في عالم الذكاء الاصطناعي ورؤية الكمبيوتر، تعتبر البيانات الاصطناعية وسيلة فعالة لتجاوز عقبة التصنيف اليدوي. ولكن، لا يزال التكيف بين البيانات الاصطناعية (synthetic) والواقعية (real) يمثل تحدياً كبيراً. فمن الضروري تحسين المتغيرات المستخدمة في العرض لتقليل الفجوة بين العالمين.

تقدّم دراسة حديثة تحليلاً شاملاً لتأثير تكوينات الإضاءة وتعقيد الخلفيات على أداء كشف الكائنات. حيث تم تقديم نظام مبتكر يحمل اسم SmartSDG، وهو خط أنابيب أوتوماتيكي وقابل للتكرار مُبني على منصة NVIDIA Isaac Sim، ويعتمد على الإضاءة ذات الأساس الفيزيائي (Physically-Based Shading).

بالإضافة إلى ذلك، تم تقديم مجموعة بيانات جديدة تُعرف باسم ILLUM_INTRUCK، التي تُعنى بالاختبارات الصناعية متعددة الكائنات. من خلال 18 تجربة مضبوطة باستخدام نموذج YOLOv12 المتطور، أظهرت النتائج أن تكوينات الإضاءة المعقدة، عند دمجها مع تنوع الخلفيات ذات الصلة، تساهم في زيادة غنى المؤشرات المرئية.

تتضمن النتائج الكمية أن تجنب القمم اللامعة المباشرة يحافظ على نصوع أسطح الكائنات، مما يقلل من الفجوة بين المجالات، ويخفف من الحالات الإيجابية الخاطئة، وتسريع تقارب النموذج مقارنة باستخدام بيانات اصطناعية مضاءة بشكل مباشر. في النهاية، تقدم الدراسة إرشادات عملية لتصميم المشاهد الافتراضية لتعزيز قوة الكشف عن الكائنات في أتمتة الصناعة.