2 repository-uri
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 este un instrument open-source de adnotare a viziunii computerizate și o platformă de gestionare a seturilor de date vizuale. Acesta oferă o interfață auto-găzduită pentru etichetarea imaginilor, videoclipurilor și datelor 3D pentru a crea seturi de date pentru modelele AI de viziune. Platforma dispune de etichetarea datelor asistată de AI pentru a automatiza crearea de măști și casete de delimitare, utilizând un sistem de plug-in-uri pentru a conecta modele externe de învățare automată. Include un sistem de asigurare a calității bazat pe consens care verifică acuratețea etichetelor prin compararea adnotărilor independente. Sistemul acoperă gestionarea colaborativă a echipei, organizarea proiectelor prin descompunerea sarcinilor și integrarea stocării la distanță în cloud. De asemenea, oferă un API REST pentru controlul programatic al fluxului de lucru și importul/exportul de date în formate standard din industrie.
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.