AvalaAvala
데모 예약 — 구축 시작 / 동료 되기

Physical AI를 위한 학습 출력

모델에 맞게 설계된 Ground Truth.

동기화된 카메라, LiDAR, 시퀀스 데이터를 인지 시스템에 필요한 지오메트리로 변환합니다. 2D 박스와 마스크, 3D 큐보이드와 포인트 클라우드 레이블, 폴리라인, 분류, 추적 객체를 지원합니다.

데모 예약지원 출력 살펴보기

대표 장면 하나를 가져오세요. 운영 전에 출력, 검토 경로, 납품 형식을 함께 설계합니다.

MCAP 및 ROS 데이터
LiDAR 및 포인트 클라우드
멀티카메라 비디오
텔레메트리 및 궤적

Physical AI를 위한 학습 출력

학습 루프에 필요한 출력을 선택하세요.

지원되는 기본 출력 유형을 선택한 뒤 모델 작업에 맞춰 클래스, 속성, 어노테이션 범위, 검토 경로를 구성하세요.

탐지 및 위치 추정

이미지 프레임과 3D 장면에서 객체를 찾습니다.

2D 바운딩 박스
이미지와 비디오 프레임에서 객체를 찾습니다.
3D 큐보이드
포인트 클라우드 장면에서 위치, 크기, 방향을 캡처합니다.

세그멘테이션

카메라와 포인트 클라우드 데이터에서 클래스 또는 객체 영역을 생성합니다.

이미지 마스크
카메라 데이터에서 픽셀 수준의 클래스 또는 객체 경계를 생성합니다.
포인트 클라우드 세그멘테이션
3D 장면의 포인트에 시맨틱 클래스를 할당합니다.

장면 지오메트리

작업별 경계와 시퀀스 지오메트리를 추적합니다.

폴리곤 및 폴리라인
차선, 연석, 영역과 기타 작업별 지오메트리를 추적합니다.
시퀀스 폴리라인
지원되는 시퀀스 전반에서 프레임 인식 3D 폴리라인 지오메트리를 유지합니다.

추적 및 분류

지원되는 시퀀스 전반에서 식별 정보와 속성을 유지합니다.

추적 객체
지원되는 시퀀스 프레임 전반에서 객체 식별 정보를 유지합니다.
분류
프레임, 객체 또는 트랙 수준의 레이블과 속성을 추가합니다.

작업 정의

모델의 의사결정부터 시작하세요.

학습 목표가 Ground Truth 표현을 결정해야 하며, 그 반대가 되어서는 안 됩니다. 운영을 확대하기 전에 센서, 엣지 케이스, 납품 계약에 맞춰 출력을 정의하세요.

  1. 워크플로가 지원하는 범위에서 카메라, LiDAR, 변환 정보, 시퀀스 맥락을 함께 확인하세요.

  2. 운영 전에 클래스 규칙, 지오메트리, 속성, 프레임 또는 시퀀스 범위를 정의하세요.

  3. 릴리스 전에 결과를 사람 검토와 승인 상태를 거치게 하세요. 지원되는 작업에는 작업별 합의 분석을 추가하세요.

연결된 Ground Truth

레이블링 이후의 루프까지 고려했습니다.

Ground Truth는 검토를 거쳐 버전 관리되는 학습 데이터 워크플로로 이어질 때 가치를 만듭니다.

장면 맥락 유지

레이블링 작업 동안 카메라, LiDAR, 텔레메트리, 데이터셋 맥락을 연결 상태로 유지합니다.

품질 기준 적용

사람 검토, 작업자 귀속, 승인 상태를 사용하고, 지원되는 작업에는 작업별 합의 분석을 추가하세요.

학습 데이터 릴리스

승인된 출력을 버전 관리되는 데이터셋 워크플로로 전달해 후속 내보내기와 모델 작업에 활용합니다.

작업 범위 정의

어려운 장면 하나를 가져오세요.

학습 목표를 Ground Truth 지오메트리, 워크플로, 납품 계약에 맞춰 설계해 드립니다.

데모 예약