BasicAI

이미지 어노테이션 도구는 바운딩 박스, 폴리곤, 폴리라인, 키포인트, 시맨틱 세그멘테이션을 다룬다. 영상에는 프레임 단위 추적이 더해져 한 객체가 클립 전체에서 같은 식별자를 유지한다. 지원 형식은 JPEG, PNG부터 BMP, TIFF, WebP까지 넓다. 반복적인 탐지 작업에서 차이가 드러난다. 객체를 한 번 지정하면 도구가 이후 프레임으로 넘겨 주고, 사람은 어긋난 부분만 손보면 된다.

LiDAR 어노테이션은 BasicAI를 범용 라벨링 도구와 구분하는 기능이다. 포인트 클라우드와 카메라 이미지가 같은 화면을 공유하므로, 3차원 박스를 그려 사진 위 투영을 확인할 수 있다. 사진에서 시작해 포인트 클라우드에서 깊이를 확인하는 방식도 된다. 탐지, 추적, 세그멘테이션은 각자 전용 흐름을 가지고 카메라 캘리브레이션 값도 플랫폼 안에서 관리한다.

언어 모델 학습 데이터를 위한 전용 데이터셋 형식이 있다. SFT 모드는 지시문과 참조 응답을 짝짓고, RLHF 모드는 비교 판단을 기록한다. 주로 점수나 순위 형태이며 모델을 사람의 선호에 가깝게 조정한다. 언어 모델 어노테이션은 대화 단위로 진행되므로, 지시 튜닝과 선호 데이터 수집을 다른 텍스트 어노테이션 업체에 맡기지 않아도 된다.

사전 학습 모델이 새 데이터를 먼저 라벨링하고 사람이 그 위를 확인한다. 자체 모델도 연동 API로 붙일 수 있으며 텍스트 분류, 개체명 인식, 이미지 탐지, 이미지 세그멘테이션, 포인트 클라우드 탐지, 포인트 클라우드 세그멘테이션을 지원한다. 반복이 많은 데이터셋에서는 일이 박스를 전부 그리는 데서 확인과 수정으로 옮겨가고, 줄어드는 시간이 상당하다.

품질 규칙은 데이터, 객체, 속성에 적용되며 빠진 라벨, 따로 떨어진 객체, 유효 영역을 벗어난 항목을 잡아낸다. 실행 방식은 두 가지다. 어노테이션 중인 도구 화면에서 실시간으로 돌리거나 데이터셋 전체에 일괄로 돌린다. 규칙이 데이터셋에 붙어 있어 작업 흐름이 그대로 물려받고, 배치마다 다시 쓸 필요가 없다.

작업은 역할로 나뉜다. 프로젝트 관리자가 데이터를 보유하고 작업을 배분하며, 어노테이터가 받아서 라벨링하고, 검수자가 제출물을 확인하고, 승인자가 최종 판단을 내린다. 한 항목이 여러 차례 검수를 거칠 수 있고, 보고서에는 프로젝트 상태, 작업별 진행도, 어노테이터별 성과가 나온다. 외주 라벨링 업체를 염두에 둔 구조이며 밤늦게 혼자 박스를 그리는 연구자를 위한 것이 아니다.

REST API는 데이터셋 생성, 작업 관리, 파일 업로드, 결과 다운로드를 아우른다. API 키는 팀 단위로 발급되고 만료일은 직접 정한다. 파일은 사전 서명 URL로 올리므로 큰 배치가 API 자체에 몰리지 않는다. 기본 속도 제한은 자동화에 여유가 있고, 초당 100회, 분당 3,000회다.