CVAT 2.36.0版本发布:3D标注增强与性能优化
CVAT(Computer Vision Annotation Tool)是一个开源的计算机视觉标注工具,广泛应用于机器学习数据标注领域。它提供了丰富的标注功能,支持图像、视频等多种数据格式的标注工作。本次发布的2.36.0版本带来了多项功能增强和性能优化,特别是在3D标注和系统性能方面有显著改进。
3D标注功能增强
新版本在3D工作空间中为立方体标注增加了输入尺寸控制功能。这一改进使得用户在创建和编辑3D立方体标注时,能够更精确地控制立方体的尺寸参数,大大提升了3D标注的准确性和效率。对于自动驾驶、三维重建等需要精确3D标注的应用场景,这一功能将特别有价值。
事件导出与分析功能
在分析页面增加了导出原始资源事件的UI按钮。这一功能使得管理员和数据分析师能够更方便地获取系统事件数据,用于后续的分析和审计工作。同时,对事件导出的API端点进行了优化,现在当不指定时间范围时,默认会导出目标资源的所有事件,这简化了批量导出的操作流程。
性能优化与改进
本次版本在系统性能方面做了多处优化:
-
优化了多个API端点的数据库查询性能,包括任务列表、质量冲突和云存储相关的API请求,显著减少了响应时间。
-
改进了权限检查的数据库请求效率,减少了不必要的查询开销。
-
针对Webhooks列表请求进行了专门的性能优化。
-
修复了AI模型跟踪功能在重新启用后无法自动启动的问题,确保了自动化标注流程的稳定性。
命令行工具改进
CLI工具现在默认使用http://localhost作为服务器主机地址,这一改变使得本地开发环境的使用更加便捷。同时,废弃了自动检测服务器URL方案的功能,要求用户明确指定http://或https://前缀,这一改变提高了连接配置的明确性和可靠性。
其他重要修复
-
修复了Helm Chart中selectorLabels模板的使用问题,确保了Kubernetes部署的正确性。
-
修正了API方法不被允许时返回500状态码的问题,现在会返回更合适的HTTP状态码。
-
优化了表格导出为CSV的功能,现在会考虑应用在表格上的过滤条件,使得导出的数据更加符合用户预期。
-
改进了CLI工具的用户体验,当命令参数无效或使用帮助选项时,不再不必要地询问服务器密码。
这些改进和修复共同提升了CVAT的稳定性、性能和用户体验,使其在计算机视觉数据标注领域继续保持领先地位。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00