2 repositorios
Tools for annotating volumetric objects within 3D point clouds or depth-aware datasets.
Distinct from Spatial Data Processing: None of the candidates cover the specific task of labeling 3D spatial data for machine learning.
Explore 2 awesome GitHub repositories matching data & databases · Spatial Data Labeling. Refine with filters or upvote what's useful.
CVAT es una herramienta de anotación de visión artificial de código abierto y una plataforma de gestión de conjuntos de datos visuales. Proporciona una interfaz autohospedada para etiquetar imágenes, videos y datos 3D para crear conjuntos de datos para modelos de IA de visión. La plataforma cuenta con etiquetado de datos asistido por IA para automatizar la creación de máscaras y cuadros delimitadores, utilizando un sistema de complementos para conectar modelos de aprendizaje automático externos. Incluye un sistema de garantía de calidad basado en consenso que verifica la precisión de las etiquetas comparando anotaciones independientes. El sistema cubre la gestión colaborativa de equipos, la organización de proyectos a través de la descomposición de tareas y la integración de almacenamiento en la nube remota. También proporciona una API REST para el control programático del flujo de trabajo y la importación y exportación de datos en formatos estándar de la industria.
Provides AI-powered automation to suggest or create visual annotations, significantly reducing manual labeling effort.
CVAT is an open-source, web-based platform designed for annotating images, videos, and 3D point clouds to create high-quality training datasets for machine learning. It functions as a containerized server that orchestrates the entire lifecycle of computer vision data, from initial task creation and manual labeling to quality assurance and final dataset export. The platform distinguishes itself through deep integration with machine learning models, allowing users to deploy custom AI models as serverless functions for automated object detection, tracking, and skeleton annotation. It supports co
Labels volumetric objects within three-dimensional point clouds or depth-aware data to support spatial perception tasks.