#590
summarized by : Yuma Ochi
Kubric: A Scalable Dataset Generator
Klaus Greff; Francois Belletti; Lucas Beyer; Carl Doersch; Yilun Du; Daniel Duckworth; David J. Fleet; Dan Gnanapragasam; Florian Golemo; Charles Herrmann; Thomas Kipf; Abhijit Kundu; Dmitry Lagun; Issam Laradji; Hsueh-Ti (Derek) Liu; Henning Meyer; Yishu Miao; Derek Nowrouzezahrai; Cengiz Oztireli; Etienne Pot; Noha Radwan; Daniel Rebain; Sara Sabour; Mehdi S. M. Sajjadi; Matan Sela; Vincent Sitzmann; Austin Stone; Deqing Sun; Suhani Vora; Ziyu Wang; Tianhao Wu; Kwang Moo Yi; Fangcheng Zhong; Andrea Tagliasacchi

どんな論文か？

Kubricと呼ばれるOpticalFlowやNeRFをはじめとする13種類のタスクに対応する、画像や動画のリアリスティックな合成データを生成するパイプラインを開発した。本パイプラインはオープンソースでGitHubで公開されている。高レベルなPythonライブラリとして、簡単にデータを生成ができることが特徴。
placeholder

新規性

1) 幅広い合成データをPythonで簡単に生成できる点 2) 物理シミュレーションのPyBulletとレンダリングエンジンのBlenderを使っているため、現実の複雑性を再現できる点

結果

Kubricを使って学習させたときの精度向上を確認したり、データの複雑度を変化させてモデルの精度がどれだけ変化するかを分析したりして、Kubricの有効性を実証した。対応するタスクが多いため、幅広い応用が期待できる。

その他（なぜ通ったか？等）

https://github.com/google-research/kubric GitHub repositoryには1.5k↑のstarがついており、すでに多くの研究者や開発者に使われているようで、今後どこまで計算効率性が改善され、現実性が上がるのか気になる。

このページで利用されている画像は論文から引用しています．