利用主动机器学习进行质量保证：汽车工业中虚拟汽车渲染的案例研究

汽车模型的计算机生成图像已成为汽车制造商广告概念中不可或缺的一部分。例如，它们被用于汽车配置器中，为客户提供根据个人偏好在线配置汽车的可能性。然而，由于汽车模型的复杂性日益增加，人工主导的质量保证面临着跟上大批量视觉检查的挑战。尽管机器学习在许多视觉检查任务中的应用已展现出巨大成功，但其对大量标注数据集的需求仍是在实践中使用此类系统的核心障碍。在本文中，我们提出了一种基于主动机器学习的质量保证系统，该系统只需显著减少的标注实例即可识别有缺陷的虚拟汽车渲染，且不牺牲性能。通过在一家德国汽车制造商处部署我们的系统，可以克服启动初期的困难，提高检查过程的效率，从而实现经济优势。