La nouvelle technologie d’étiquetage automatique de Voxel51 promet de réduire les coûts d’annotation de 100 000 fois

Une étude révolutionnaire menée par le startup de vision par ordinateur Voxel51 suggère que le modèle traditionnel d’annotation de données est sur le point d’être bouleversé. Dans des recherches publiées aujourd’hui, l’entreprise rapporte que son nouveau système d’étiquetage automatique atteint jusqu’à 95 % de l’exactitude humaine tout en étant 5 000 fois plus rapide et jusqu’à 100 000 fois moins cher que l’étiquetage manuel.

L’étude a évalué des modèles de base tels que YOLO-World et Grounding DINO sur des ensembles de données bien connus, notamment COCO, LVIS, BDD100K et VOC. De manière remarquable, dans de nombreux scénarios du monde réel, les modèles formés exclusivement sur des étiquettes générées par IA ont performé au même niveau que, voire mieux que, ceux formés sur des étiquettes humaines. Pour les entreprises qui construisent des systèmes de vision par ordinateur, les implications sont énormes : des millions de dollars de coûts d’annotation pourraient être économisés, et les cycles de développement de modèles pourraient passer de semaines à heures.

La nouvelle ère de l’annotation : de la main-d’œuvre manuelle aux pipelines menés par les modèles

Pendant des décennies, l’annotation de données a été un goulet d’étranglement douloureux dans le développement de l’IA. Des ImageNet aux ensembles de données de véhicules autonomes, les équipes ont compté sur de vastes armées de travailleurs humains pour dessiner des boîtes de délimitation et segmenter des objets – un effort à la fois coûteux et lent.

La logique dominante était simple : plus de données étiquetées par des humains = meilleure IA. Mais la recherche de Voxel51 renverse cette hypothèse.

<p-Leur approche utilise des modèles de base pré-formés – certains avec des capacités de tir à zéro – et les intègre dans un pipeline qui automatise l'étiquetage routinier tout en utilisant l'apprentissage actif pour signaler les cas incertains ou complexes à l'examen humain. Cette méthode réduit considérablement le temps et les coûts.

Dans un test, l’étiquetage de 3,4 millions d’objets à l’aide d’un GPU NVIDIA (NVDA ) L40S a pris juste un peu plus d’une heure et a coûté 1,18 $. Faire cela manuellement avec AWS SageMaker aurait pris près de 7 000 heures et coûté plus de 124 000 $. Dans des cas particulièrement difficiles – tels que l’identification de catégories rares dans les ensembles de données COCO ou LVIS – les modèles étiquetés automatiquement ont parfois surpassé leurs homologues étiquetés par des humains. Ce résultat surprenant peut provenir des modèles de base de l’étiquetage cohérent et de leur formation sur de grandes données Internet.

À l’intérieur de Voxel51 : l’équipe qui réinvente les flux de travail de l’IA visuelle

Fondée en 2016 par le professeur Jason Corso et Brian Moore à l’Université du Michigan, Voxel51 a initialement commencé en tant que société de conseil spécialisée dans l’analyse de vidéos. Corso, un vétéran de la vision par ordinateur et de la robotique, a publié plus de 150 articles universitaires et contribue à des codes sources ouverts à la communauté de l’IA. Moore, un ancien étudiant en doctorat de Corso, est le PDG.

Le point de basculement est survenu lorsque l’équipe a réalisé que la plupart des goulets d’étranglement de l’IA ne se trouvaient pas dans la conception du modèle, mais dans les données. Cette prise de conscience les a amenés à créer FiftyOne, une plate-forme conçue pour permettre aux ingénieurs d’explorer, de curer et d’optimiser les ensembles de données visuelles de manière plus efficace.

Au fil des ans, l’entreprise a levé plus de 45 millions de dollars, dont une série A de 12,5 millions de dollars et une série B de 30 millions de dollars dirigée par Bessemer Venture Partners. L’adoption par les entreprises a suivi, avec des clients importants tels que LG Electronics, Bosch, Berkshire Grey (BGRY ), Precision Planting et RIOS qui intègrent les outils de Voxel51 dans leurs flux de travail d’IA de production.

De l’outil à la plate-forme : le rôle élargi de FiftyOne

FiftyOne est passé d’un simple outil de visualisation de données à une plate-forme d’IA complète et centrée sur les données. Elle prend en charge une large gamme de formats et de schémas d’étiquetage – COCO, Pascal VOC, LVIS, BDD100K, Open Images – et s’intègre sans effort avec des frameworks tels que TensorFlow et PyTorch.

Plus qu’un outil de visualisation, FiftyOne permet des opérations avancées : trouver des images en double, identifier des échantillons mal étiquetés, mettre en évidence les valeurs aberrantes et mesurer les modes de défaillance du modèle. Son écosystème de plugins prend en charge des modules personnalisés pour la reconnaissance optique des caractères, les questions et réponses vidéo et l’analyse basée sur les embeddings.

La version entreprise, FiftyOne Teams, introduit des fonctionnalités collaboratives telles que le contrôle de version, les autorisations d’accès et l’intégration au stockage cloud (par exemple, S3), ainsi que des outils d’étiquetage tels que Labelbox et CVAT. Notamment, Voxel51 a également conclu un partenariat avec V7 Labs pour rationaliser le flux entre la curation de l’ensemble de données et l’étiquetage manuel.

Réévaluation de l’industrie de l’annotation

La recherche d’étiquetage automatique de Voxel51 remet en question les hypothèses sous-jacentes à une industrie d’annotation d’une valeur de près d’un milliard de dollars. Dans les flux de travail traditionnels, chaque image doit être touchée par un humain – un processus coûteux et souvent redondant. Voxel51 soutient que la plupart de ce travail peut désormais être éliminé.

Avec leur système, la majorité des images sont étiquetées par l’IA, tandis que seuls les cas limites sont renvoyés aux humains. Cette stratégie hybride ne réduit pas seulement les coûts, mais garantit également une qualité globale des données plus élevée, car l’effort humain est réservé aux annotations les plus difficiles ou les plus précieuses.

Ce changement s’inscrit dans les tendances plus larges du domaine de l’IA vers l’IA centrée sur les données – une méthodologie qui se concentre sur l’optimisation des données de formation plutôt que sur la modification constante des architectures de modèles.

Paysage concurrentiel et réception de l’industrie

Les investisseurs comme Bessemer considèrent Voxel51 comme la « couche d’orchestration des données » pour l’IA – similaire à la façon dont les outils DevOps ont transformé le développement logiciel. Leur outil open source a été téléchargé des millions de fois, et leur communauté comprend des milliers de développeurs et d’équipes de ML dans le monde entier.

Alors que d’autres startups comme Snorkel AI, Roboflow et Activeloop se concentrent également sur les flux de travail de données, Voxel51 se démarque par sa largeur, son éthos open source et son infrastructure de niveau entreprise. Plutôt que de concurrencer les fournisseurs d’étiquetage, la plate-forme de Voxel51 les complète – en rendant les services existants plus efficaces grâce à une curation sélective.

Implications futures

Les implications à long terme sont profondes. Si la méthodologie de Voxel51 est largement adoptée, elle pourrait considérablement réduire les barrières à l’entrée pour la vision par ordinateur, en démocratisant le domaine pour les startups et les chercheurs qui manquent de budgets d’étiquetage importants.

Outre les économies de coûts, cette approche pose également les fondements des systèmes d’apprentissage continu, où les modèles en production signalent automatiquement les défaillances, qui sont ensuite examinées, réétiquetées et réintégrées dans les données de formation – le tout dans le même pipeline orchestré.

La vision plus large de l’entreprise s’aligne sur l’évolution de l’IA : non seulement des modèles plus intelligents, mais également des flux de travail plus intelligents. Dans cette vision, l’annotation n’est pas morte – mais elle n’est plus le domaine du travail de force brute. Elle est stratégique, sélective et pilotée par l’automatisation.