Teknologi Auto-Labeling Baru Voxel51 Berjanji Mengurangi Biaya Anotasi sebesar 100.000x

Sebuah studi baru yang revolusioner dari perusahaan visi komputer startup Voxel51 menunjukkan bahwa model anotasi data tradisional akan segera diubah. Dalam penelitian yang dirilis hari ini, perusahaan melaporkan bahwa sistem auto-labeling baru mereka mencapai akurasi hingga 95% dari tingkat manusia sambil menjadi 5.000x lebih cepat dan hingga 100.000x lebih murah daripada labeling manual.

Studi ini membandingkan model dasar seperti YOLO-World dan Grounding DINO pada dataset yang terkenal seperti COCO, LVIS, BDD100K, dan VOC. Mengesankan, dalam banyak skenario dunia nyata, model yang dilatih secara eksklusif pada label yang dihasilkan AI berkinerja setara dengan – atau bahkan lebih baik daripada – model yang dilatih pada label manusia. Bagi perusahaan yang membangun sistem visi komputer, implikasinya sangat besar: jutaan dolar dalam biaya anotasi dapat diselamatkan, dan siklus pengembangan model dapat dipersingkat dari minggu menjadi jam.

Era Baru Anotasi: Dari Pekerjaan Manual ke Pipa Ledakan Model

Selama beberapa dekade, anotasi data telah menjadi bottleneck yang menyakitkan dalam pengembangan AI. Dari ImageNet hingga dataset kendaraan otonom, tim telah mengandalkan tentara pekerja manusia yang besar untuk menggambar kotak pembatas dan membagi objek – upaya yang mahal dan lambat.

Logika yang berlaku sederhana: lebih banyak data yang diberi label manusia = AI yang lebih baik. Namun, penelitian Voxel51 membalikkan asumsi tersebut.

Pendekatan mereka memanfaatkan model dasar pra-dilatih – beberapa dengan kemampuan zero-shot – dan mengintegrasikannya ke dalam pipa yang mengotomatisasi labeling rutin sambil menggunakan pembelajaran aktif untuk menandai kasus yang tidak pasti atau kompleks untuk ditinjau manusia. Metode ini secara dramatis mengurangi waktu dan biaya.

Dalam satu tes, pelabelan 3,4 juta objek menggunakan NVIDIA (NVDA ) L40S GPU hanya membutuhkan waktu lebih dari satu jam dan biaya $1,18. Melakukan hal yang sama secara manual dengan AWS SageMaker akan membutuhkan hampir 7.000 jam dan biaya lebih dari $124.000. Dalam kasus yang sangat menantang – seperti mengidentifikasi kategori langka dalam dataset COCO atau LVIS – model yang diberi label otomatis terkadang melampaui model yang diberi label manusia. Hasil yang mengejutkan ini mungkin berasal dari pola labeling konsisten model dasar dan pelatihan mereka pada data internet skala besar.

Di Dalam Voxel51: Tim yang Mengubah Alur Kerja AI Visual

Didirikan pada tahun 2016 oleh Professor Jason Corso dan Brian Moore di Universitas Michigan, Voxel51 awalnya dimulai sebagai konsultan yang fokus pada analisis video. Corso, seorang veteran dalam visi komputer dan robotika, telah menerbitkan lebih dari 150 makalah akademis dan menyumbangkan kode sumber terbuka yang luas ke komunitas AI. Moore, seorang mantan mahasiswa Ph.D. dari Corso, menjabat sebagai CEO.

Titik baliknya datang ketika tim menyadari bahwa sebagian besar bottleneck AI tidak ada di desain model – tetapi di data. Wawasan itu menginspirasi mereka untuk menciptakan FiftyOne, sebuah platform yang dirancang untuk memberdayakan insinyur untuk menjelajahi, memilih, dan mengoptimalkan dataset visual dengan lebih efisien.

Selama beberapa tahun, perusahaan telah mengumpulkan lebih dari $45M, termasuk $12,5M Series A dan $30M Series B yang dipimpin oleh Bessemer Venture Partners. Adopsi perusahaan besar mengikuti, dengan klien besar seperti LG Electronics, Bosch, Berkshire Grey (BGRY ) , Precision Planting, dan RIOS mengintegrasikan alat Voxel51 ke dalam alur kerja AI produksi mereka.

Dari Alat ke Platform: Peran FiftyOne yang Berkembang

FiftyOne telah tumbuh dari alat visualisasi dataset sederhana menjadi platform AI yang komprehensif dan berbasis data. Ini mendukung berbagai format dan skema labeling – COCO, Pascal VOC, LVIS, BDD100K, Open Images – dan terintegrasi dengan mulus dengan kerangka kerja seperti TensorFlow dan PyTorch.

Lebih dari sekedar alat visualisasi, FiftyOne memungkinkan operasi lanjutan: menemukan gambar duplikat, mengidentifikasi sampel yang salah dilabel, menonjolkan outlier, dan mengukur mode kegagalan model. Ekosistem pluginnya mendukung modul kustom untuk pengenalan karakter optik, Q&A video, dan analisis berbasis embedding.

Edisi perusahaan, FiftyOne Teams, memperkenalkan fitur kolaboratif seperti kontrol versi, izin akses, dan integrasi dengan penyimpanan cloud (misalnya, S3), serta alat anotasi seperti Labelbox dan CVAT. Yang patut dicatat, Voxel51 juga bermitra dengan V7 Labs untuk mempermudah aliran antara kurasi dataset dan anotasi manual.

Mempertanyakan Industri Anotasi

Penelitian auto-labeling Voxel51 menantang asumsi yang mendasari industri anotasi yang hampir $1M. Dalam alur kerja tradisional, setiap gambar harus disentuh oleh manusia – proses yang mahal dan sering redundan. Voxel51 berpendapat bahwa sebagian besar pekerjaan ini sekarang dapat dihilangkan.

Dengan sistem mereka, sebagian besar gambar diberi label oleh AI, sementara hanya kasus pinggir yang dinaikkan ke manusia. Strategi hibrida ini tidak hanya mengurangi biaya tetapi juga memastikan kualitas data yang lebih tinggi secara keseluruhan, karena upaya manusia disimpan untuk anotasi yang paling sulit atau paling berharga.

Perubahan ini sejalan dengan tren yang lebih luas di bidang AI menuju AI yang berbasis data – metodologi yang fokus pada optimasi data pelatihan daripada terus-menerus menyetel arsitektur model.

Lanskap Kompetitif dan Penerimaan Industri

Investor seperti Bessemer melihat Voxel51 sebagai “lapisan orkestrasi data” untuk AI – serupa dengan bagaimana DevOps tools mengubah pengembangan perangkat lunak. Alat sumber terbuka mereka telah diunduh jutaan kali, dan komunitas mereka mencakup ribuan pengembang dan tim ML di seluruh dunia.

Sementara startup lain seperti Snorkel AI, Roboflow, dan Activeloop juga fokus pada alur kerja data, Voxel51 menonjol karena cakupannya, etos sumber terbuka, dan infrastruktur kelas perusahaan. Daripada bersaing dengan penyedia anotasi, platform Voxel51 melengkapi mereka – membuat layanan yang ada lebih efisien melalui kurasi selektif.

Implikasi Masa Depan

Implikasi jangka panjangnya sangat mendalam. Jika diadopsi secara luas, Voxel51’s metodologi bisa secara dramatis mengurangi hambatan untuk memasuki visi komputer, mendemokratisasi bidang untuk startup dan peneliti yang tidak memiliki anggaran labeling yang luas.

Di luar menghemat biaya, pendekatan ini juga meletakkan dasar untuk sistem pembelajaran berkelanjutan, di mana model dalam produksi secara otomatis menandai kegagalan, yang kemudian ditinjau, diberi label ulang, dan dimasukkan kembali ke dalam data pelatihan – semua dalam pipa yang sama.

Visi perusahaan yang lebih luas sejalan dengan bagaimana AI berkembang: tidak hanya model yang lebih pintar, tetapi alur kerja yang lebih pintar. Dalam visi tersebut, anotasi tidak mati – tetapi tidak lagi menjadi domain pekerjaan kasar. Ini strategis, selektif, dan didorong oleh otomatisasi.