다중 모드 데이터 주석을 위한 통합 라벨링 인터페이스
공유 컨텍스트, 동기화된 보기 및 일관된 주석 작업 흐름을 통해 단일 레이블 지정 인터페이스에서 여러 데이터 유형에 함께 주석을 답니다.
다중 모드 주석 플랫폼
AI 학습 데이터를 위한 멀티모달 어노테이션 플랫폼
공유 온톨로지, 관계 및 검토 워크플로우를 통해 하나의 관리되는 작업 공간에서 연결된 이미지, 비디오, 오디오, 텍스트, 문서 및 센서 데이터에 주석을 답니다.
신용 카드가 필요하지 않습니다
다중 모드 주석 기능
복잡한 다중 모드 주석에 필요한 모든 것
데이터 그룹, 파일 이름 패턴 및 사용자 정의 레이아웃을 사용하여 관련 이미지, 비디오, 오디오, 텍스트 및 문서 파일을 하나의 관리 케이스로 구성합니다.
동적 레이아웃
그룹화된 각 작업 흐름에 대해 관련 이미지, PDF, 오디오 및 기타 파일을 크기 조정이 가능한 사용자 정의 패널로 정렬합니다.
고급 온톨로지
양식 전반에 걸쳐 공유 클래스, 중첩 속성 및 구조화된 메타데이터를 일관되게 정의합니다.
자동 그룹화
동기화된 라벨링 및 검토를 위해 관련 다중 모드 데이터를 통합 주석 작업으로 자동 그룹화합니다.
다중 카메라 데이터4각도
다중 카메라 주석
작업 셀 전체에서 로봇, 그리퍼, 상자 및 팔레트를 따라가기 위해 하나의 로봇 작업에 대한 4개의 카메라 뷰에 주석을 추가합니다.
4개의 카메라 뷰공유 작업 컨텍스트
크로스 모달 주석
동일한 데이터 세트 또는 작업 내의 다양한 양식에 걸쳐 정보에 레이블을 지정하고 연결합니다.
AI 팀이 다중 모드 주석을 위해 Unitlab을 선택하는 이유
AI 지원 자동화, 확장 가능한 워크플로우 및 운영 비용 절감을 통해 복잡한 다중 모드 데이터 세트에 더 빠르게 주석을 추가합니다.
15×
더 빠른 멀티모달 데이터 어노테이션
통합 라벨링 도구와 자동화된 워크플로가 수동 멀티모달 어노테이션 작업을 줄입니다.
90%
멀티모달 어노테이션 자동화
평균적으로 90%의 멀티모달 라벨이 자동으로 사전 라벨링된 후 사람이 검토하고 수정합니다.
10×
학습 데이터 비용 절감
큐레이션, 어노테이션, QA를 자동화하면 승인된 라벨당 비용을 최대 10× 낮출 수 있습니다.
지원되는 다중 모드 주석 유형
모든 다중 모드 주석 유형 하나의 플랫폼에서.
그룹화된 이미지, 비디오, 오디오, 텍스트, PDF 및 의료 뷰어 전반에 걸쳐 호환되는 기본 주석 유형과 사례 수준의 항목 속성 및 관계를 사용합니다.
01
경계 상자
지원되는 시각적 뷰어에서 직사각형 영역을 표시합니다. 추적은 호환되는 비디오 시퀀스에만 적용됩니다.
02
분할
호환되는 이미지, 비디오 또는 의료 뷰어에서 픽셀 단위의 정확한 마스크를 만듭니다.
03
다각형
지원되는 경우 문서 마크업을 포함하여 호환되는 시각적 뷰어에서 불규칙한 영역의 윤곽을 그립니다.
04
오디오 이벤트/범위
기본 오디오 뷰어에서 사운드 이벤트 또는 시간 범위에 라벨을 지정하고, 화자를 분류하고, 음성을 텍스트로 변환합니다.
05
라인/폴리라인
호환되는 기본 뷰어에서 경로, 가장자리 및 문서 마크업을 추적합니다.
06
엔터티/스팬
엔터티와 범위를 표시한 다음 기본 텍스트 뷰어에서 온톨로지 기반 관계와 연결합니다.
07
기본 텍스트 선택
PDF 검토에 공간적 맥락이 필요한 경우 기본적으로 문서 텍스트를 선택하고 호환 가능한 시각적 마크업을 추가하세요.
08
아이템 속성
그룹화된 사례를 설명하는 소스, 심각도, 품질 및 기타 속성에 라벨을 붙입니다.
09
관계
명시적 관계를 사용하여 사례 전반에 걸쳐 증거, 엔터티 및 호환 가능한 주석을 연결합니다.
멀티모달 어노테이션 품질 보증
모든 멀티모달 어노테이션에 품질 검증을 적용하세요.
동일한 연결된 데이터 항목의 라벨을 비교하고 승인된 기준 답안과 대조하며 각 원본 뷰에서 문제를 해결하세요. 모든 품질 판단을 원본 데이터와 연결해 추적합니다.
멀티모달 어노테이션 합의 검증
독립적으로 작성된 멀티모달 어노테이션을 비교하세요. 라벨, 속성, 관계의 불일치를 검토하고 승인 전에 해결합니다.
멀티모달 원본 비교일치도 검사이견 검토
품질 게이트(숨겨진 기준 답안)
어노테이터에게 숨겨진 승인 기준 답안과 멀티모달 라벨을 비교하세요. 설정된 품질 기준에 따라 제출물을 평가합니다.
검증 및 이슈 해결
각 원본 뷰에서 누락된 필수 속성과 속성·관계 오류를 확인하세요. 관련 라벨을 수정하고 승인 전에 검토 의견을 해결합니다.
멀티모달 QA 분석
기준 답안 결과, 합의 수준, 검토 결정을 추적하세요. 연결된 데이터 항목의 반복 문제를 파악해 검토 우선순위를 정합니다.
기준 답안 결과검토 결과
다중 모드 데이터 세트 큐레이션 및 주석 작업 흐름
다중 모드 데이터를 선별하고 주석 작업 흐름을 자동화합니다.
다중 모드 데이터 세트를 검색, 버전 지정 및 검사하고, AI 모델을 연결하고, 검토 및 승인을 통해 주석을 이동합니다.
데이터 세트 버전
다중 모드 데이터가 발전함에 따라 데이터 세트 버전을 생성하고 관리합니다. 변경 사항을 추적하고, 작업을 할당하고, 모든 버전을 감사 가능하고 생산 준비 상태로 유지하세요.
의미 검색
소스가 혼합된 사례를 검색하고 하나의 쿼리에 대해 일관된 이미지, 문서, 오디오, 텍스트 또는 비디오 증거를 반환합니다.
임베딩 뷰
훈련 전에 지원되는 사례 또는 자산 수준 클러스터, 유사한 샘플, 이상값 및 품질 문제를 검사합니다.
통합 워크플로
컨텍스트를 유지하면서 기본 보기 주석, 사례 검토, 품질 보증, 재작업 및 릴리스를 통해 그룹화된 작업을 라우팅합니다.
다중 모드 모델 가져오기
사전 라벨링 및 모델 지원 주석을 위해 자체 AI 모델을 연결하세요. 실제 다중 모드 데이터 세트에서 정확도를 높이고 더 빠르게 반복합니다.
솔루션
연결된 AI 데이터를 위한 멀티모달 어노테이션
관련 시점, 녹음과 영상, 문서, 지시문을 하나의 레이블링 워크플로에 연결하여 검토된 데이터셋을 구축하세요.
시각 품질 검사
검사 이미지를 관련 공정 기록과 메모와 함께 검토합니다. 눈에 보이는 결함을 레이블링하여 일관된 시각 검사 학습 데이터를 준비합니다.
Explore visual quality inspection →
로봇 시연 데이터셋
여러 카메라 시점, 객체 어노테이션, 지시문 맥락을 활용해 기록된 로봇 작업을 레이블링하고 체화형 AI 데이터셋을 준비합니다.
Explore robot demonstration datasets →
시청각 음원 위치 추정
관련 녹음과 영상에서 들리는 이벤트와 눈에 보이는 음원을 표시하여 검토된 시청각 학습 데이터셋을 준비합니다.
Explore sound localization →
문서 시각 질의응답
원문 근거, 명확한 답변 필드, 사람의 검토를 포함한 문서 질문과 답변 쌍을 만들어 문서 이해 모델에 활용합니다.
Explore document visual question answering →What multimodal annotation types does Unitlab support?+
시각적 뷰어에서 상자, 마스크, 다각형 및 선을 사용합니다. 오디오 이벤트, 범위, 분할 및 오디오 전사; 텍스트의 엔터티, 범위 및 관계; PDF의 기본 텍스트 선택 및 호환 가능한 시각적 마크업; 그룹화된 사례 컨텍스트에 대한 항목 속성 및 관계도 추가됩니다.
주석 문서How do Data Groups keep related multimodal files together?+
파일 이름 패턴은 관련 업로드를 데이터 그룹으로 그룹화할 수 있습니다. 그룹은 할당 가능한 하나의 케이스가 되며 구성 가능한 레이아웃은 호환 가능한 기본 뷰어를 통해 각 파일을 표시합니다.
다중 모드 주석 문서How do active and passive panels work in a multimodal layout?+
하나의 활성 패널은 선택한 파일에 대해 호환되는 기본 편집기를 호스팅합니다. 패시브 패널은 주석이나 편집을 시작하지 않고도 동일한 케이스에서 지원되는 컨텍스트를 보존합니다.
다중 모드 레이아웃 문서How do shared ontologies and case properties work?+
공유 프로젝트 온톨로지는 클래스, 분류, 속성 및 지원되는 관계를 정의합니다. 항목 속성은 파일 주석이 각 기본 뷰어와 호환되는 동안 사례 수준 컨텍스트를 캡처할 수 있습니다.
속성 및 관계 문서How does Unitlab manage multimodal annotation quality and review?+
구성 가능한 워크플로우는 주석, 검토, 재작업 및 승인을 통해 다중 모드 작업을 라우팅합니다. 지침, 할당, 의견, 문제, 주석 기록, 데이터 세트 버전 및 릴리스를 통해 개별 전문가와 기업 팀이 품질 결정을 추적할 수 있습니다.
주석 및 검토 문서Can teams use their own AI models for multimodal pre-labeling?
예. Unitlab은 맞춤형 모델을 주석 작업 흐름으로 가져와 사전 라벨과 예측을 생성할 수 있습니다. 주석자는 0부터 시작하는 대신 모델 출력을 검토하고 수정하며 사람의 승인은 관리되는 품질 프로세스의 일부로 유지됩니다.
모델 통합 문서Can Unitlab curate, annotate, and version multimodal datasets in one platform?
예. 팀은 메타데이터 필터, 의미 체계 검색, 임베딩, 유사성 및 이상치 발견을 통해 다중 모드 데이터를 선별한 다음 선택한 샘플에 주석을 달고 결과를 검토하며 재현 가능한 AI 개발을 위해 제어된 데이터 세트 버전을 게시할 수 있습니다.
데이터 세트 관리 문서
