VisioFirm：面向计算机视觉的跨平台 AI 辅助标注工具

AI 模型依赖标注数据来学习模式并进行预测。标注通常是一个劳动密集型步骤，需要关联从简单的分类标签到更复杂任务（如目标检测、有向边界框估计和实例分割）的标签。传统工具通常需要大量人工输入，限制了对大型数据集的可扩展性。为解决此问题，我们引入了 VisioFirm，一个开源 Web 应用，旨在通过 AI 辅助自动化来简化图像标注。VisioFirm 将 SOTA 基础模型集成到带有过滤流水线的界面中，以减少人在回路的工作量。这种混合方法采用 CLIP 结合预训练检测器（如 Ultralytics 模型）处理常见类别，并使用零样本模型（如 Grounding DINO）处理自定义标签，通过低置信度阈值生成初始标注以最大化召回率。通过该框架，在 COCO 类型类别上进行测试时，初始预测已被证明大部分正确，尽管用户可以通过支持边界框、有向边界框和多边形的交互式工具对其进行细化。此外，VisioFirm 具有由 Segment Anything 驱动的即时分割功能，并通过 WebGPU 加速以提高浏览器端效率。该工具支持多种导出格式（YOLO、COCO、Pascal VOC、CSV），并在模型缓存后可离线运行，增强了可访问性。通过在多样数据集上的基准测试，VisioFirm 展示了高达 90% 的人工工作量减少，同时通过连接基于 CLIP 的消歧组件聚类和用于冗余检测抑制的 IoU 图保持高标注准确率。VisioFirm 可从 \href{https://github.com/OschAI/VisioFirm}{https://github.com/OschAI/VisioFirm} 获取。