cloudfactory.com
CloudFactory (Hasty GmbH) · 코딩
Hasty는 CloudFactory의 컴퓨터 비전 도구로, 이미지와 영상 어노테이션을 맡는다. AI 지원 라벨링, 자동 품질 검사, 노코드 학습이 쓸 만한 비전 모델까지의 길을 줄여 준다.
cloudfactory.com 소개
About
Hasty란
Hasty는 컴퓨터 비전 프로젝트를 위한 이미지·영상 어노테이션 플랫폼이다. 2018년 베를린에서 독립 도구로 출발했고 2022년 CloudFactory가 인수했다. 지금은 CloudFactory 데이터 플랫폼 안에서 비전 영역을 담당한다. 같은 작업 공간에서 소프트웨어 지원 라벨링도 하고, 필요하면 외부 어노테이션 팀도 붙일 수 있다.
주장은 단순하다. 라벨링은 거의 모든 비전 프로젝트에서 가장 느린 단계이고, Hasty는 그 시간을 줄이려 한다. 어시스턴트는 팀이 만든 어노테이션에서 배워 다음 배치에 초안을 붙인다. 학습한 프로젝트마다 고유한 모델이 생기므로, 같은 데이터셋에서 오래 작업할수록 도구가 더 쓸모 있어진다.
한계도 분명하다. 빈 프로젝트에서는 어시스턴트가 작동하지 않는다. 첫 모델이 움직일 만큼 신호를 얻으려면 이미지 열 장 정도를 끝까지 어노테이션하거나 분류 25건을 만들어야 한다. 가격은 건별 견적으로 정하고 예산이 있는 조직을 겨냥한다. 아이디어만 시험해 보려는 개인 개발자에게는 더 싼 선택지가 있다.
시작하기
- app.hasty.ai에 접속해 이메일이나 Google 계정으로 가입한다.
- 프로젝트를 만들고 객체 탐지, 분류, 시맨틱 세그멘테이션 같은 작업 유형을 고른다.
- 이미지나 영상 프레임을 올리고 처음 일부를 손으로 어노테이션해 학습 데이터를 만든다.
- 프로젝트 모델의 학습이 끝날 때까지 기다린 뒤, 나머지 이미지에서 AI 제안을 승인하거나 고친다.
- 표시된 항목을 검토하고 데이터셋을 내보낸 다음, Model Playground에서 모델을 학습하거나 배포한다.
제품 정보
cloudfactory.com의 요금, 지원 플랫폼, 성능을 한눈에 확인해 보세요.
추천 대상
이 도구가 가장 잘 맞는 사용자, 작업, 상황입니다.
사용자
- 머신러닝 엔지니어와 데이터 과학자
- 어노테이션 팀 리드
- ML 전담 인력이 없는 제품 팀
작업
- 객체 탐지용 정답 데이터셋 만들기
- 기존 어노테이션 감사
- 비전 모델 프로토타이핑
활용 상황
- 컴퓨터 비전 활용 사례 검증
- 사내 처리량을 넘는 라벨링
- 규제가 강한 업계
주요 기능
AI 지원 어노테이션
Hasty의 어시스턴트는 팀이 만든 라벨에서 배워 다음 라벨을 예측한다. 탐지와 세그멘테이션에서는 점을 열 개 넘게 찍는 대신 클릭 한 번으로 폴리곤이 들어간다. 시작 조건이 있다. 첫 모델은 이미지 열 장 정도의 완전한 어노테이션 또는 분류 25건이 있어야 작동한다.
Model Playground
Model Playground는 코드 없이 모델을 학습하고 비교한다. 탐지기를 시험하고 지표를 보고 데이터셋을 고친 뒤 같은 세션에서 다시 학습한다. 이 데이터셋으로 제대로 된 제품을 만들 수 있는지라는 좁은 질문에 일찍 답하기 위한 기능이다.
자동 품질 관리
합의 점수는 서로 다른 출처의 어노테이션을 비교해 어긋나는 것에 표시를 단다. 표본을 눈으로 확인하는 대신 의심스러운 라벨 목록을 순위별로 받는다. 실무에서는 깨끗한 이미지에 쓰는 시간이 줄고, 판단이 필요한 이미지에 쓰는 시간이 늘어난다.
일곱 가지 컴퓨터 비전 작업
한 작업 공간에서 분류, 태깅, 객체 탐지, 인스턴스 세그멘테이션, 시맨틱 세그멘테이션, 파놉틱 세그멘테이션, 속성 예측을 다룬다. 작업 유형이 바뀌어도 데이터를 다른 도구로 옮기지 않는다. 탐지로 시작한 프로젝트가 나중에 픽셀 단위 마스크를 필요로 할 때 차이가 난다.
위탁 어노테이션 팀
Hasty가 CloudFactory 안에 있어 프로젝트 대기열 일부를 교육받은 어노테이터에게 넘길 수 있다. 프로젝트, 가이드라인, 품질 규칙은 그대로 유지된다. 독립 라벨링 도구와 가장 크게 갈리는 지점이고, 가격 논의가 작업 범위 문서에서 시작하는 이유이기도 하다.
보안과 준수
CloudFactory는 ISO 9001:2015, ISO 27001, SOC 2, HIPAA, GDPR을 보유한다. 의료나 자동차 팀에서는 라벨링 소프트웨어 성능과 무관하게 이 서류가 공급업체 선택을 좌우하는 경우가 많다.
장단점
장점
- AI 어시스턴트가 짧은 수작업 초기 단계 뒤에 반복 작업을 줄인다.
- 합의 점수가 품질 관리를 수동 표본 검사 대신 검토 목록으로 바꾼다.
- 일곱 가지 작업 유형이 한 공간에 있어 탐지에서 세그멘테이션으로 데이터 이전 없이 확장한다.
- 사내 처리량이 바닥나면 CloudFactory의 위탁 어노테이터에 바로 연결된다.
- 규제 업계의 구매 요건을 충족하는 준수 범위를 갖춘다.
단점
- 공개 가격표가 없다. 예산을 세우려면 영업과 상담하고 범위가 정해진 견적을 받아야 한다.
- AI 기능은 수동 어노테이션이 일정량 쌓일 때까지 멈춰 있어 첫날 작업이 느리다.
- 독립 제품으로서의 Hasty는 끝났다. 문서와 지원이 CloudFactory 플랫폼 전체를 전제로 하므로 오래된 튜토리얼은 낡아 보인다.
- 작은 팀에는 기업용 계약 구조와 조건이 실제 필요보다 무겁게 느껴질 수 있다.
자주 묻는 질문
컴퓨터 비전 학습 데이터셋을 만드는 데 쓴다. 이미지나 영상을 올리고 객체와 영역을 어노테이션하고 품질 검사를 돌린 뒤 같은 작업 공간에서 모델을 학습한다.
관련 콘텐츠
cloudfactory.com와 관련된 도구, 스킬, 아티클을 살펴보세요.
cloudfactory.com 대안
Base Code
Base44 (Wix) · 코딩 · 생산성Base Code는 Base44가 만든 공유 클라우드 개발 환경이다. 팀은 기존 GitHub 저장소에 대한 변경을 채팅으로 설명하고, 미리보기로 확인한 뒤 풀 리퀘스트로 돌려보낸다.
Google EmbeddingGemma 2
Google DeepMind · 글쓰기 · 이미지 · 코딩Google EmbeddingGemma 2는 7억 4000만 파라미터의 오픈 모델로, 텍스트와 코드, 이미지, 오디오, 영상 프레임을 하나의 768차원 공간에 벡터로 바꿔 스마트폰과 노트북에서 실행한다.
GitGlow
GitGlow · 코딩 · 생산성GitGlow는 내 코드와 AI 에이전트의 변경을 한 리뷰에 모으는 데스크톱 Git 클라이언트다. 배포 전에 내 기계에서 무엇이 나가는지 확인할 수 있다.