合成数据生成

2025年 7月 11日

使用 SynthDa 提升合成数据增强和人体动作识别

人类动作识别是 AI 系统中的一项功能，专为监控、老年人护理和工业监控等安全关键型应用而设计。但是，许多现实世界的数据集受到数据不平衡、
2 MIN READ
2025年 6月 11日

使用 NVIDIA Cosmos Predict-2 构建自定义物理人工智能基础模型

构建更智能的机器人和自动驾驶汽车 (AV) 始于能够理解现实世界动态的物理 AI 模型。这些模型发挥着两个关键作用：
2 MIN READ
2025年 6月 11日

借助神经重建和世界基础模型提升自动驾驶汽车仿真速度

自动驾驶汽车 (AV) 堆栈正在从离散构建块的层次结构发展为基于foundation models构建的端到端架构。
1 MIN READ
2025年 6月 11日

借助全新 NVIDIA Cosmos 世界基础模型简化端到端自动驾驶汽车开发

随着向为自动驾驶汽车 (AV) 提供动力支持的端到端规划模型的转变，人们对基于物理性质的高质量传感器数据的需求也在不断增加。
1 MIN READ
2025年 6月 11日

借助 NVIDIA Nemotron 开放推理模型推动代理式 AI 发展

随着 AI 向更大的自主性迈进，能够独立决策的 AI 智能体的出现标志着一个重要的里程碑。为了在复杂的现实环境中有效发挥作用，
2 MIN READ
2025年 5月 14日

使用先进的开放式后训练数据集构建自定义推理模型

合成数据已成为大语言模型 (LLM) 后训练程序的标准组成部分。使用从单个或一组经商业许可的开源 LLM 中合成生成的大量示例，
2 MIN READ
2025年 5月 7日

使用 NVIDIA NeMo Curator 构建 Nemotron-CC：一个高质量万亿令牌数据集，用于大型语言模型预训练，源自 Common Crawl

对于想要训练先进的 大语言模型 (LLM) 的企业开发者而言，整理高质量的预训练数据集至关重要。为了让开发者能够构建高度准确的 LLM，
2 MIN READ
2025年 4月 7日

使用合成数据评估和增强 RAG 工作流性能

随着 大语言模型 (LLM) 在各种问答系统中的普及， 检索增强生成 (RAG) 流程也成为焦点。
1 MIN READ
2025年 1月 29日

掌握 LLM 技术：评估

评估大语言模型（LLMs） 和 检索增强生成（RAG） 系统是一个复杂而微妙的过程，反映了这些系统的复杂性和多面性。 与传统机器学习（ML）…
2 MIN READ
2025年 1月 9日

NVIDIA Cosmos World 基础模型平台助力物理 AI 进步

随着机器人和 自动驾驶汽车 的发展，加速 物理 AI 的发展变得至关重要，而物理 AI 使自主机器能够感知、理解并在现实世界中执行复杂的操作。
4 MIN READ
2025年 1月 6日

如何为基于感知的物理 AI 构建支持生成式 AI 的合成数据管道

训练用于为机器人和自动驾驶汽车等自主机器提供动力支持的 物理 AI 模型 需要大量数据。获取大量不同的训练数据可能十分困难、耗时且昂贵。
2 MIN READ
2024年 8月 27日

简化摄像头校准，提高 AI 驱动的多摄像头跟踪能力

这篇文章是关于构建多摄像头追踪视觉AI应用的系列文章中的第三篇。我们将在第一部分和第二部分中介绍整体端到端工作流程和微调流程，
2 MIN READ
2024年 7月 29日

如何使用 OpenUSD 构建支持生成式 AI 的合成数据工作流

训练 物理 AI 模型用于驱动自主机器（例如机器人和自动驾驶汽车），需要大量数据。获取大量多样化的训练数据可能很困难、耗时且昂贵。
4 MIN READ
2024年 7月 23日

利用 Llama 3.1 405B 生成合成数据

合成数据并不是创建新信息，而是将现有信息转换为不同的变体。十多年来，合成数据一直用于全面提高模型准确性，无论是转换图像以改进对象检测模型、
3 MIN READ
2024年 6月 24日

NVIDIA Metropolis Microservices 和 NVIDIA Isaac Sim 的实时视觉 AI 从数字孪生到云原生部署

随着视觉人工智能复杂性的增加，精简的部署解决方案对优化空间和流程至关重要。NVIDIA 通过 NVIDIA Metropolis AI…
3 MIN READ
2024年 6月 24日

利用合成数据生成解决医学成像的局限性

医学成像中的合成数据提供了许多好处，包括在真实数据有限的情况下，以多样化和逼真的图像增强数据集的能力，
2 MIN READ