자동화

어떤 객체나 배경도, 심지어 라벨링 한 적이 없더라도, 추가 학습 없이도 쉽게 세그멘테이션할 수 있습니다. SAM(Segment Anything Model) 기반 툴인 Auto-Edit (자동 편집, 이하 Auto-Edit)과 함께라면 관심 영역을 설정하고 모델 예측 결과를 다듬는 정도의 간단한 작업만으로도 복잡하고 불규칙한 형태의 어노테이션을 완벽하게 해 낼 수 있습니다. 물론, 최소한의 노동력과 단 몇 초의 시간만 필요하다는 건 당연하고요.

훈련이 필요 없는 보간법 기반 자동화로 프레임이나 시퀀스마다 동일한 라벨링을 반복하는 지루함과 불편함에서 벗어나세요. 원하는 객체를 두 프레임에서 라벨링하고 보간법을 사용해 그 사이를 모두 자동으로 라벨링하거나, 여러 키 프레임을 선택해 서로 다른 속도로 움직이는 객체를 간편하게 라벨링하세요.

별도의 노동력, 시간, 혹은 비용 투자 없이 여러분의 데이터를 완벽하게 설명하는 자막을 자동으로 생성하세요. 자막 생성 기술, SAM 기반 객체 탐지, VQA(이미지에 대한 질문-답변 생성) 모델을 활용해 AI가 객체나 장면에 대한 상세한 설명을 생성하고, 그 내용을 요약하고 정리해 자막으로 변환하여 커스터마이징된 결과를 제시합니다.

Auto-Label AI는 몬테카를로 알고리즘과 불확실성 분포 모델링 방식을 결합한 하이브리드 기술로 이미지별 라벨링 난이도와 어노테이션별 불확실성 수치를 계산합니다. 이를 통해 결정 경계에 가까이 있는 어려운 예제들을 판별해 추후 반복 학습 시 우선적으로 수집하고 라벨링해야 하는 데이터를 제시합니다.