评估驾驶员警觉性的驾驶员监控系统（DMS）正迅速成为全球领先的汽车安全功能。例如，在欧盟，汽车安全监管机构 EuroNCAP 要求所有新车都安装 DMS，以符合其安全评级标准。

在这一推动下，初创公司正从 DMS 领域的商机中获益，提供从心率测量到起始睡眠检测等各种解决方案。其中，瑞典 Devant 公司正在挖掘合成数据的潜力。

这家初创公司于2021年成立，致力于生成栩栩如生的数字人的合成数据，以支持机器学习网络（如驾驶员监控系统背后的网络）的训练、验证和测试。具体来说，它开发的三维模拟人在不同情况下的外观和行为都各不相同

但合成数据究竟能如何改进 DMS？TNW 采访了 Devant 的联合创始人兼首席执行官理查德-布雷默（Richard Bremer），以了解更多信息。

合成数据可以填补的空白

人们对合成数据的兴趣始于20 世纪 90 年代初，没过多久科技行业就意识到该技术在加速机器学习方面的价值。汽车行业是合成数据的最早支持者之一，在 2010 年代中期将其用于开发自动驾驶汽车、高级驾驶员辅助系统 (ADAS) 以及最近的 DMS。

2019 年欧盟驾驶员对分心驾驶的看法

驾驶员和乘员监控系统（DMS 和 OMS）通常使用红外摄像头和传感器来收集驾驶员和乘客的实时信息。借助计算机视觉和机器学习，可以对这些信息进行分析，例如跟踪驾驶员的目光或面部表情，以确定他们对道路的警觉性和注意力。

这意味着，为了发挥最佳性能，DMS 和 OMS 都需要接受大量高质量数据的培训，包括捕获尽可能多的不同情况的图像和记录。想象一下司机在手机上发短信、开车时喝酒，甚至靠在后座上阻止孩子打架。

“对于任何人工智能网络来说，足够的数据数量和质量都是至关重要的。“

虽然迄今为止来自摄像机甚至演员角色扮演的数据推动了 DMS 的发展，但仅使用这些来源来捕捉每一种可以想象的情况会带来多重挑战。它昂贵、耗时、可变性有限，并且与隐私问题相关。

布雷默表示，这就是合成数据的价值所在。“合成数据的潜力和有趣之处在于，您可以减少时间和成本，并提高网络的性能。”

Devant 的技术如何运作

这家位于 Norrköping 的初创公司在其平台上使用分步流程，结合不同类型的 3D 资产来创建图像和动画。在汽车案例中，该内容可以是 3D 驾驶室和人员，并辅以配件、服装或眼镜等细节。

Devant 制作的驾驶员向后倾斜的动画

为了确保获得不影响机器学习网络性能的高质量结果，整个过程中通过一系列质量评估系统来验证数据的可靠性和准确性。

“当谈到我们所构建的内容时，主要是为了确保数据经过测试和验证。”布雷默说。

Devant 的 3D 人体模型的目标有三个：与现实世界中事物的外观保持一致，扩大其多样性并提供尽可能广泛的不同场景，并满足客户的要求。

为此，这家瑞典初创公司提供了一个配置工具，供用户选择符合其需求的参数。调整范围可以从更通用的变量（例如年龄、种族和性别）到更具体的细节，包括服装、眼睑运动的频率或车内的照明条件。

手机分心的动画

6 月，该公司与澳大利亚 Seeing Machines 联手，该公司是一家主要汽车制造商使用的（DMS 和 OMS）开发商。

通过此次合作，Seeing Machines 将使用 Devant 的 3D 模拟来训练和验证其机器学习网络，旨在进一步改进其车内监控系统，并创建符合 EuroNCAP 要求的驾驶员分心行为的大规模数据集。

质量与数量同样重要

布雷默解释说，要真正挖掘合成数据的潜力，不仅仅是按下按钮并在几天内生成数百万张图像。它还涉及数据的质量和准确性。

前提很简单。“对于任何人工智能网络来说，要尽可能地发挥作用，足够的数量和足够的质量至关重要。”

“计算机生成数据的一个有前途的方面是，由于其附带的元数据，我们可以精确地知道每张图像所包含的内容，具体到像素级别。”布雷默说：”相比之下，当涉及到现实世界的数据时，你没有像处理合成数据那样的粒度控制和准确性。”

驾驶员向后倾斜的动画

但有一个问题。通过添加更多参数和真实性来覆盖大量可能的场景和人类行为来提高数据质量越多，数据就会变得越复杂。这反过来又增加了渲染时间。

“这就是为什么在我们之前没有人对合成数据采取这种高质量的方法，因为它在渲染时间方面的成本是如此之高。”布雷默声称。事实上，Devant 花了相当长的时间来解决保持质量、同时优化速度的难题。

目前的限制

尽管合成数据在数量上具有明显的优势，并且能够提供准确、高质量的模拟，但布雷默强调，该技术不应被视为“灵丹妙药”。至少现在还没有。

相反，他说，用计算机生成的等效数据替换现实世界的数据应该采取逐步、谨慎的方法。

“我认为这里要记住的最重要的事情是 DMS 是生命攸关的系统。”他指出仍然有许多挑战需要克服——这些挑战超出了需要拥有数千个 3D 模型来确保足够覆盖范围的范围。

理查德·布雷默 (Richard Bremer)，Devant 联合创始人兼首席执行官。

第一个挑战是确定好数据和坏数据的阈值，Devant 将与 Seeing Machines 合作探索这一点。第二个是准确识别机器学习网络将识别哪些数据足够重要以供使用。

该初创公司还投入更多精力来覆盖相机光学的更多方面。“模拟不同的相机参数非常复杂，特别是当您需要在每个图像的有限渲染时间内完成它时，”布雷默解释道。

前进的道路

到目前为止，Devant 一直致力于研究不同程度的驾驶员分心问题，尤其注重真实地模拟眼睛的不同运动、眼睑行为和不同的瞳孔大小。

通过与 Seeing Machines 的合作，这家初创公司的目标是提升复杂性，并不断添加涵盖整个 EuroNCAP 协议的功能。从那时起，布雷默将困倦视为“下一个自然现象”，而醉酒则是该公司名单上的另一个有趣的可能性。

Devant 为汽车行业开发以人为中心的合成数据的决定从一开始就是有针对性的，这是受到对 DMS 的日益关注和即将出台的欧盟法规所带来的商机的推动。布雷默认为，这还在于创造实际价值并以造福人类的方式使用技术。

除了汽车领域之外，这家初创公司还设想其技术可以在其他潜在行业产生积极影响，例如训练人工智能系统以在早期阶段检测疾病迹象。