Ocular AI

Ocular AI란

Ocular AI는 Ocular Foundry를 만든 회사다. 이 작업 공간은 원본 소재를 학습에 바로 쓸 수 있는 데이터셋으로 바꾼다. 파일이 이미 있는 스토리지를 연결하면 플랫폼이 들어온 소재를 목록으로 정리한다. 그다음 검색하고, 라벨을 붙이고, 분할을 나누고, 필요한 버전을 내보낸다.

이 제품이 필요한 이유는 그 작업이 보통 네다섯 곳에 흩어져 있기 때문이다. 영상은 버킷에 있고, 라벨은 스프레드시트로 흘러가고, 라벨링 도구는 사람 수로 과금하고, 지난달 모델이 어느 내보내기에서 나왔는지 아무도 기억하지 못한다. Ocular는 이 단계를 하나의 프로젝트로 모은다. "밤에 찍은 지게차"로 검색한 결과와 400번 프레임에 그린 박스가 같은 레코드에 속한다. 팀이 커질수록 이 차이는 크게 벌어진다.

한계는 미리 알아두는 편이 좋다. 가격은 영업과 협상해서 정하고 공개된 요금표는 없다. 내장 학습 흐름은 객체 탐지 중심이라 세그멘테이션이 무겁거나 언어 모델을 다루는 프로젝트는 결국 내보내기로 돌아간다. 자동 라벨링이 줄여주는 것은 첫 번째 패스이고, 검수는 아니다. 박스 하나하나에는 여전히 사람의 확인이 붙는다.

시작하기

1. foundry.useocular.com에서 계정을 만들고 조직과 작업 공간을 하나 이상 준비한다. 프로젝트는 작업 공간 아래에 들어가므로 여러 고객을 맡는다면 고객별로 나누는 편이 낫다.
2. 연동 기능으로 소재를 가져오거나 파일을 직접 올리고 목록에 색인을 만들게 한다. 검색은 메타데이터와 태그를 함께 보므로 이 단계에서 채워 넣는다.
3. 대상 파일을 인덱스로 묶고 배치를 연 뒤, 라벨 유형과 검수자를 정해 라벨링 작업을 만든다.
4. 맞는 모델이 있다면 자동 라벨링을 먼저 돌린다. 이후 모델이 틀린 부분을 담당자가 캔버스에서 고친다.
5. 데이터셋 버전을 만들고 학습, 검증, 테스트로 나눠 내보낸다. 같은 버전을 Ocular 안의 YOLOv11 학습에 넣거나 API로 밖으로 가져갈 수 있다.