Voxel51の新しい自動ラベル付け技術は、アノテーションコストを100,000万分のXNUMXに削減すると約束

コンピュータービジョンのスタートアップによる画期的な新しい研究 ボクセル51 従来のデータアノテーションモデルが覆されようとしていることを示唆している。本日発表された調査によると、同社は新しい自動ラベル付けシステムが、人間レベルの精度の最大95%を達成しながら、5,000倍の速度と最大100,000倍安い 手動でラベルを付けるよりも。

この研究では、YOLO-WorldやGrounding DINOなどの基礎モデルを、COCO、LVIS、BDD100K、VOCといったよく知られたデータセットでベンチマークしました。驚くべきことに、多くの実世界のシナリオにおいて、AI生成ラベルのみで学習したモデルは、人間のラベルで学習したモデルと同等、あるいはそれ以上の性能を示しました。 コンピュータビジョン システムを導入すれば、その影響は甚大です。数百万ドルの注釈コストを節約でき、モデル開発サイクルを数週間から数時間に短縮できる可能性があります。

アノテーションの新時代: 手作業からモデル主導のパイプラインへ

数十年のために、 データ注釈 AI開発において、これは大きなボトルネックとなってきました。ImageNetから自動運転車のデータセットに至るまで、チームは境界ボックスの描画やオブジェクトのセグメント化に膨大な数の人間の作業員を頼ってきましたが、これはコストと時間の両面を要します。

当時の一般的な論理は単純で、「人間がラベル付けしたデータが多いほど、AIは良くなる」というものでした。しかし、Voxel51の研究は、その前提を覆しました。

彼らのアプローチは、事前学習済みの基礎モデルを活用しており、 ゼロショット それらの機能をパイプラインに統合し、定型的なラベル付けを自動化するとともに、能動学習を用いて不確実性や複雑なケースを人間によるレビュー対象としてフラグ付けします。この手法により、時間とコストを大幅に削減できます。

あるテストでは、NVIDIA L3.4S GPUを使用して40万個のオブジェクトにラベルを付ける作業に1.18時間強かかり、費用は7,000ドルでした。AWS SageMakerを使用して同じ作業を手動で行うと、約124,000時間かかり、費用はXNUMXドル以上になります。特に難しいケース、例えばCOCOやLVISデータセットにおける希少カテゴリの識別などでは、自動ラベル付けモデルは時折 パフォーマンスが優れている 人間がラベル付けしたモデルと比較すると、この驚くべき結果は明らかです。この驚くべき結果は、基礎モデルの一貫したラベル付けパターンと、大規模なインターネットデータを用いたトレーニングに起因している可能性があります。

Voxel51の内側：ビジュアルAIワークフローを再構築するチーム

によって2016年に設立 ジェイソン・コルソ教授 　 ブライアンムーア ミシガン大学で設立されたVoxel51は、もともとビデオ分析に特化したコンサルティング会社としてスタートしました。コンピュータービジョンとロボティクスのベテランであるコルソ氏は、150本以上の学術論文を発表し、AIコミュニティに膨大なオープンソースコードを提供しています。コルソ氏の元博士課程の学生であるムーア氏がCEOを務めています。

転機は、AIのボトルネックのほとんどがモデル設計ではなくデータにあることにチームが気づいたときでした。この洞察が、彼らに次のアイデアを思い起こさせました。 XNUMXは、エンジニアがビジュアルデータセットをより効率的に探索、キュレート、最適化できるように設計されたプラットフォームです。

長年にわたり、同社は $45M、など、 12.5万ドルのシリーズA フォルダーとその下に $ 30MシリーズB Bessemer Venture Partnersが主導し、その後、LG Electronics、Bosch、Berkshire Grey、Precision Planting、RIOSといった大手クライアントがVoxel51のツールを自社の生産AIワークフローに統合するなど、企業への導入が進みました。

ツールからプラットフォームへ：FiftyOneの拡大する役割

FiftyOneは、シンプルなデータセット可視化ツールから、包括的なデータ中心のAIプラットフォームへと成長しました。COCO、Pascal VOC、LVIS、BDD100K、Open Imagesといった幅広いフォーマットとラベリングスキーマをサポートし、TensorFlowやPyTorchなどのフレームワークとシームレスに統合します。

FiftyOneは単なる可視化ツールにとどまらず、重複画像の検出、ラベル付けミスのあるサンプルの特定、外れ値の検出、モデルの故障モードの測定など、高度な操作を可能にします。プラグインエコシステムは、光学式文字認識（OCR）、ビデオQ&A、埋め込みベースの分析のためのカスタムモジュールをサポートしています。

エンタープライズ版のFiftyOne Teamsでは、バージョン管理、アクセス権限、クラウドストレージ（S3など）との統合といった共同作業機能に加え、LabelboxやCVATといった注釈ツールも導入されています。特にVoxel51は、 V7 Labsと提携 データセットのキュレーションと手動による注釈付けの間のフローを合理化します。

アノテーション業界の再考

Voxel51の自動ラベリング研究は、1億ドル規模に迫るアノテーション業界の根底にある前提に疑問を投げかけます。従来のワークフローでは、すべての画像に人間が手を加える必要があり、これはコストがかかり、しばしば冗長なプロセスでした。Voxel51は、こうした労力の大部分を省くことができると主張しています。

彼らのシステムでは、画像の大部分はAIによってラベル付けされ、エッジケースのみが人間によって処理されます。このハイブリッド戦略はコスト削減だけでなく、最も困難または価値の高いアノテーションに人間の労力を割くことで、全体的なデータ品質の向上も保証します。

この変化はAI分野におけるより広範なトレンドと並行しており、 データ中心のAIモデル アーキテクチャを際限なく調整するのではなく、トレーニング データの最適化に重点を置いた方法論です。

競争環境と業界の反応

ベッセマーのような投資家は、Voxel51をAIの「データオーケストレーションレイヤー」と見なしています。 DevOps ツールはソフトウェア開発に革命をもたらしました。彼らのオープンソースツールは数百万回ダウンロードされ、そのコミュニティには世界中の何千もの開発者と機械学習チームが参加しています。

Snorkel AI、Roboflow、Activeloopといった他のスタートアップ企業もデータワークフローに重点を置いていますが、Voxel51は、その幅広いサービス、オープンソースの精神、そしてエンタープライズグレードのインフラストラクチャで際立っています。Voxel51のプラットフォームは、アノテーションプロバイダーと競合するのではなく、それらを補完し、選択的なキュレーションを通じて既存のサービスの効率化を実現します。

将来の影響

長期的な影響は甚大です。広く普及すれば、 ボクセル51の方法論は、コンピューター ビジョンの参入障壁を劇的に下げ、莫大なラベル付け予算がないスタートアップ企業や研究者にとってこの分野を民主化する可能性があります。

このアプローチはコスト削減だけでなく、 継続的な学習システムでは、運用中のモデルが自動的に障害のフラグを立て、それらのフラグがレビューされ、再ラベル付けされて、トレーニング データに折り返されます。これらはすべて、同じオーケストレーションされたパイプライン内で行われます。

同社のより広範なビジョンは、AIの進化の方向性と一致しています。よりスマートなモデルだけでなく、よりスマートなワークフローも目指しています。このビジョンにおいて、アノテーションはもはや廃れたわけではありませんが、もはや力ずくの作業ではありません。戦略的かつ選択的であり、自動化によって推進されるものなのです。