Ocular AI

Ocular AIとは

Ocular AIはOcular Foundryを開発している会社で、この作業環境は生の素材を学習可能なデータセットに変える。ファイルがすでにあるストレージをつなぐと、入ってきた素材をプラットフォームが目録化する。あとは検索し、ラベルを付け、分割し、必要なバージョンを書き出すだけだ。

この製品が必要になるのは、その作業がたいてい四、五か所に散っているからだ。映像はバケットに置かれ、ラベルは表計算に流れ、アノテーションツールは席単位で課金され、先月のモデルがどの書き出しから生まれたのか誰も覚えていない。Ocularはその工程を1つのプロジェクトにまとめる。「夜間のフォークリフト」で検索した結果と、400フレーム目に引いた矩形が同じレコードに属する。チームが大きくなるほど、この差は効いてくる。

制約は先に知っておきたい。価格は営業との交渉で決まり、公開された料金表はない。内蔵の学習フローは物体検出が中心なので、濃いセグメンテーションや言語モデルの案件は結局書き出しに戻る。自動アノテーションが速くするのは最初の一周であって、レビューではない。最後は人が矩形を確認する。

はじめかた

1. foundry.useocular.comでアカウントを作り、組織と作業スペースを最低1つ用意する。プロジェクトは作業スペースの下に入るので、複数クライアントを抱えるならクライアントごとに分ける。
2. 連携機能から素材を取り込むか、直接アップロードして目録に索引を作らせる。検索はメタデータとタグの両方を見るので、この段階で入れておく。
3. 対象のファイルを索引でまとめ、バッチを開き、ラベルの種類とレビュー担当を決めてアノテーションジョブを作る。
4. 合うモデルがあるなら自動アノテーションを先に回す。その後、モデルが外した箇所を担当者がキャンバスで直す。
5. データセットのバージョンを作り、学習・検証・テストに分割して書き出す。同じバージョンをOcular内のYOLOv11学習に回してもいいし、APIで外に持ち出してもいい。