在矩阵中驾驶：虚拟世界能否替代人工标注用于现实世界任务？

深度学习已迅速改变了用于解决计算机视觉和机器人学中各种问题的最先进算法。这些突破依赖于大量人工标注的训练数据。这一耗时的过程已开始阻碍这些深度学习工作的进展。本文描述了一种方法，利用来自仿真引擎的照片级逼真计算机图像，快速生成可用于训练机器学习算法的标注数据。我们证明，在 KITTI 数据集上进行车辆检测测试时，仅使用这些合成标注训练的最先进架构，其性能优于使用人工标注的真实世界数据训练的相同架构。通过在丰富的虚拟世界中训练机器学习算法，可以使用合成数据学习和分类真实场景中的真实物体。这种方法为加速深度学习在基于传感器的分类问题（如自动驾驶汽车中出现的问题）中的应用提供了可能。本文所述用于训练和验证网络的源代码及数据已提供给研究人员。