。
ツールと製品の詳細についてはUnity Computer Visionページにアクセスしてください。
関連記事
組み込み向けのWindows OS 『Windows Emb...
NVIDIA GeForce RTX 3080を購入
Pythonの自然言語処理ライブラリ『NLTK(Natura...
Windows10でPyTorchをインストールしてVSCo...
映画から想像するVR・AR時代のGUIデザイン
トランスフォーマーロストエイジのメイキング
Photo Bash：複数の写真を組み合わせて1枚のイラスト...
OpenCVのfindEssentialMat関数を使ったサ...
映画『シン・ウルトラマン』 メイキング記事まとめ
PeopleSansPeople：機械学習用の人物データをU...
テスト
MRenderUtil::raytrace
SONYの自律型エンタテインメントロボット『aibo』
タマムシっぽい質感
Mitsuba 3：オープンソースの研究向けレンダラ
AmazonEC2のインスタンスをt1.microからt2....
Managing Software Requirements...
TVML (TV program Making langua...
Raytracing Wiki
CEDEC 3日目
CycleGAN：ドメイン関係を学習した画像変換
ラクガキの立体化 胴体の追加
ヒーローに変身なりきりアーケードゲーム『ナレルンダー』
FCN (Fully Convolutional Netwo...
ZBrushで仮面ライダー3号を造る 仮面編 ClipCur...
UnityのMonoBehaviourクラスをシングルトン化...
リアルタイム レイトレーシングAPI『DirectX Ray...
2012のメイキングまとめ(途中)
Web経由でRaspberry PiのGPIOを操作したい
Mayaのシェーディングノードの区分
Python拡張モジュールのWindows用インストーラー配...
OpenCV
Python.NET：Pythonと.NETを連携させるパッ...
コンピュータビジョンの技術マップ
UnityでShaderの入力パラメータとして行列を渡す
MLDemos：機械学習について理解するための可視化ツール
統計的な顔モデル
Point Cloud Consortiumのセミナー「3D...
TeleSculptor：空撮動画からPhotogramme...
2D→3D復元技術で使われる用語まとめ
hloc：SuperGlueで精度を向上させたSfM・Vis...
DUSt3R：3Dコンピュータービジョンの基盤モデル
コメント