Voxel51’s nye auto-mærknings-teknologi lover at reducere mærkningsomkostninger med 100.000 gange

En banbrydende ny studie fra computer vision-startup Voxel51 antyder, at den traditionelle data-mærkningsmodel er på vej til at blive vendt på hovedet. I en undersøgelse, der er offentliggjort i dag, rapporterer virksomheden, at deres nye auto-mærknings-system opnår op til 95% af menneske-niveauets nøjagtighed, samtidig med at det er 5.000 gange hurtigere og op til 100.000 gange billigere end manuel mærkning.

Studiet benchmarkede grundlæggende modeller som YOLO-World og Grounding DINO på velkendte datasæt, herunder COCO, LVIS, BDD100K og VOC. Forbløffende nok opførte modeller, der udelukkende var trænet på AI-genererede mærker, sig på lige fod med – eller endda bedre end – dem, der var trænet på menneske-mærker, i mange virkelige scenarier. For virksomheder, der bygger computer vision-systemer, er implikationerne enorme: millioner af dollars i mærkningsomkostninger kunne blive sparet, og model-udviklingscykler kunne blive forkortet fra uger til timer.

Den nye æra for mærkning: Fra manuel arbejde til model-drevne pipelines

I årtier har data-mærkning været en smertefuld flaskehals i AI-udviklingen. Fra ImageNet til datasæt for autonome køretøjer har holdene afhængigt af enorme hære af menneskelige arbejdere til at tegne begrænsningsbokse og segmentere objekter – en indsats, der både er kostbar og langsom.

Den herskende logik var simpel: mere menneske-mærket data = bedre AI. Men Voxel51’s forskning vender denne antagelse på hovedet.

Deres tilgang udnytter forudtrænede grundlæggende modeller – nogle med zero-shot-færdigheder – og integrerer dem i en pipeline, der automatiserer rutine-mærkning, samtidig med at den bruger aktiv læring til at markere usikre eller komplekse tilfælde for menneskelig gennemgang. Denne metode reducerer både tid og omkostninger dramatisk.

I en test tog mærkning af 3,4 millioner objekter med en NVIDIA (NVDA ) L40S GPU kun lidt over en time og kostede 1,18 $. At gøre det manuelt med AWS SageMaker ville have taget næsten 7.000 timer og kostet over 124.000 $. I særligt udfordrende tilfælde – såsom identificering af sjældne kategorier i COCO- eller LVIS-datasættene – opførte auto-mærkede modeller sig lejlighedsvis bedre end deres menneske-mærkede modparter. Dette overraskende resultat kan stamme fra grundlæggende modellers konsekvente mærkningsmønstre og deres træning på store internet-data.

Indenfor Voxel51: Holdet, der former visuel AI-arbejdsgange

Voxel51 blev grundlagt i 2016 af Professor Jason Corso og Brian Moore på University of Michigan. Voxel51 startede oprindeligt som en konsulentvirksomhed, der fokuserede på videoanalyse. Corso, en veteran inden for computer vision og robotteknik, har publiceret over 150 akademiske artikler og bidrager med omfattende open-source-kode til AI-fællesskabet. Moore, en tidligere ph.d.-studerende under Corso, fungerer som administrerende direktør.

Vendepunktet kom, da holdet erkendte, at de fleste AI-flaskehalse ikke var i model-design, men i data. Denne indsigt inspirerede dem til at skabe FiftyOne, en platform designet til at give ingeniører mulighed for at udforske, kuratere og optimere visuelle datasæt mere effektivt.

Gennem årene har virksomheden samlet over $45M ind, herunder en $12,5M Series A– og en $30M Series B-runde ledet af Bessemer Venture Partners. Enterprise-adopter fulgte, med store kunder som LG Electronics, Bosch, Berkshire Grey (BGRY ) , Precision Planting og RIOS, der integrerede Voxel51’s værktøjer i deres produktions-AI-arbejdsgange.

Fra værktøj til platform: FiftyOne’s udvidende rolle

FiftyOne er vokset fra et simpelt datasæt-værktøj til en omfattende, data-centreret AI-platform. Den understøtter en bred vifte af formater og mærknings-skemaer – COCO, Pascal VOC, LVIS, BDD100K, Open Images – og integrerer ubesværet med rammer som TensorFlow og PyTorch.

Mere end et visualiseringsværktøj giver FiftyOne mulighed for avancerede operationer: finde duplikerede billeder, identificere forkert mærkede eksempler, fremhæve outliers og måle model-fejlmodi. Dens plugin-økosystem understøtter brugerdefinerede moduler til optisk tegnkendelse, video-spørgsmål og analyse baseret på indlejring.

Enterprise-udgaven, FiftyOne Teams, introducerer samarbejdsfunktioner som versionsstyring, adgangsrettigheder og integration med cloud-lagring (f.eks. S3), samt mærkningsværktøjer som Labelbox og CVAT. Bemærkelsesværdigt har Voxel51 også partneret med V7 Labs for at strømline flowet mellem datasæt-kuratering og manuel mærkning.

Genopbygning af mærkningsindustrien

Voxel51’s auto-mærkningsforskning udfordrer antagelserne under den næsten $1M mærkningsindustri. I traditionelle arbejdsgange skal hver billed være berørt af et menneske – en dyrekøbt og ofte redundant proces. Voxel51 argumenterer for, at det meste af dette arbejde nu kan elimineres.

Med deres system bliver de fleste billeder mærket af AI, mens kun edge-tilfælde eskaleres til mennesker. Denne hybride strategi reducerer ikke kun omkostninger, men sikrer også en højere overordnet datakvalitet, da menneskeligt arbejde reserveres for de mest vanskelige eller værdifulde mærkninger.

Denne ændring paralleliserer bredere tendenser inden for AI-feltet mod data-centreret AI – en metode, der fokuserer på at optimere træningsdata i stedet for at justere model-arkitekturer uden ende.

Konkurrencelandskab og branchereaktion

Investorer som Bessemer ser Voxel51 som “data-orchestrationslaget” for AI – ligesom DevOps-værktøjer forvandlede softwareudvikling. Deres open-source-værktøj har fået millioner af downloads, og deres fællesskab omfatter tusinder af udviklere og ML-hold verden over.

Selv om andre startups som Snorkel AI, Roboflow og Activeloop også fokuserer på data-arbejdsgange, adskiller Voxel51 sig med sin bredde, open-source-etos og enterprise-klar infrastruktur. I stedet for at konkurrere med mærknings-udbydere komplementerer Voxel51’s platform dem – gør eksisterende tjenester mere effektive gennem selektiv kuratering.

Fremtidige implikationer

De langsigtede implikationer er dybtgående. Hvis det bliver bredt accepteret, kunne Voxel51‘s metode dramatisk reducere barrieren for indgang til computer vision, demokratisere feltet for startups og forskere, der mangler enorme mærkningsbudgetter.

Ud over at spare omkostninger lægger denne tilgang også grundlag for kontinuerlige lærings-systemer, hvor modeller i produktion automatisk markerer fejl, som derefter gennemgås, om-mærkes og foldes tilbage i træningsdata – alt inden for den samme orkestrerede pipeline.

Virksomhedens bredere vision er i trækk med, hvordan AI udvikler sig: ikke kun smartere modeller, men smartere arbejdsgange. I den vision er mærkning ikke død – men det er ikke længere domænet for brute-force-arbejde. Det er strategisk, selektivt og drevet af automation.