Che cosa sono i dati sintetici nell'IA per la moda?
Dati generati artificialmente che imitano gli schemi dei dati reali, utilizzati per addestrare o testare modelli.
In breve
I dati sintetici (synthetic data) sono dati generati artificialmente che imitano gli schemi dei dati reali, usati per addestrare o testare modelli di IA. I team della moda li usano quando i dati reali sono scarsi, sensibili o costosi, ad esempio renderizzando i capi in molte varianti colore e pose per addestrare il riconoscimento delle immagini.
Come funziona nella pratica?
I dati sintetici possono essere prodotti in diversi modi. Un software 3D può renderizzare i capi da molte angolazioni, su avatar diversi e con illuminazioni diverse. I modelli generativi possono creare nuove immagini o testi simili a esempi reali. I metodi statistici possono generare anagrafiche di clienti o ordini che mantengono gli schemi complessivi di un set di dati senza esporre persone reali.
Gli impieghi tipici nella moda comprendono:
- Addestrare modelli a riconoscere gli attributi dei capi in varianti colore mai fotografate.
- Creare più esempi di articoli rari, come taglie insolite o difetti.
- Testare sistemi come portali B2B o strumenti di analisi con dati realistici ma non personali.
- Condividere dati con i partner senza rivelare informazioni riservate sui clienti.
Perché è importante?
I dati reali nella moda sono spesso limitati. I nuovi modelli non hanno storico, la fotografia è costosa e i dati dei clienti sono tutelati dalle norme sulla privacy. I dati sintetici colmano le lacune più rapidamente e a costi inferiori, e possono aiutare a bilanciare i set di dati affinché i modelli funzionino meglio per taglie o corporature sottorappresentate.
Come li utilizza l'IA?
I dati sintetici sono sia prodotti dall'IA sia usati dall'IA. I modelli generativi li producono e altri modelli apprendono da essi. Sono strettamente legati alla simulazione 3D dei capi, in cui i capi digitali creati per design e campionatura possono servire anche come materiale di addestramento.
Errori comuni
I dati sintetici vanno verificati con attenzione, perché possono trasmettere o amplificare i difetti dei dati o del modello che li ha prodotti. Render che sembrano perfetti potrebbero non corrispondere a foto reali con pieghe e ombre, quindi un modello addestrato solo su di essi può fallire nella pratica. I team dovrebbero combinare dati sintetici e reali, testare su esempi reali e documentare dove sono stati usati dati sintetici. Anche la privacy richiede attenzione, perché anagrafiche generate male possono talvolta rivelare persone reali.
Domande frequenti
I dati sintetici valgono quanto quelli reali?
Possono essere molto utili, ma raramente sostituiscono del tutto i dati reali. I risultati migliori derivano di solito dalla combinazione di dati sintetici con esempi reali e dal test dei modelli su dati del mondo reale.
I dati sintetici sono conformi alle norme sulla privacy?
Dati sintetici ben generati possono ridurre i rischi per la privacy, perché non descrivono persone reali. Vanno comunque verificati, poiché dati generati male possono talvolta riprodurre dati personali del set di dati originale.