com.unity.perception

收录理由

计算机视觉团队在训练模型时常常卡在数据上：真实场景的采集和标注成本高、周期长，很难凑齐足够多的带标签样本。这个Unity包提供了一条替代路径，直接在模拟场景里生成合成数据集。你可以在编辑器中摆放好带标签的物体，自动拍摄RGB图像，同时输出边界框、分割掩码、姿态或关键点等真值；再配合域随机化，每次拍摄时自动变换光照、材质和物体位置，让生成的数据更贴近真实世界的多样性。导出的数据遵循SOLO格式，可以转换成COCO，也能接入Voxel51这类工具先做质量检查，再喂给已有的机器学习流程，衔接比较顺畅。需要注意的是，Unity已经停止维护这个项目，官方不再提供支持，后续只能依赖社区分支和GitHub issue。不过对于已经使用Unity的团队来说，它仍然是一份扎实的参考实现，用来搭建自己的合成数据流水线是个不错的起点。