Что такое CVAT и кто его разработал?
CVAT (Computer Vision Annotation Tool) — открытый инструмент для разметки изображений и видео, изначально созданный командой компьютерного зрения Intel. Сегодня проект существует сразу в двух видах: как открытый код, доступный для самостоятельного развёртывания, и как отдельный сервис CVAT.ai с готовой облачной версией, не требующей настройки собственного сервера.
Название расшифровывается буквально — «инструмент аннотирования для компьютерного зрения», и это точно описывает фокус проекта: CVAT создавался не как универсальный редактор данных, а как рабочий инструмент для команд, которые готовят датасеты под задачи детекции, сегментации и трекинга объектов. За годы разработки вокруг него сложилось активное открытое сообщество, которое предлагает исправления, интеграции и дополнительные модули.
Открытая разработка означает, что код CVAT можно изучить, доработать под собственные нужды и развернуть без зависимости от одного поставщика. Для компаний, которые заранее закладывают в архитектуру независимость от конкретного вендора, это отдельный аргумент в пользу инструмента — даже если в моменте удобнее воспользоваться готовой облачной версией.
Какие типы разметки поддерживает CVAT?
CVAT поддерживает основные типы разметки для компьютерного зрения: bounding box, полигоны, полилинии, точки и ключевые точки для оценки позы, а также попиксельные маски сегментации и 3D-кубоиды для облаков точек. Один и тот же проект может сочетать несколько типов разметки под разные классы объектов одновременно.
Каждому объекту можно добавить и произвольные атрибуты — например, отметить, что предмет частично перекрыт другим объектом, размыт или относится к отдельной подкатегории. Такая гибкость позволяет описывать не только «что и где», но и контекст, важный для последующего обучения модели, без переключения между разными инструментами под разные типы разметки.
Помимо самих геометрических примитивов, CVAT поддерживает разбиение задачи на отдельные job — сегменты кадров, которые можно распределить между несколькими разметчиками. Это делает инструмент пригодным не только для одиночной ручной разметки, но и для командной работы над одним крупным датасетом одновременно.
Что такое интерполяция в CVAT и зачем она нужна?
Интерполяция — функция CVAT для разметки видео, которая автоматически рассчитывает положение рамки объекта на промежуточных кадрах между двумя размеченными вручную ключевыми кадрами. Разметчику достаточно расставить объект на нескольких опорных кадрах — CVAT сам достроит его путь между ними, что в разы ускоряет разметку видео.
Если объект временно скрывается за другим предметом или уходит за пределы кадра, трек можно пометить как «вне кадра» на этом промежутке — интерполяция корректно прервётся и возобновится, когда объект снова появится. Это избавляет разметчика от необходимости вручную поправлять каждый промежуточный кадр там, где объект просто на время не виден.
На практике интерполяция особенно заметно экономит время на длинных видео с плавным движением — например, при разметке трафика на перекрёстке или трекинге спортсмена на записи матча, где объект перемещается по кадру предсказуемо и без резких скачков.
Чем открытый CVAT отличается от облачной версии cvat.ai?
Открытый CVAT разворачивают самостоятельно через Docker на своём сервере — это даёт полный контроль над тем, где хранятся данные, и не требует платы за само использование кода. Облачная версия cvat.ai работает сразу в браузере без установки и снимает нагрузку по администрированию, но данные при этом обрабатываются на стороне сервиса.
Выбор между вариантами редко бывает вопросом удобства — чаще это вопрос требований к данным. Компании, которые по внутренним политикам или отраслевым нормам не могут передавать данные во внешние сервисы, разворачивают open-source версию у себя; команды, которым важнее скорость старта и не критично, где физически хранятся данные, чаще выбирают облако.
Важно, что переход между вариантами не односторонний: проект, начатый в облаке, можно в дальнейшем перенести на собственную инфраструктуру, если требования к данным изменятся, — формат хранения разметки в CVAT остаётся совместимым независимо от способа развёртывания.
Кому подходит CVAT и для каких задач его выбирают?
CVAT в первую очередь выбирают команды, которые готовят датасеты для классических задач компьютерного зрения — детекции объектов, сегментации, трекинга и оценки позы. Инструмент одинаково подходит и небольшим ML-командам, и крупным компаниям с собственной инфраструктурой, которым важен контроль над хранением размечаемых данных.
Отдельно CVAT ценят разработчики и исследователи за открытый API: инструмент можно встраивать в собственный пайплайн подготовки данных, подключать внешние модели для предразметки и автоматизировать рутинные части процесса, а не только вручную кликать в интерфейсе. Это отличает его от закрытых сервисов, где кастомизация ограничена настройками, заданными вендором.
CVAT одинаково востребован и в исследовательских группах, где нужен быстрый способ подготовить датасет под эксперимент, и в промышленных пайплайнах, где разметка — регулярный процесс с постоянным потоком новых данных и повторяемыми гайдлайнами.
Какие есть ограничения у CVAT?
CVAT заточен под компьютерное зрение и слабо подходит для разметки текста, аудио или табличных данных — под эти типы данных обычно берут другой инструмент. Самостоятельное развёртывание требует базовых навыков работы с Docker и администрирования сервера, а мощный интерфейс требует времени на освоение новичком.
Ещё одно практическое ограничение — ресурсы: разметка длинных видео в высоком разрешении требует достаточной производительности сервера и клиента, иначе интерфейс начинает подтормаживать. Само по себе наличие инструмента тоже не заменяет гайдлайн и контроль качества — CVAT задаёт удобную среду для разметки, но согласованность результата по-прежнему зависит от команды и её процессов.
Часть ограничений снимается интеграцией: например, вопрос производительности решается достаточными серверными ресурсами, а вопрос типов данных — сочетанием CVAT с другим инструментом под текст или аудио в рамках одного мультимодального проекта.
Если задача выходит за рамки одного инструмента — например, нужен весь цикл от сбора данных до контроля качества и выгрузки под конкретную модель, — на этом этапе имеет смысл рассмотреть разметку данных под ключ у специализированной команды, а не только выбор софта.
Сам по себе выбор CVAT — это решение об инструменте, а не о процессе целиком: гайдлайн, распределение задач между разметчиками и контроль качества по-прежнему нужно выстраивать отдельно, вне зависимости от того, насколько удобен интерфейс редактора разметки.