CVAT 2.29.0版本发布:云存储任务备份与标注功能增强
2025-06-03 02:44:23作者:齐冠琰
项目简介
CVAT(Computer Vision Annotation Tool)是一个开源的计算机视觉标注工具,由Intel旗下的OpenVINO团队开发维护。作为目前最受欢迎的图像和视频标注工具之一,CVAT提供了强大的标注功能、灵活的部署方式和丰富的API接口,广泛应用于机器学习数据标注领域。
核心功能更新
云存储任务备份功能
在2.29.0版本中,CVAT引入了一项重要的新特性——支持从云存储创建的任务进行备份。这一功能的加入解决了长期存在的一个痛点问题:
-
技术实现:系统现在能够完整保存云存储任务的元数据和配置信息,包括原始数据来源、标注进度等关键信息。备份过程采用增量式设计,仅保存变更部分,优化了存储效率。
-
应用价值:对于使用AWS S3、Google Cloud Storage等云存储的用户,现在可以放心地进行数据版本管理,避免因误操作或系统故障导致标注工作丢失。特别是在团队协作场景下,这一功能为数据安全提供了额外保障。
标注功能增强
本次更新对标注系统进行了两处重要改进:
-
CLI功能增强:
create-native命令现在能够将函数声明的标签类型发送至服务器,实现了本地开发与服务器部署的无缝衔接。- 这一改进使得开发者能够更精确地控制自动化标注流程,特别是在处理复杂标注任务时,可以确保标签类型的一致性。
-
Nuclio函数标签映射:
- 优化了Nuclio函数调用时的标签类型处理逻辑,现在类型为
any的标签可以映射到除skeleton外的所有标签类型。 - 这一变更显著提高了自动化标注的灵活性,使得预训练模型能够更广泛地应用于不同类型的标注任务,同时保留了骨架标注的特殊性。
- 优化了Nuclio函数调用时的标签类型处理逻辑,现在类型为
问题修复与优化
本次版本包含了一个关键的问题修复:
- 轨迹插值修复:解决了在包含删除帧的任务中服务器端轨迹插值不正确的问题。这一修复确保了在视频标注场景下,即使删除了部分帧,物体跟踪和插值结果仍能保持准确,对于运动分析和行为识别等应用尤为重要。
技术影响与最佳实践
对于CVAT用户,特别是以下场景将受益于本次更新:
-
大规模标注项目:云存储备份功能使得管理TB级标注项目更加安全可靠,建议定期设置自动备份策略。
-
自动化标注流水线:改进的标签映射机制为构建复杂的自动化标注工作流提供了更大灵活性,开发者可以更自由地组合不同功能的Nuclio函数。
-
视频分析项目:轨迹插值修复提升了长视频序列标注的准确性,建议在更新后重新检查之前可能存在问题的视频标注任务。
升级建议
对于生产环境用户,建议在测试环境中验证以下场景后再进行升级:
- 验证现有云存储任务的备份和恢复流程
- 检查自动化标注函数在新标签映射规则下的表现
- 特别关注视频任务中轨迹插值的准确性
本次更新保持了良好的向后兼容性,大多数现有工作流无需修改即可正常运行。对于深度定制化的部署环境,建议重点测试Nuclio函数相关的变更部分。
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217