多模态数据标注的统一标签接口
通过共享上下文、同步视图和一致的标注工作流程，在单个标签界面中一起标注多种数据类型。
多模态标注平台
面向 AI 训练数据的多模态标注平台
通过共享本体、关系和审核工作流程，在一个受管理的工作区中对连接的图像、视频、音频、文本、文档和传感器数据进行标注。
多模态标注功能
复杂多模态标注所需的一切
使用数据组、文件名模式和自定义布局将相关图像、视频、音频、文本和文档文件组织到一个受管案例中。
动态布局
将相关图像、PDF、音频和其他文件排列到每个分组工作流程的可调整大小的自定义面板中。
高级本体
跨模式一致地定义共享类、嵌套属性和结构化元数据。
自动分组
自动将相关的多模态数据分组到统一的标注任务中，以进行同步标记和审核。
多机位数据4 角度视图
多机位标注
标注一项机器人任务的四个摄像机视图，以跟踪机器人、夹具、纸箱和托盘穿过工作单元。
四个摄像头视图共享任务上下文
跨模态标注
在同一数据集或任务中跨不同模式标记和连接信息。
为什么 AI 团队选择 Unitlab 进行多模态标注
通过人工智能辅助自动化、可扩展的工作流程和更低的运营成本，更快地标注复杂的多模式数据集。
15×
更快完成多模态数据标注
统一标注工具和自动化工作流减少手动多模态标注工作。
90%
多模态自动标注
平均而言，90% 的多模态标签会自动预标注，然后由人工审核和修订。
10×
降低训练数据成本
通过自动化数据筛选、标注和质检，单个已验收标签的成本最多可降低 10×。
支持的多模式标注类型
所有多模式标注类型 在一个平台上。
在分组图像、视频、音频、文本、PDF 和医学查看器以及案例级别的项目属性和关系中使用兼容的本机标注类型。
01
边界框
在支持的视觉查看器中标记矩形区域；跟踪仅适用于兼容的视频序列。
02
分割
在兼容的图像、视频或医学查看器中创建像素精确的蒙版。
03
多边形
在兼容的视觉查看器中勾勒出不规则区域的轮廓，包括支持的文档标记。
04
音频事件/范围
在本机音频查看器中标记声音事件或时间范围、分段扬声器以及转录语音。
05
线/折线
在兼容的本机查看器中跟踪路径、边缘和文档标记。
06
实体/跨度
标记实体和跨度，然后将它们与本机文本查看器中本体支持的关系连接起来。
07
本机文本选择
当 PDF 审阅需要空间上下文时，本地选择文档文本并添加兼容的视觉标记。
08
项目属性
标记来源、严重性、质量以及描述分组案例的其他属性。
09
关系
使用显式关系连接整个案例中的证据、实体和兼容标注。
多模态标注质量保障
为每项多模态标注建立质量检查。
比较相互关联的数据项中的标签，与已批准的参考答案核对，并在各原始视图中解决问题。每项质量决策都与原始数据保持关联。
多模态标注共识校验
比较独立完成的多模态标注，检查标签、属性和关系的分歧，并在批准前解决。
多模态原始数据对比一致性检查分歧审核
质量关卡（隐藏基准）
将多模态标签与对标注员隐藏的已批准参考答案比较，并根据设定的质量标准评估提交结果。
验证与问题解决
在各原始视图中检查必填属性缺失及属性与关系问题，修正相关标签，并在批准前处理审核反馈。
多模态质检分析
追踪参考基准结果、共识情况和审核决策。识别相互关联的数据项中的重复问题，确定审核优先级。
基准结果审核结果
多模式数据集管理和标注工作流程
管理多模式数据并自动化标注工作流程。
搜索、版本控制和检查多模式数据集，连接 AI 模型，并通过审核和批准移动标注。
数据集版本
随着多模式数据的发展，创建和管理数据集版本。跟踪更改、分配工作并使每个版本保持可审核和生产就绪状态。
语义搜索
搜索混合源案例并为一次查询返回一致的图像、文档、音频、文本或视频证据。
嵌入视图
在训练之前检查支持的案例或资产级集群、相似样本、异常值和质量问题。
集成工作流程
通过本机视图标注、案例审查、质量保证、返工和发布来路由分组任务，同时保留上下文。
带上您的多式联运模型
连接您自己的 AI 模型以进行预标记和模型辅助标注。提高现实世界多模式数据集的准确性并更快地迭代。
解决方案
面向关联 AI 数据的多模态标注方案
将相关视角、录音录像、文档与指令纳入同一标注工作流，构建经过审核的数据集。
视觉质量检测
结合相关工序记录与说明审核检测图像，标注可见缺陷，为视觉检测准备一致的训练数据。
Explore visual quality inspection →
机器人示范数据集
结合多摄像头视角、对象标注和指令上下文，对记录的机器人任务进行标注，为具身 AI 准备数据集。
Explore robot demonstration datasets →
视听声源定位
在相关录音录像中标记可听见的事件及其可见声源，准备经过审核的视听训练数据集。
Explore sound localization →
文档视觉问答
结合原文依据、明确的答案字段与人工审核，准备面向文档理解模型的文档问答对。
Explore document visual question answering →What multimodal annotation types does Unitlab support?+
在视觉查看器中使用框、蒙版、多边形和线条；音频中的音频事件、范围、分段和转录；文本中的实体、跨度和关系； PDF 中的本机文本选择和兼容的视觉标记；加上分组案例上下文的项目属性和关系。
标注文档How do Data Groups keep related multimodal files together?+
文件名模式可以将相关上传分组到数据组中。该组成为一个可分配的案例，并且可配置的布局通过其兼容的本机查看器呈现每个文件。
多模态标注文档How do active and passive panels work in a multimodal layout?+
一个活动面板托管所选文件的兼容本机编辑器。被动面板保留同一案例中受支持的上下文，而无需进行标注或编辑。
多模式布局文档How do shared ontologies and case properties work?+
共享项目本体定义了类、分类、属性和支持的关系。项目属性可以捕获案例级别上下文，同时文件标注与每个本机查看器保持兼容。
属性和关系文档How does Unitlab manage multimodal annotation quality and review?+
可配置的工作流程通过标注、审查、返工和批准来路由多模式任务。说明、作业、评论、问题、标注历史记录、数据集版本和发布使个别专家和企业团队的质量决策保持可追溯性。
标注和审查文档Can teams use their own AI models for multimodal pre-labeling?
是的。 Unitlab 可以将自定义模型引入标注工作流程以生成预标签和预测。标注者审查并纠正模型输出，而不是从零开始，而人工批准仍然是受控质量流程的一部分。
模型集成文档Can Unitlab curate, annotate, and version multimodal datasets in one platform?
是的。团队可以使用元数据过滤器、语义搜索、嵌入、相似性和异常值发现来管理多模式数据，然后标注选定的样本、审查结果并发布受控数据集版本以进行可重复的人工智能开发。
数据集管理文档
