PUG：用于表征学习的逼真且语义可控的合成数据

本文介绍了一种系统性的方法来生成高度逼真、注释的合成数据，以用于计算机视觉任务的深度神经网络的训练。该方法通过程序性的世界建模产生可变性和物理准确性的图像合成，优点包括灵活性、物理精确性、可扩展的图像合成、广泛的类和特征覆盖以及完整的数据自检测。在自动驾驶和机器人导航的语义分割应用中，使用合成数据对深度学习体系结构进行了训练和微调，评估结果表明该方法提高了神经网络的性能。