¿Qué son los datos sintéticos en visión artificial? Introducción

Los datos siempre han sido un factor clave en campos como la analítica y la inteligencia artificial (AI). De hecho, la forma en que recopilamos, generamos y utilizamos los datos está dando forma al futuro de los sistemas inteligentes. Por ejemplo, los coches autónomos dependen de millones de imágenes etiquetadas y lecturas de sensores —desde señales de tráfico hasta movimientos de peatones— para aprender a circular de forma segura.

Uno de los tipos de datos más importantes para impulsar este avance, especialmente en ámbitos como los vehículos autónomos y la seguridad, son los datos visuales, como imágenes y vídeos.

En concreto, el campo de la IA que permite a las máquinas interpretar esta información visual se denomina visión artificial. Ayuda a los sistemas a comprender y analizar entradas visuales de forma similar a las personas y permite realizar tareas como el reconocimiento facial, la detección de señales de tráfico y el análisis de imágenes médicas.

Sin embargo, recopilar conjuntos de datos visuales de gran escala y alta calidad del mundo real puede llevar mucho tiempo, resultar caro y suscitar preocupación por la privacidad. Por eso, los investigadores están estudiando activamente el uso de datos sintéticos.

Los datos sintéticos son imágenes generadas artificialmente que imitan de cerca las imágenes y los vídeos del mundo real. Se crean mediante técnicas como el modelado 3D, las simulaciones por ordenador y métodos de IA generativa, como las redes generativas antagónicas (GANs), que aprenden patrones a partir de datos reales para generar nuevos ejemplos realistas.

Se espera que los datos sintéticos desempeñen pronto un papel fundamental en el desarrollo de la IA: Gartner prevé que en 2030 serán más esenciales que los datos del mundo real. En este artículo veremos qué son los datos sintéticos en el contexto de la visión artificial, cómo se generan y en qué situaciones se utilizan en el mundo real.

¿Qué son los datos sintéticos en visión artificial?#

Imagina que quieres entrenar un modelo de IA de visión para detectar objetos en entornos y condiciones diversos. Depender únicamente de datos del mundo real puede ser difícil y, en ocasiones, limitante.

En cambio, los datos sintéticos permiten crear el conjunto de datos adecuado, con objetos en distintas condiciones generadas artificialmente. Mediante herramientas como el modelado 3D y las simulaciones, los desarrolladores pueden generar imágenes con un control preciso de factores como la iluminación, los ángulos y la ubicación de los objetos. Esto ofrece más flexibilidad para entrenar modelos que los datos del mundo real.

Los datos sintéticos son especialmente útiles cuando recopilar datos del mundo real es difícil o imposible. Por ejemplo, para entrenar un modelo que reconozca personas en una amplia variedad de posturas, como correr, agacharse o tumbarse, habría que capturar miles de fotos en muchos entornos, ángulos y condiciones de iluminación distintos.

En cambio, con datos sintéticos, los desarrolladores pueden generar fácilmente estas variaciones con etiquetas precisas, lo que ahorra tiempo y esfuerzo y mejora el rendimiento del modelo.

Fig. 1. Conjunto de datos sintéticos con distintas posturas humanas y variaciones de iluminación (fuente).

Datos sintéticos frente a datos reales en IA#

A continuación, veamos más de cerca las diferencias entre los datos sintéticos y los datos reales. Ambos tienen ventajas e inconvenientes a la hora de entrenar modelos de IA.

Por ejemplo, los datos sintéticos son útiles cuando resulta difícil recopilar datos reales, pero quizá no reflejen todos los pequeños detalles del mundo real. Por su parte, los datos reales son más auténticos, pero puede ser difícil obtenerlos, etiquetarlos lleva tiempo y quizá no abarquen todas las situaciones.

Al combinar datos sintéticos y reales, los desarrolladores pueden aprovechar lo mejor de ambos. Este equilibrio ayuda a los modelos de IA a aprender con mayor precisión, generalizar mejor en distintas situaciones y reducir los sesgos.

Fig. 2. Datos sintéticos frente a datos reales en IA. Imagen del autor.

Generación de datos para modelos de visión artificial#

Desde crear mundos virtuales con herramientas 3D hasta generar imágenes mediante IA generativa, estos son algunos métodos habituales para crear datos de entrenamiento sintéticos para modelos de visión artificial:

• Modelado 3D: Los desarrolladores utilizan software 3D para crear objetos y escenas digitales. Esto permite controlar por completo aspectos como la iluminación, los ángulos de cámara y la ubicación de los objetos, y resulta útil para generar imágenes realistas de personas, vehículos y entornos.
• Simulaciones: Recrean situaciones del mundo real, como el tráfico o los entornos de fábrica, mediante motores basados en la física. Las simulaciones son útiles para generar datos de entrenamiento de forma segura en ámbitos como la robótica y los coches autónomos.
• Redes generativas antagónicas: Las GANs son un tipo de modelo de aprendizaje profundo compuesto por dos redes: una crea imágenes y la otra las evalúa. Juntas generan imágenes muy realistas, como rostros humanos o vistas de calles, aprendiendo de ejemplos reales.
• Generación procedimental: Esta técnica utiliza reglas predefinidas o modelos matemáticos para generar automáticamente estructuras visuales complejas, como terrenos, edificios o texturas. Se utiliza a menudo en plataformas de videojuegos y simulación, y puede producir conjuntos de datos diversos y de gran escala con una intervención humana mínima.
• Aleatorización del dominio: permite modificar aleatoriamente aspectos como la iluminación, los colores y las formas de los objetos en escenas sintéticas. Esta técnica busca ayudar a los modelos a centrarse en lo que realmente importa y hacerlos más adaptables a los entornos del mundo real.

Fig. 3. Ejemplos de datos: (a) basados en modelos 3D, (b) escenas sintéticas con varios objetos y (c) imágenes de conjuntos de datos reales (fuente).

Entrenamiento de modelos de IA de visión con datos sintéticos#

Ahora que hemos hablado de algunos de los distintos métodos para crear datos sintéticos, veamos cómo se utilizan para entrenar modelos de IA.

Una vez generados, los datos sintéticos suelen poder integrarse directamente en la canalización de entrenamiento, igual que los datos del mundo real. Normalmente incluyen las anotaciones necesarias, como etiquetas de objetos, cuadros delimitadores o máscaras de segmentación; por tanto, se pueden usar en tareas de aprendizaje supervisado, en las que los modelos aprenden a partir de pares de entrada y salida etiquetados, sin necesidad de etiquetado manual.

Durante el entrenamiento, el modelo procesa imágenes sintéticas para aprender a detectar características, reconocer patrones y clasificar objetos. Estos datos pueden utilizarse para crear desde cero una primera versión del modelo o para enriquecer un conjunto de datos existente y ayudar a mejorar el rendimiento del modelo.

En muchos flujos de trabajo, los datos sintéticos también se utilizan para el preentrenamiento, lo que proporciona a los modelos una comprensión general antes de ajustarlos con ejemplos del mundo real. Asimismo, se usan para aumentar los conjuntos de datos mediante variaciones controladas, como distintas condiciones de iluminación, ángulos o clases de objetos poco frecuentes, con el fin de mejorar la generalización y reducir el sobreajuste.

Al combinar datos sintéticos y reales, los equipos pueden entrenar modelos más robustos que funcionan bien en una amplia variedad de condiciones y, al mismo tiempo, depender menos de la recopilación manual de datos, que requiere mucho tiempo y dinero.

Aplicaciones de los datos sintéticos en visión artificial en el mundo real#

A medida que los datos sintéticos se vuelven más prácticos y accesibles, empezamos a ver cómo se adoptan en diversos casos de uso reales de IA de visión. Veamos algunas de las aplicaciones más destacadas de la visión artificial en las que se utilizan.

Uso de datos sintéticos para la detección de objetos en vehículos autónomos#

Para enseñar a los coches autónomos a circular de forma segura, hay que entrenar modelos con una amplia variedad de situaciones, incluidas las poco frecuentes o peligrosas. Sin embargo, recopilar datos del mundo real para estos casos límite puede ser complicado y, a veces, inseguro. Los datos sintéticos pueden ayudar a crear escenas en las que los modelos aprendan a detectar objetos en situaciones difíciles. También pueden imitar distintas configuraciones de sensores, algo útil porque no todos los coches autónomos utilizan el mismo hardware.

La plataforma DRIVE Sim de NVIDIA es un buen ejemplo. Crea datos sintéticos de alta calidad con modelos 3D fotorrealistas, entornos virtuales y simulaciones de sensores. También puede generar imágenes de varios ángulos de conducción a partir de una sola imagen. El uso de datos sintéticos de este tipo ayuda a reducir la necesidad de costosas pruebas en el mundo real y, a la vez, proporciona al modelo la variedad necesaria para aprender de forma eficaz.

Fig. 4. Creación de varias vistas de conducción a partir de una sola imagen (fuente).

Reducción de sesgos en la IA de imágenes médicas con datos sintéticos#

Los modelos de visión artificial, como Ultralytics YOLO11, que admiten tareas como la detección de objetos y la segmentación de instancias, se pueden entrenar de forma personalizada para aplicaciones de imágenes médicas. Sin embargo, los datos de entrenamiento del mundo real suelen contener sesgos, ya que quizá no representen adecuadamente a pacientes de todos los grupos demográficos.

Por ejemplo, el cáncer de piel se diagnostica con menos frecuencia en personas con tonos de piel más oscuros, por lo que hay pocos datos sobre esas poblaciones. Este desequilibrio puede contribuir a diagnósticos erróneos y a resultados sanitarios desiguales, especialmente en campos como la histopatología, las radiografías de tórax y la dermatología.

Las imágenes sintéticas pueden ayudar a reducir esta falta de datos. Al generar ejemplos adicionales y diversos, como distintas anomalías tisulares, una amplia variedad de afecciones pulmonares y tonos de piel con diferentes tipos de lesiones, los datos sintéticos pueden ayudar a mejorar el rendimiento de los modelos en grupos infrarrepresentados.

Actualmente, los investigadores trabajan en el desarrollo y la validación de conjuntos de datos sintéticos para respaldar estos objetivos. También estudian cómo utilizar datos sintéticos para probar herramientas médicas y estrategias de tratamiento sin recurrir a historiales de pacientes reales, lo que ayuda a acelerar la investigación y proteger la privacidad de los pacientes. Este trabajo está allanando el camino hacia sistemas de IA médica más inclusivos, precisos y éticos.

Impulso de la IA agrícola con datos sintéticos para la agricultura de precisión#

La creación de sistemas de IA de visión para aplicaciones agrícolas depende del acceso a grandes cantidades de datos etiquetados. Sin embargo, recopilar y etiquetar imágenes de cultivos, enfermedades y condiciones de los campos es lento, caro y suele verse limitado por factores como el tiempo, las temporadas de cultivo o la dificultad para llegar a determinadas zonas.

Estos retos dificultan el entrenamiento de modelos de visión artificial para tareas como la detección de enfermedades de las plantas, la supervisión de cultivos o la predicción de cosechas. Aquí es donde pueden ayudar los datos sintéticos: permiten imitar distintos entornos agrícolas para generar ejemplos de entrenamiento útiles.

Fig. 5. Uso de imágenes sintéticas para mejorar la detección de enfermedades (fuente).

Conclusiones clave#

El uso de datos sintéticos supone un importante avance en el entrenamiento de modelos de IA, especialmente para los sistemas de visión artificial en ámbitos donde los datos del mundo real son escasos o difíciles de obtener. En lugar de depender exclusivamente de fotos o vídeos reales, que pueden ser caros, requerir mucho tiempo o plantear problemas de privacidad, los datos sintéticos permiten generar imágenes realistas y etiquetadas bajo demanda.

Facilitan el entrenamiento de modelos de IA de visión para tareas como la conducción autónoma, la detección de enfermedades o la supervisión de cultivos. A medida que la IA sigue evolucionando, los datos sintéticos desempeñarán un papel aún más importante a la hora de acelerar la innovación y mejorar la accesibilidad en todos los sectores.

Aprende más sobre IA en nuestro repositorio de GitHub y únete a nuestra comunidad, que no para de crecer. Descubre el impacto de aplicaciones como la IA en vehículos autónomos y la visión artificial en la agricultura. Explora nuestras opciones de licencia y haz realidad tus proyectos de IA de visión.