质量诊断
四类数据问题尽早发现
疑似错标
与嵌入空间中邻居相悖的标签，会被标记出来等待复核。
近重复
没有新增信息的画面，在影响训练之前就被精简。
离群样本
损坏、误拍或分布外的样本，在空间的稀疏边缘浮现。
覆盖不足
稀疏区域精确指出：哪些场景与缺陷类型你还缺。
同一空间
一眼看全整个数据集
图像与文本映射到同一个共享嵌入空间——用一句话或一张参考图检索，直观查看聚类、缺口与稀疏边缘。
- 用文本或参考图像检索样本
- 聚类与稀疏边缘一目了然
- 诊断结果直接标注在空间中
主动学习
优先标注模型最需要的批次
不确定性与多样性评分为未标注数据排序——让你接下来标注的一批，正是模型最需要的那批。
- 不确定性挑出模型拿不准的样本
- 多样性保证批次不自我重复
- 亲手标注的比例逐轮下降
运行方式
从嵌入到选出下一批
01
嵌入
每个样本映射进同一可检索空间。
02
诊断
错标、重复、离群与缺口被标记出来。
03
复核
人工确认或排除每一个标记。
04
选批
主动学习挑出下一批最有价值的数据。
常见问题
常见问题
诊断基于嵌入，而非你的模型。样本被嵌入共享空间后，与邻居冲突的标签、近重复与离群样本，都是这个空间的几何属性。