CVAT项目中骨架标注数据导出问题的技术分析
2025-05-17 22:21:00作者:凤尚柏Louis
问题背景
在计算机视觉标注工具CVAT的使用过程中,用户发现了一个关于骨架(skeleton)标注数据导出的异常现象。当用户在项目中创建包含骨架标注的任务并导出项目数据时,导出的结果中骨架关键点信息丢失,而同样的数据通过任务导出却能正常显示所有关键点。
问题现象
具体表现为:
- 用户在CVAT中创建项目,定义骨架结构
- 创建任务并添加图像
- 在图像上标注骨架轨迹(track)和独立骨架形状(shape)
- 导出项目数据时,骨架关键点信息全部为零值
- 但导出任务数据时,骨架关键点信息完整保留
技术分析
经过技术分析,这个问题可能源于项目级数据导出时对骨架轨迹的处理逻辑存在缺陷。在CVAT中,骨架标注可以以两种形式存在:
- 轨迹形式(Track):跨越多帧的骨架标注,保持ID一致性
- 形状形式(Shape):单帧的独立骨架标注
项目级导出可能没有正确处理跨帧骨架轨迹的评估逻辑,导致在导出时未能正确收集各帧中的骨架关键点数据。而任务级导出由于处理范围较小,逻辑相对简单,能够正确导出所有标注信息。
解决方案思路
修复此问题的核心思路应该是统一项目导出和任务导出的数据处理逻辑。具体可以:
- 重构数据导出模块,确保项目导出时正确遍历所有任务和作业
- 对骨架轨迹标注,确保按帧评估并收集关键点信息
- 保持与任务导出相同的关键点数据处理流程
问题关联
值得注意的是,类似的问题在CVAT的历史版本中已经出现过。之前的一个修复(#5914)解决了相关但不同场景下的数据导出问题,这表明CVAT在复杂标注类型(如骨架)的数据导出处理上需要更加细致的测试和验证。
影响范围
这个问题主要影响以下使用场景:
- 使用骨架标注进行多人姿态估计的项目
- 需要跨任务批量导出标注数据的工作流
- 使用CVAT Image 1.1或COCO Keypoints格式导出的用户
临时解决方案
在官方修复发布前,用户可以采用以下临时解决方案:
- 改为从任务级别导出标注数据
- 对于必须从项目级别导出的情况,可以编写自定义导出脚本
- 考虑将骨架标注转换为其他兼容格式后再进行项目级导出
总结
CVAT作为功能强大的计算机视觉标注工具,在处理复杂标注类型时偶尔会出现类似的数据导出问题。用户在使用骨架标注功能时应当注意验证导出数据的完整性,特别是在项目级导出场景下。开发团队已经注意到这个问题,预计会在后续版本中修复。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
405
3.14 K
Ascend Extension for PyTorch
Python
226
251
暂无简介
Dart
672
159
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
319
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
657
React Native鸿蒙化仓库
JavaScript
262
325
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868