Plataforma open source integral para anotar y curar datos de entrenamiento multimodales: imágenes, nubes de puntos LiDAR 3D y RLHF para LLM.
Alternativa open source a:Scale AI
Xtreme1 es una plataforma autohospedada de etiquetado y anotación de datos para crear conjuntos de datos de entrenamiento de machine learning. Incluye anotación de imágenes 2D (cuadros delimitadores, polígonos, polilíneas y puntos clave), etiquetado de nubes de puntos LiDAR 3D y fusión de sensores LiDAR y cámara, para tareas como la detección de objetos 2D/3D y la segmentación semántica o por instancias en 3D.
Además del etiquetado, la plataforma incluye gestión de datos y supervisión de calidad, herramientas para encontrar y corregir errores de etiquetado, una ontología configurable con jerarquías de clases y atributos, y visualización de resultados de modelos. Los modelos integrados de preetiquetado se ejecutan en contenedores y requieren una GPU NVIDIA. Hay una herramienta de anotación RLHF para modelos de lenguaje grandes disponible en versión beta.
La pila se ejecuta con Docker Compose y utiliza MySQL, Redis y MinIO para el almacenamiento; el paquete de lanzamiento incluye un conjunto de datos de muestra. El código fuente se puede compilar localmente para quienes quieran ampliarlo. Las versiones publicadas cuentan con licencia Apache 2.0 y están alojadas bajo LF AI & Data Foundation.
Descarga el paquete de la versión más reciente
wget https://github.com/xtreme1-io/xtreme1/releases/download/v0.9.3/xtreme1-v0.9.3.zipDescomprime el paquete de la versión
unzip -d xtreme1-v0.9.3 xtreme1-v0.9.3.zipEntra en el directorio del paquete e inicia todos los servicios con Docker Compose
docker compose upAbre http://localhost:8190 en el navegador (se recomienda Google Chrome)
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Aplicación de escritorio multiplataforma para etiquetar con ayuda de IA datos de texto, imágenes, video, nubes de puntos y datos multimodales, con modelos integrados y exportación a varios formatos.
Kit de herramientas de código abierto en Rust para registrar, visualizar, consultar y transmitir datos multimodales de robótica y sensores a lo largo del tiempo.
Un modelo multimodal unificado que realiza tareas de visión por computadora como detección, OCR, segmentación, estimación de profundidad y geometría multivista mediante generación de texto e imágenes.
Extensión gratuita para Chrome que graba la pantalla, la cámara y el audio, con herramientas integradas de anotación y edición, y un enfoque respetuoso con la privacidad.
Framework unificado para ajustar eficientemente más de 100 LLM y VLM con una CLI y una interfaz web sin código.
Ultralytics YOLO es una biblioteca de Python para visión artificial que abarca detección, segmentación, clasificación, estimación de pose, seguimiento y más.