Un cocinero que aprende a cocinar con dibujos corre el riesgo de arruinar cada plato. La misma trampa le espera a la visión por computadora: los modelos necesitan miles de imágenes etiquetadas, pero recopilarlas manualmente es costoso y tedioso. Las imágenes sintéticas resuelven el problema, solo si se ven realistas. La herramienta GraNatPy evalúa la verosimilitud: una métrica, como un exigente catador, verifica la suavidad de las transiciones de brillo en los bordes de los objetos. Otra — entropía — se encarga de que el conjunto no sea monótono y las imágenes resulten variadas. Si la semejanza falla, el programa sugiere qué mejorar: fotometría (iluminación) y espectroscopia (color). Un giro inesperado: un modelo entrenado solo con estas imágenes mejoradas reconoce detalles con mayor precisión que con imágenes reales. El agente SynthClaw busca automáticamente la receta perfecta del engaño visual, probando incansablemente cientos de variantes.
Los virólogos cuentan manualmente las placas en las cajas de Petri — zonas muertas causadas por virus del tamaño de la punta de un bolígrafo. Un error de incluso una placa conduce a un diagnóstico erróneo. Las imágenes sintéticas reducen el costo del entrenamiento del modelo cien veces y hacen que el recuento sea impecable.