基於反應爐式的 AI 生成合成資料引擎 Reacto 推出，Parallel Domain 令資料開發更為高效率

Parallel Domain 發布反應爐：提高合成資料質量，增強 AI 的可靠性和安全性

美國合成資料平臺 Parallel Domain 日前宣布推出了其最新的合成資料產生引擎"Reacto"。Reacto 整合了先進的生成 AI 技術和自有的 3D 模擬能力，旨在為機器學習開發人員提供可控性和可擴充套件性，從而生成完全帶有註釋的資料，提高 AI 效能，促進建立更安全、更強大的 AI 系統用於實際應用場景。根據該公司的說法，Reacto 可以應用於多個行業，例如自動駕駛和無人機，透過生成高質量的影象來增強 AI 效能。此外該工具利用生成 AI 的力量生成註釋資料，這是機器學習任務的重要要求。生成物體檢測的邊界框和全景分割註解（提供全景視野），確保 AI 模型可以有效地利用視覺資料，從而產生更準確、更可靠的結果。

"反應爐"怎樣推進了 AI 資料開發與應用？

Reacto 可讓使用者使用自然語言提示生成和操縱合成資料，同時生成相應的註釋，這些註釋對於訓練和測試機器學習模型非常關鍵。該工具賦予了機器學習開發人員控制和可擴充套件性，重新定義了合成資料生成的方式。Reacto 幾乎能夠在幾秒鐘內透過自然語言提示生成幾乎任何資產，並允許使用者迅速生成各種合成資料以訓練和測試感知模型，進行快速的模型迭代和改進，從而提高人工智慧開發的速度和程式。此外 Reacto 的自適應背景建立功能使使用者可以輕鬆修改生成的場景，使機器學習模型可以在不同的環境中進行泛化。Reacto 的自然語言提示介紹了一種直觀的方法來生成影象變化，並且藉由引進更多干擾變數，如天氣、時間、場景等，而有效地增加了訓練資料的多樣性。Reacto 的生成架構使模型能夠理解生成物件和底層場景的結構，從而實現從生成過程的不同層面萃取畫素和空間語義的理解，從而實現自動註釋。

Reacto 如何增強合成資料管道？

透過 Reacto，使用者可以選擇不同的引數配置他們的合成資料集，例如地點（舊金山、東京），環境（城市、郊區、高速公路），天氣條件和代理分佈（行人和車輛）。一旦合成資料集的基礎資料集配置完成，使用者可以使用 Reacto 以更大的多樣性和逼真度來增強他們的合成資料，引入更多物體和情境的變化，例如"垃圾桶"，"地面有太陽鏡的紙箱"，橙色的"木箱"或"嬰兒車"。 Reacto 生成有關畫素檢測和全景檢視的各種必要的註釋，極大地加速了機器學習模型的訓練和測試。

Reacto 引進了什麼革命性元素？

Reacto 為使用者提供了一種創新的、革命性的思考方式。使用者可以使用 Reacto 生成幾乎任何型別的資料資產，而不需要進行耗時的自定義資產建立，從而提高了效率和回報。Reacto 獨有的生成 AI 技術和 3D 模擬能力幫助使用者建立更具細節和現實感的合成資料，使這些資料適應於真實環境中的模型訓練，提高了 AI 模型的魯棒性和準確性。Reacto 還有利於提高 AI 訓練資料集的多樣性，特別是在罕見類別時，使得模型學習和訓練的成績更好。

Parallel Domain 的下一步計劃

Parallel Domain 創始人和 CEO Kevin McNamara 表示該公司已經把 Reacto 引入其客戶的機器學習平臺，並取得了卓越的成果。此外他指出，Reacto 的革命性優勢被證實是提高機器學習模型效能的可靠工具。Reacto 能夠加快模型交付時間和改進"僅具有豐富多樣性的資料無法達成"的狀況，並幫助合成資料產生更適用於實際應用的真實資料。Parallel Domain 現在的使命是不斷改進當前產品，推廣當前產品，並多樣化產品線以支援市場需求。

結論

Reacto 的推出使得生成合成資料變得更簡單更靈活，為機器學習開發提供了更多便捷而準確的工具，縮短了機器學習開發程式並提高了行業應用的可靠性。Reacto 如何透過自然語言提示和生成 AI 技術讓 AI 開發者更輕鬆地製作資料和訓練模型，具有非常重要的意義。Parallel Domain 公司的 Reacto 具有明顯的技術先進性和發展前景，也體現了人工智慧技術能夠關注並專注於實際應用場景的趨勢。