Encord

이미지, 영상, 3D와 LiDAR, 오디오, 텍스트, DICOM, NIfTI를 제품 사이를 옮겨 다니지 않고 라벨링한다. 하나의 워크플로가 여러 센서를 결합할 수 있다. 피지컬 AI와 멀티모달 모델이 실제로 필요로 하는 형태다. 영상 주석은 덧붙인 기능이 아니라 네이티브라서 프레임 단위 추적이 긴 클립에서도 버틴다.

라벨은 하나하나가 이력을 지닌다. Encord는 누가 언제 손댔고 무엇이 바뀌었는지 기록하며, 합의 점수, 검토 단계, 주석자 교육을 같은 파이프라인에 넣는다. 데이터셋이 수백만 건으로 커지면 이 계보가 라벨을 믿느냐 손으로 다시 검사하느냐를 가른다.

데이터 큐레이션을 위해 플랫폼은 데이터의 임베딩을 만들어 의미로 검색하고 걸러낼 수 있게 한다. 중복, 이상치, 희귀 엣지 케이스가 꼬리에 숨지 않고 떠오른다. 모델 인 더 루프 큐레이션은 모델이 가장 못 다루는 샘플을 다음 라벨링 배치로 곧장 끌어온다. 예산은 결과를 바꾸는 곳에 집중된다.

라벨 검증, 모델 그래프, 오류 탐지가 살아 있는 데이터셋을 대상으로 돈다. 모델을 비교하고, 자체 지표를 추적하고, 성능이 떨어지는 클래스를 찾아낸다. 목표는 한 가지 질문에 답하는 것이다. 이 모델은 어디서 실패하며 어떤 데이터가 이를 고치는가.

RLHF나 루브릭 채점을 하는 팀을 위해 Encord가 쌍 비교와 평가 워크플로를 조율한다. 사람의 피드백은 학습 데이터와 같은 곳에서 수집된다. 정렬 라운드가 별도 스프레드시트와 허비한 오후로 흘러가지 않는다.

데이터 에이전트는 모델 예측 실행부터 결과 정렬, 사람이 필요한 항목 표시까지 반복적인 파이프라인 작업을 맡는다. Segment Anything Model 2를 포함한 AI 보조 라벨링이 첫 패스를 빠르게 하고, 보간이 라벨을 프레임 사이로 옮긴다. 주석자는 키프레임마다 찍을 필요 없이 빈틈만 채우면 된다.

Encord는 데이터 등록, 라벨 가져오기, 결과 내보내기를 위한 API와 Python SDK를 제공한다. 파이프라인은 스크립트로 다룰 수 있는 상태로 남는다. 자체 클라우드 스토리지에 연결하고 클라우드, VPC, 온프레미스 배포를 제공한다. 데이터는 자체 환경에 남는다. 많은 기업 팀이 처음부터 요구하는 조건이다.