在虛擬環境中生成 現實中難以取得的資料
X-GEN 將難以實拍或難以蒐集足夠資料的環境進行虛擬重建， 並生成 AI 模型訓練所需的影像與感測器資料，是一套合成資料解決方案。
X-GEN 核心功能
合成資料生成
虛擬環境·情境建構
多感測器資料生成
自動標註
X-GEN PROCESS
從貼合訓練目標的場景 到 AI 訓練資料
STEP 01
建構虛擬場景
設定空間、物件、相機 與移動條件
STEP 02
設定環境·情境
設定天氣、時段、光照 與物件配置
STEP 03
生成資料·標籤
生成影像、感測器資料 與訓練標籤
STEP 04
AI 訓練·驗證
與真實資料一起 用於模型訓練與驗證
同一場景可生成多種訓練資料
在同一個虛擬場景中，可生成接近真實的影像以及分割、法線、深度資料等 多種形式的訓練資料。
VIRTUAL ENVIRONMENT & SYNTHETIC DATA
在虛擬空間中重現 難以實拍的環境與情境
以 2D·3D 重建室內空間、道路、工業現場等訓練對象環境。 透過改變時段、天氣、光照以及物件與相機條件，可將現實中難以反覆拍攝的場景轉化為資料。
以 2D·3D 環境重現訓練所需的空間與物件
生成重現材質、光線與陰影等真實環境視覺特性的高品質合成資料
在虛擬環境中重現現實中可能發生的狀況與事件
可套用日夜、雨、雪、霧、光照等多種環境條件
建構與真實相似的空間，以及車輛、設備等訓練所需的 3D 物件
SENSOR DATA & AUTOMATIC LABELING
同時生成多種感測器資料 與訓練標籤
同時生成 RGB·IR·LiDAR·Depth 等多種感測器資料與訓練標籤， 並可整理為 COCO·Pascal VOC 或自訂格式的資料集。
感測器資料
- RGB
- IR
- LiDAR
- Depth
- Normal
標籤資料
- 2D·3D Bounding Box
- Semantic Segmentation
- Instance Segmentation
支援格式
- COCO
- Pascal VOC
- Custom Dataset
APPLICATION AREAS
在難以取得真實資料的領域 生成所需的訓練資料
運用 X-GEN，即使在難以實拍或需要多種感測器與環境條件的領域， 也能生成貼合訓練目標的合成資料。
室內行駛資料
虛擬建構室內空間與障礙物，並運用 LiDAR 感測器生成移動路徑與周邊空間資料
道路行駛資料
虛擬重建道路、車輛與周邊環境，生成反映多種行駛條件的 LiDAR 資料
紅外線合成資料
生成夜間或低照度等僅靠一般相機難以充分取得的環境紅外線資料
以衛星地圖為基礎的 3D 地圖
以衛星地圖與空間資訊建構大範圍 3D 環境，運用於自動駕駛或無人機模擬
小型物件偵測
將真實環境中難以取得足夠資料的小型物件進行虛擬重建
X-GEN 運用以 NVIDIA Omniverse™ 為基礎的虛擬環境 與模擬技術生成合成資料。
歡迎查看常見問題
VIEW ALL能利用我們既有的 3D 資料嗎？
可以。可利用既有的 3D 資料或現場資料建構虛擬環境。可用資料與建置方式會因資料型態與應用目的而異；必要時可建構與真實環境相近的 3D 虛擬環境，用於模擬與 AI 訓練。
希望建構契合我們產業與現場的數位孿生。
Xiilab 面向製造、建築、國防等多種產業環境與應用目的，提出相應的數位孿生建置方案。可依應用目的與現場條件配置所需的模擬環境與功能。
X-GEN 如何運用 NVIDIA Omniverse？
X-GEN 藉由基於 NVIDIA Omniverse 的虛擬環境與模擬技術生成合成資料。它將真實環境於虛擬空間中還原，並生成各種條件下的資料，用於 AI 訓練與驗證。
能在建置實際現場之前於虛擬環境中驗證嗎？
藉由數位孿生，可在實際建置前於虛擬環境中檢驗各種條件與情境。可依應用目的建構模擬、虛擬驗證、AI 訓練等環境。
希望在導入數位孿生前諮詢應用方案。
確認導入目的與現場環境後，我們會說明所需的建置範圍與應用方案。