AR 中的边界框注释通过使用矩形框勾画对象轮廓来实现精确的物体检测。这有助于 AR 系统实时识别、跟踪现实世界中的物体并与之交互，从而改进游戏、零售、导航和工业培训中的应用。
AR 中的语义分割会分配像素级标签来区分对象、表面和背景，从而实现精确的数字叠加和现实世界的互动。这通过改善物体识别、遮挡处理和空间感知，增强了游戏、零售、导航和工业培训中的 AR 应用。
多边形注释可精确勾勒出不规则形状的轮廓，从而实现精确的 AR 对象叠加。这通过确保数字元素与现实世界对象无缝对齐，改进游戏、零售、设计和培训中的应用来增强真实感。
Unitlab 支持图像、视频、同步相机视图、音频、文本、文档、地理空间影像和关联传感器记录。
可以。相关视图可在共享时间上下文中分组，使目标、动作和场景属性保持一致。
团队可使用边界框、多边形、分割、关键点、目标轨迹、分类、属性、关系和时间标签。
本体、属性、关系、事件标签和序列上下文可表示跨模态目标、动作与交互。
团队可搜索、筛选、去重、平衡和版本化空间数据，再将选定数据送入标注与质量保证。
内置和自有模型可预标注受支持的数据，由审查者验证并修正预测。
逐帧时间线、关键帧、时间范围、跟踪和同步播放支持长时间会话与序列。
指南、受控本体、角色、问题、返工、审批和历史记录帮助团队统一空间标签。
Unitlab 支持大型数据集、关联模态、数据集版本、协作以及程序化上传和导出。
