Plataforma open source completa para anotar e organizar dados multimodais de treinamento, incluindo imagens, nuvens de pontos 3D LiDAR e RLHF para LLMs.
Alternativa open source a:Scale AI
O Xtreme1 é uma plataforma self-hosted de rotulagem e anotação de dados para criar datasets de treinamento de machine learning. Ela oferece anotação de imagens 2D (caixas delimitadoras, polígonos, polilinhas e pontos-chave), rotulagem de nuvens de pontos 3D LiDAR e fusão de sensores LiDAR e câmera, com foco em tarefas como detecção de objetos 2D/3D e segmentação semântica ou por instância em 3D.
Além da rotulagem, a plataforma inclui gerenciamento de dados e monitoramento de qualidade, ferramentas para encontrar e corrigir erros de rotulagem, uma ontologia configurável de classes com hierarquias e atributos e visualização dos resultados dos modelos. Os modelos integrados de pré-rotulagem são executados em containers e precisam de uma GPU NVIDIA. Uma ferramenta de anotação RLHF para LLMs está disponível em beta.
A stack é executada com Docker Compose e usa MySQL, Redis e MinIO para armazenamento; o pacote de release inclui um dataset de exemplo. Quem quiser estender o projeto pode compilar o código-fonte localmente. Os releases usam a licença Apache 2.0 e são hospedados pela LF AI & Data Foundation.
Baixe o pacote da versão mais recente
wget https://github.com/xtreme1-io/xtreme1/releases/download/v0.9.3/xtreme1-v0.9.3.zipExtraia o pacote da versão
unzip -d xtreme1-v0.9.3 xtreme1-v0.9.3.zipAcesse o diretório do pacote e inicie todos os serviços com Docker Compose
docker compose upAbra http://localhost:8190 no navegador (Google Chrome é recomendado)
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Aplicativo desktop multiplataforma para anotação assistida por IA de dados de texto, imagem, vídeo, nuvem de pontos e multimodais, com modelos integrados e exportação em vários formatos.
Toolkit open source em Rust para registrar, visualizar, consultar e transmitir dados multimodais de robótica e sensores ao longo do tempo.
Um modelo multimodal unificado que realiza tarefas de visão computacional, como detecção, OCR, segmentação, estimativa de profundidade e geometria multivista, por meio da geração de texto e imagens.
Extensão gratuita para Chrome que grava a tela, a câmera e o áudio, com recursos integrados de anotação e edição e foco na privacidade.
Framework unificado para ajustar 100+ LLMs e VLMs com eficiência, usando uma CLI e uma interface Web sem código.
Ultralytics YOLO é uma biblioteca Python para visão computacional que abrange detecção, segmentação, classificação, estimativa de pose, rastreamento e muito mais.