コンピュータービジョンにおける合成データとは？概要

データは、分析や人工知能（AI）などの分野において、常に推進力となってきました。実際、データの収集、生成、利用方法が、インテリジェントシステムの未来を形作っています。例えば、自動運転車は、安全に道路を走行する方法を学習するために、道路標識から歩行者の動きまで、何百万ものアノテーション付き画像やセンサーの読み取り値に依存しています。

この進歩を支える最も重要なデータの種類の一つが、特に自動運転車やセキュリティなどの分野で利用される、画像や動画といったビジュアルデータです。

特に、このビジュアル情報を機械が解釈できるようにするAIの分野は、コンピュータービジョンと呼ばれています。コンピュータービジョンは、人間と同じようにシステムがビジュアル入力を理解・分析できるようにし、顔認識、交通標識検出、医用画像分析などのタスクを支援します。

しかし、現実世界から大規模で高品質なビジュアルデータセットを収集するには時間とコストがかかり、多くの場合、プライバシーに関する懸念も生じます。そのため、研究者は合成データを活用するという考え方を積極的に検討しています。

合成データとは、現実世界の画像や動画を忠実に模倣する、人工的に生成されたビジュアルデータを指します。これは、3Dモデリング、コンピューターシミュレーション、敵対的生成ネットワーク（GANs）などの生成AI手法を用いて作成されます。これらの手法は、実データからパターンを学習し、現実的な新しいサンプルを生成します。

合成データは、近い将来、AI開発で重要な役割を果たすと見込まれています。Gartnerは、2030年までに合成データが実世界のデータよりも不可欠になると予測しています。この記事では、コンピュータービジョンにおける合成データとは何か、どのように生成され、実世界のどのようなシナリオで活用されているのかを説明します。さっそく始めましょう。

コンピュータービジョンにおける合成データとは？#

さまざまな環境や条件で物体を検出するビジョンAIモデルをトレーニングしたいとします。実世界のデータだけに頼るのは難しく、ときには制約があるように感じられることもあります。

一方、合成データを使えば、人工的に作り出したさまざまな条件下に物体を含む、目的に適したデータセットを作成できます。3Dモデリングやシミュレーションなどのツールを使うことで、開発者は照明、アングル、物体の配置などの要素を正確に制御した画像を生成できます。その結果、実世界のデータよりもモデルのトレーニングに柔軟性を持たせられます。

合成データは、実世界のデータ収集が困難または不可能な場合に特に役立ちます。例えば、走る、しゃがむ、横になるなど、さまざまな姿勢の人物を認識するモデルをトレーニングするには、多様な設定、アングル、照明条件で何千枚もの写真を撮影する必要があります。

一方、合成データを使えば、開発者はこうしたバリエーションを正確なラベル付きで簡単に生成できるため、時間と労力を節約しながらモデルのパフォーマンスを向上させられます。

図1. さまざまな人物のポーズと照明バリエーションを含む合成データセット（出典）。

AIにおける合成データと実データの比較#

次に、合成データと実データの違いを詳しく見ていきましょう。AIモデルのトレーニングに関して、どちらにもメリットとデメリットがあります。

例えば、合成データは実データの収集が難しい場合に便利ですが、実生活で見られる細かなディテールをすべて捉えられるとは限りません。一方、実データはより本物に近いものの、入手が難しく、ラベル付けに時間がかかり、あらゆる状況を網羅できない可能性があります。

合成データと実データを組み合わせることで、開発者は両方の長所を活かせます。このバランスにより、AIモデルはより正確に学習し、さまざまなシナリオへの汎化性能を高め、バイアスを低減できます。

図2. AIにおける合成データと実データの比較。画像：著者。

コンピュータービジョンモデル向けデータ生成の概要#

3Dツールによる仮想世界の構築から生成AIを使った画像生成まで、コンピュータービジョンモデル用の合成トレーニングデータを作成するために使われる一般的な手法を紹介します。

• 3Dモデリング：開発者は3Dソフトウェアを使ってデジタルオブジェクトやシーンを作成します。これにより、照明、カメラアングル、物体の配置などを完全に制御でき、人物、車両、環境のリアルな画像を生成するのに役立ちます。
• シミュレーション：物理ベースのエンジンを使って、交通や工場環境などの現実世界の状況を再現します。シミュレーションは、ロボティクスや自動運転車などの分野で、安全にトレーニングデータを生成するのに役立ちます。
• 敵対的生成ネットワーク：GANsは、2つのネットワークで構成されるディープラーニングモデルの一種です。一方が画像を生成し、もう一方が画像を評価します。両者が連携することで、実例から学習し、人間の顔や街の風景など、非常にリアルな画像を生成します。
• プロシージャル生成：この手法では、事前定義されたルールや数学モデルを使って、地形、建物、テクスチャなどの複雑なビジュアル構造を自動生成します。ゲームやシミュレーションプラットフォームでよく使われ、最小限の人手で大規模かつ多様なデータセットを生成できます。
• ドメインランダム化：合成シーン内の照明、色、物体の形状などをランダムに変更できます。この手法の目的は、モデルが本当に重要な要素に集中できるようにし、現実世界の環境への適応性を高めることです。

図3. データ例：（a）3Dモデルベース、（b）合成マルチオブジェクトシーン、（c）実データセットの画像（出典）。

合成データを使ったビジョンAIモデルのトレーニング#

ここまで合成データの作成に使われるさまざまな手法を説明しました。次に、AIモデルのトレーニングでどのように使われるのかを見ていきましょう。

生成された合成データは通常、実世界のデータと同じ方法でトレーニングパイプラインに直接統合できます。一般的に、物体ラベル、バウンディングボックス、セグメンテーションマスクなどの必要なアノテーションが含まれているため、手動でラベル付けすることなく、モデルがラベル付きの入力と出力のペアから学習する教師あり学習タスクに利用できます。

トレーニング中、モデルは合成画像を処理し、特徴の検出、パターンの認識、物体の分類を学習します。このデータは、モデルの初期バージョンをゼロから構築したり、既存のデータセットを拡充したりするために使用でき、モデルのパフォーマンス向上に役立ちます。

多くのワークフローでは、合成データを事前トレーニングにも使用し、実世界のサンプルでファインチューニングする前に、モデルに幅広い基礎知識を与えます。同様に、さまざまな照明条件、アングル、稀な物体クラスなど、制御されたバリエーションを導入してデータセットを拡張し、汎化性能を高め、過学習を低減するためにも使われます。

合成データと実データを組み合わせることで、チームは幅広い条件で優れた性能を発揮する、より堅牢なモデルをトレーニングできます。同時に、時間とコストのかかる手動データ収集への依存も減らせます。

コンピュータービジョンにおける合成データの実世界での応用#

合成データがより実用的で利用しやすくなるにつれて、さまざまな実世界のビジョンAIユースケースで採用され始めています。合成データが活用されている、特に大きな影響をもたらすコンピュータービジョンの応用を見ていきましょう。

自動運転車の物体検出に合成データを利用する#

自動運転車に安全な走行を教えるには、稀な状況や危険な状況を含む、幅広いシナリオでモデルをトレーニングする必要があります。しかし、こうしたエッジケースの実世界データを収集するのは難しく、ときには安全ではありません。合成データを使えば、モデルが困難な状況で物体を検出できるように学習するシーンを作成できます。また、さまざまなセンサー構成を模倣することもできます。すべての自動運転車が同じハードウェアを使っているわけではないため、これは有用です。

NVIDIAのDRIVE Simプラットフォームは、その好例です。フォトリアルな3Dモデル、仮想環境、センサーシミュレーションを使って、高品質な合成データを作成します。また、1枚の画像から複数の運転アングルの画像を生成することもできます。このような合成データを使うことで、高価な実世界テストの必要性を減らしながら、モデルが効果的に学習するために必要な多様性を提供できます。

図4. 1枚の画像から複数の運転視点を作成（出典）。

合成データによる医用画像AIのバイアス低減#

物体検出やインスタンスセグメンテーションなどのタスクを支援するUltralytics YOLO11のようなコンピュータービジョンモデルは、医用画像アプリケーション向けにカスタムトレーニングできます。しかし、実世界のトレーニングデータには、すべての人口統計グループの患者が十分に含まれていない可能性があるため、バイアスが含まれることがよくあります。

例えば、皮膚がんは肌の色が濃い人では診断される頻度が低く、その集団に関するデータが限られています。この不均衡は、特に組織病理学、胸部X線、皮膚科などの分野で、誤診や不平等な医療結果につながる可能性があります。

合成画像は、このデータのギャップを埋めるための一歩を踏み出す役割を果たします。さまざまな組織異常、幅広い肺疾患、異なる種類の病変を持つ多様な肌の色など、追加の多様なサンプルを生成することで、合成データは十分に代表されていないグループ全体でのモデルのパフォーマンス向上に役立ちます。

研究者は現在、こうした目的を支援する合成データセットの開発と検証に取り組んでいます。また、実際の患者記録に頼ることなく、合成データを医療ツールのテストや治療戦略の検証に利用する方法も検討しています。これにより、患者のプライバシーを守りながら研究の加速を支援できます。こうした取り組みを通じて、合成データはより包括的で正確かつ倫理的な医療AIシステムへの道を切り開いています。

精密農業向けの合成データで農業AIを進化させる#

農業アプリケーション向けのビジョンAIシステムの構築には、大量のラベル付きデータへのアクセスが必要です。しかし、作物、病害、圃場の状態に関する画像の収集とラベル付けは遅く、コストもかかります。また、天候、生育期、特定の地域へのアクセスの難しさなどによる制約も受けます。

こうした課題により、植物の病気の検出、作物のモニタリング、収量予測などのタスクに対応できるようコンピュータービジョンモデルをトレーニングすることが難しくなります。そこで合成データが役立ちます。さまざまな農業環境を模倣し、有用なトレーニングサンプルを生成できるためです。

図5. 病害検出の向上に向けた合成画像の利用（出典）。

主なポイント#

合成データの利用は、AIモデルのトレーニングにおける重要な前進であり、特に実世界のデータが限られている、または入手が難しい分野のコンピュータービジョンシステムで有効です。高価で時間がかかり、プライバシーに関する懸念も生じ得る実際の写真や動画だけに頼るのではなく、合成データを使えば、現実的でラベル付きの画像を必要なときに生成できます。

これにより、自動運転、病害検出、作物モニタリングなどのタスク向けに、ビジョンAIモデルをより簡単にトレーニングできます。AIが進化し続ける中、合成データはイノベーションの加速と、さまざまな業界におけるアクセシビリティの向上で、さらに大きな役割を果たすことが期待されます。

AIについてさらに詳しく知りたい方は、当社のGitHubリポジトリをご覧いただき、成長を続けるコミュニティにご参加ください。自動運転車におけるAIや農業におけるコンピュータービジョンなどのアプリケーションがもたらす影響をご確認ください。ライセンスの選択肢を検討し、ビジョンAIプロジェクトを実現しましょう。