CVHub520/X-AnyLabeling

X‑AnyLabeling – AI 支援アノテーション デスクトップ アプリ

概要 – 画像、動画、テキスト、3D 点群にラベルを付けることができるクロスプラットフォーム GUI ツールです。最先端のビジョン モデル（YOLO、SAM、Grounding‑DINO など）を多数バンドルしているため、アノテーションを自動生成し、手動で編集できます。

重要性 – 高品質なラベル付きデータは、コンピューター ビジョン モデルのトレーニングにおけるボトルネックです。X‑AnyLabeling は、以下の方法でそのプロセスを高速化します。

• 既製のアノテーション プリミティブ（ボックス、ポリゴン、マスク、キューブ、キーポイントなど）を提供。
• 検出、セグメンテーション、OCR、ポーズ推定、深度、VQA、マルチモーダル グラウンディングなどのタスク向けに、数十の事前トレーニング済みモデルを統合。
• ローカル推論（ONNX、TensorRT、OpenCV DNN、vLLM、SGLang）と、付属の X‑AnyLabeling‑Server を介したリモート推論の両方をサポート。
• すべての一般的なデータセット形式（COCO、VOC、YOLO、MOT、DOTA、PPOCR、ShareGPT など）にエクスポート。

主な機能

カテゴリ	できること
データ型	画像、動画、プレーン テキスト、PDF、3D 点群、マルチモーダル バンドル
アノテーション タスク	分類、オブジェクト検出（HBB/OBB）、インスタンス/セマンティック セグメンテーション、ポーズ、顔、トラッキング、OCR/KIE、レーン マーキング、深度、画像キャプション、VQA、タグ付け、グラウンディング、カウンティング
ツール	ポリゴン、長方形、回転ボックス、キューブ、円、ポリライン、ポイント、マスク、マジック ワンド（領域成長）、インタラクティブ SAM、ビデオ オブジェクト セグメンテーションなど
モデル ライブラリ	40 以上のすぐに使えるモデル（YOLOv5‑v12、YOLOX、YOLO‑NAS、SAM 1/2/3、Grounding‑DINO、Florence‑2、Qwen‑VL など）
推論バックエンド	ONNX Runtime、TensorRT、OpenCV DNN、vLLM、SGLang、およびカスタム リモート サーバー
形式	COCO、VOC、YOLO、DOTA、MOT、MASK、PPOCR、MMGD、VLM‑R1、ShareGPT などのインポート/エクスポート
プラットフォーム	Windows、Linux、macOS。UI は英語、中国語、日本語、韓国語に対応

典型的なワークフロー

1. ロード – 生データ（画像フォルダ、動画ファイル、点群ファイルなど）を読み込みます。
2. モデルを選択 – 組み込みライブラリからモデルを選択します（例：検出用 YOLO‑v8、セグメンテーション用 SAM‑2）。
3. 推論を実行 – アプリがデータを選択したエンジン（ローカル GPU/CPU またはリモート サーバー）に送信し、予測を受け取ります。
4. 編集 – 描画ツールを使用して自動ラベルを編集します。マスクの調整、ボックスの調整、キーポイントの追加、OCR テキストの修正などが可能です。
5. エクスポート – トレーニング パイプラインに必要な形式で最終アノテーションをエクスポートします。

はじめに

• pip でインストール：pip install x-anylabeling-cvhub（Python 3.11+ が必要）。
• または、GitHub リリース ページからプリビルドのデスクトップ バイナリをダウンロード。
• xanylabeling を実行して GUI を起動し、ドキュメントの インストールとクイックスタート ガイドに従ってください。

拡張性 – X‑AnyLabeling 推論 API に準拠した Python ラッパーを提供することで、独自のモデルをプラグインできます。または、カスタム モデルと GPU リソースをホストするリモート X‑AnyLabeling‑Server をアプリに指定することもできます。

コミュニティとサポート – GPL‑v3 の下でオープンソースであり、貢献ガイド、問題トラッカー、継続的な開発のためのスポンサー ページがあります。

---

TL;DR – X‑AnyLabeling は、豊富な機能を備えたマルチモーダル アノテーション ワークステーションであり、巨大なモデル ライブラリと使いやすい GUI を組み合わせ、幅広いコンピューター ビジョン タスクのトレーニング データを迅速に生成および仕上げることができます。