PhotoRoom, via une publication sur le blog de Hugging Face, a détaillé sa stratégie de données pour l’entraînement de ses modèles d’intelligence artificielle, soulignant l’importance capitale de la qualité et de la diversité des ensembles de données.
L’entreprise, spécialisée dans l’édition d’images, s’appuie sur une approche tripartite pour construire des modèles robustes. Elle génère d’abord des données synthétiques, une méthode privilégiée pour son contrôle précis des attributs et sa capacité à réduire les biais. Cette approche est également scalable et rentable pour des tâches spécifiques comme la création de masques de segmentation ou la simulation de conditions d’éclairage.
En complément, PhotoRoom intègre des données du monde réel, issues de jeux de données publics ou sous licence. Cette source présente des défis significatifs, notamment en termes de qualité, de biais inhérents et de complexités de licence, nécessitant un nettoyage et une curation rigoureux. L’annotation humaine est également cruciale pour affiner les données synthétiques et corriger les imperfections des données réelles, gérant les cas limites complexes.
Cette stratégie s’inscrit dans un cycle itératif continu, où des modèles améliorés contribuent à générer des données de meilleure qualité, qui à leur tour permettent d’entraîner des modèles encore plus performants, visant une amélioration constante des capacités d’édition d’images.
Source : HuggingFace Blog