Главная / Блог / Синтетические данные / Экономика синтетических данных: где реальная экономия

Экономика синтетических данных: где реальная экономия

Разговоры об экономии на синтетике часто остаются лозунгом. Раскладываем стоимость датасета по статьям, показываем, где именно возникает выигрыш, и как посчитать точку безубыточности для своей задачи.

Сначала честно: синтетика не всегда дешевле

Если вы слышите, что синтетические данные всегда дешевле реальных, относитесь к этому с осторожностью. Для небольшого проекта, где нужно двести кадров простого объекта, разумнее взять телефон, снять и разметить. Рендер потребует подготовки моделей, сцен и настроек, и эти затраты не окупятся на малом объёме.

Экономия возникает при определённых условиях: большие объёмы, сложная разметка, редкие объекты, необходимость в повторяющихся обновлениях датасета. Чтобы понять, попадает ли ваша задача в эту зону, нужно разложить стоимость на составляющие и сравнить структуру затрат в обоих подходах.

Из чего складывается стоимость реального датасета

Полная стоимость реального набора складывается из нескольких блоков, и обычно люди видят лишь верхушку.

Организация съёмки: доступ к объектам и площадке, время сотрудников, оборудование, выезды.
Сбор и отбор: фильтрация дублей, нерелевантных и испорченных кадров.
Разметка: основной по объёму блок. Рамки быстрее, маски сегментации и ключевые точки значительно медленнее.
Контроль качества: вторая пара глаз, выборочные проверки, исправления.
Переделки: изменение правил разметки в середине проекта нередко означает повторную разметку части кадров.
Хранение, обработка и обеспечение приватности: обезличивание, согласования, юридическая работа.
Время ожидания: пока собирается нужное число редких примеров, проект стоит.

Ключевая особенность: большинство этих затрат растёт почти линейно с числом кадров. Удвоили объём, удвоили бюджет. Масштаба, который снижал бы цену единицы, практически нет.

Из чего складывается стоимость синтетического датасета

Структура другая и включает значительную постоянную часть.

Подготовка 3D-моделей объектов: из CAD клиента, из фотограмметрии или моделирование с нуля. Обычно самая трудоёмкая часть, но делается один раз на объект.
Материалы и освещение: настройка реалистичных поверхностей и наборов HDRI.
Проектирование сцен и правил рандомизации: логика расстановки, фоны, дистракторы, камеры.
Настройка выходных форматов и разметки.
Вычислительное время на рендеринг: переменная часть, зависит от разрешения, сложности сцены и числа кадров.
Итерации: подстройка по результатам проверки на реальных кадрах.

Важно, что разметка не появляется отдельной строкой. Маски, рамки, глубина и ключевые точки вычисляются из сцены автоматически. Это главный источник экономии на сложных видах аннотаций, подробнее о которых можно прочитать на странице Разметка: маски и баундинг-боксы.

Точка безубыточности

Если упростить, то стоимость реального набора из N кадров выглядит как N умноженное на стоимость одного размеченного кадра, а синтетического как фиксированная подготовка плюс N умноженное на небольшую стоимость рендера и контроля. Тогда безубыточность наступает при

N* = Фиксированные затраты синтетики / (стоимость реального кадра минус стоимость синтетического кадра).

Рассмотрим условный расчёт в относительных единицах, чтобы продемонстрировать логику без привязки к ценам.

Параметр	Реальный набор	Синтетический набор
Фиксированные затраты	0	300 единиц
Стоимость одного кадра с масками	1,5 единицы	0,05 единицы
Затраты на 1 000 кадров	1 500	350
Затраты на 10 000 кадров	15 000	800
Затраты на 50 000 кадров	75 000	2 800

Числа условные и служат иллюстрацией механики. В этом примере безубыточность наступает примерно на двухстах кадрах, а при увеличении объёма разрыв растёт. Для простой рамочной разметки реальная стоимость кадра ниже, и безубыточность сдвинется к большим объёмам. Для масок и ключевых точек, наоборот, смещается к меньшим.

Чем сложнее разметка и чем больше объём, тем сильнее выигрыш. Чем проще объект и меньше датасет, тем ближе подходы по цене.

Точные расценки для вашей задачи зависят от сложности моделей и объёма, ориентиры можно найти на странице Цены.

Где экономия самая заметная

Сложная разметка

Сегментационные маски, ключевые точки, карты глубины, оценка позы. Для реальных данных каждая такая аннотация дорога, для рендера практически бесплатна.

Большие объёмы

Фиксированная часть расходов размазывается по десяткам тысяч кадров, и стоимость единицы падает. Поэтому мы говорим, что технология раскрывается именно на больших датасетах.

Редкие и несуществующие объекты

Не нужно ждать, пока случится событие, и не нужно останавливать производство ради съёмки. Экономия измеряется не только деньгами, но и временем выхода на рынок.

Повторные итерации

Требования меняются: добавился класс, изменилась камера, нужны ночные кадры. С реальными данными это новая съёмка и новая разметка. С синтетикой это изменение параметров и повторный запуск генерации, а модели объектов переиспользуются.

Закрытые и чувствительные среды

Если съёмка требует допусков, согласований, остановки процесса или обезличивания персональных данных, то стоимость организации съёмки может превышать стоимость разметки. Рендер эти издержки снимает.

Где экономии нет

Для объективности перечислим и обратное.

Малые объёмы простых задач. Подготовка не окупается.
Сильно органические объекты с огромной вариативностью формы: моделирование дорого, а разрыв доменов значителен.
Задачи, где главное внешнее разнообразие незнакомых сцен. Тут реальная съёмка в разных местах даёт то, что рендер не повторит.
Ситуации, где нужна подстройка под камеру и условия, а модель объекта получить нельзя ни по чертежам, ни по фотографиям.

И ещё один скрытый пункт: во всех случаях сохраняется потребность в небольшой реальной выборке для проверки и финальной настройки. Это не отменяет экономии, но закладывать её в бюджет нужно. Как правильно комбинировать, см. Смешивание синтетики и реальных данных.

Скрытые статьи, которые забывают посчитать

При сравнении подходов часто упускают то, что не видно в первой смете.

Стоимость ошибок разметки: шумные аннотации ухудшают модель, а значит, увеличивают число итераций и объём нужных данных.
Стоимость задержки: чем дольше нет работающей модели, тем дольше процесс остаётся ручным.
Стоимость юридических рисков: хранение изображений людей и закрытых объектов.
Стоимость сопровождения: когда набор нужно регулярно обновлять, разовая цена сменяется постоянной.
Стоимость переделок из-за изменённых правил разметки.

Для синтетики часть из них снижается автоматически, но появляется другая статья: итерации по сокращению domain gap. О ней стоит помнить и закладывать две-три итерации проверки на реальных кадрах.

Время как часть экономики

Деньги не единственная валюта. Сроки в проектах по компьютерному зрению нередко важнее. Сбор нескольких десятков тысяч реальных кадров с разметкой масками занимает недели и месяцы, даже при параллельной работе команды. Синтетический набор того же объёма выпускается в разы быстрее после подготовки моделей, а пробная партия нередко готова за короткий срок.

Это влияет на экономику напрямую. Раньше запущенная модель раньше заменяет ручной труд: контролёров, сортировщиков, операторов просмотра видео. Каждая неделя задержки означает неполученную экономию на самом процессе. Для новой продукции есть и косвенный эффект: датасет, готовый до запуска линии, позволяет вывести систему контроля одновременно с производством, а не спустя месяцы.

Включайте этот фактор в расчёт: сравнивайте не только стоимость наборов, но и стоимость простоя без модели за время, необходимое каждому подходу.

Как посчитать экономику на своей задаче

Практичная процедура без сложных моделей:

Определите нужный объём и вид разметки (рамки, маски, ключевые точки).
Оцените стоимость одного размеченного кадра в реальном варианте: время на съёмку, время на разметку, проверка, переделки.
Умножьте на объём и добавьте стоимость организации съёмки.
Запросите у поставщика оценку синтетического набора такого же объёма, включая подготовку моделей.
Сравните итоговые суммы и сроки, добавив в оба варианта небольшую реальную выборку для проверки.
Проверьте гипотезу на тестовом датасете, прежде чем заказывать полный объём.

Последний шаг позволяет снизить риск: пробная партия показывает, подходит ли подход вашей задаче, ценой лишь малой доли полного бюджета. Общую картину технологии и этапы работы вы найдёте в разделах Технология и Как мы работаем. Если хотите получить расчёт под вашу задачу, пришлите описание объекта, нужную разметку и ориентировочный объём на [email protected].

Нужен датасет под вашу задачу?

Подготовим тестовую партию изображений с разметкой, чтобы вы могли проверить подход на своей модели. Напишите на [email protected] или оставьте заявку.