CVAT 全景解析平台形态、数据格式支持、标注工具体系与 AI 自动标注架构【免费下载链接】cvatComputer Vision Annotation Tool (CVAT) is a leading platform for building high-quality visual datasets for vision AI. It offers open-source, cloud, and enterprise products, as well as labeling services, for image, video, and 3D annotation with AI-assisted labeling, quality assurance, team collaboration, analytics, and developer APIs.项目地址: https://gitcode.com/GitHub_Trending/cvat/cvat本文以 CVAT 官方文档中的 Overview 章节为主体系统梳理 CVAT 作为计算机视觉数据标注平台的三大核心能力三种产品形态与定位、对图像/视频/3D 数据及主流标注格式的支持、手动标注的模式与几何工具体系以及基于无服务器架构的 AI 自动标注方案。读完后你可以基于当前仓库中的格式注册器、MIME 类型表、serverless 模型函数与部署脚本快速验证这些能力在源码层面的落地方式并据此选择合适的部署与集成路径。产品与服务的分层设计CVAT 定位为面向计算机视觉应用的高质量视觉数据集管理平台提供图像、视频与 3D 标注工具、内建质量保障QA、自动化能力与安全的团队协作机制。官方文档将其划分为三个版本与一项标注服务产品/服务部署方式核心特征CVAT Community自托管本地或自有云免费版本包含完整标注工具集、导入/导出格式与核心工作流适合有基础设施管理能力的技术团队CVAT Online托管云自动更新与维护、托管基础设施提供 Free / Solo / Team 多档订阅面向快速上手与协作场景内置灵活存储CVAT Enterprise托管或私有云/本地部署面向大型组织与受监管环境提供 SSO/LDAP、审计日志、专属支持与定制 SLA 等高级能力Labeling as a Service由 CVAT 团队提供专家标注服务跨项目规模化标注内置 QA 与报表看板适合一次性标注项目与常态化工作流对于开发者而言本仓库对应的就是 CVAT Community 代码库所有标注引擎、格式转换、AI 集成与 REST API 均以开源形式提供Enterprise 与 Online 版本在此代码库之上叠加商业功能与托管服务。支持的数据类型与格式Overview 文档声明的输入数据能力如下图像所有 Python Pillow 库支持的格式包括JPEG、PNG、BMP、GIF、PPM与TIFF视频ffmpeg 支持的所有格式包括MP4、AVI、MOV3D.pcd、.bin点云数据。源码层面的格式证据仓库内有一份直接参与上传解析的 MIME/扩展名映射表 media.mimetypes它由系统 mime 数据库生成可以验证上述声明的实际覆盖面视频段涵盖mp4、mov、avi、mkv、webm、m2ts、mpeg、flv等第 3–64 行与“ffmpeg 支持的所有格式”的表述一致图像段涵盖jpeg/jpg、png、bmp、gif、ppm、tif/tiff、webp以及多种 RAW 格式第 66–200 行3D 段显式登记了image/x-point-cloud-data pcd第 109 行与image/x.kitti-velodyne bin第 110 行对应文档中.pcd、.bin的 3D 输入能力归档段还支持zip、rar、7z、tar.*等压缩包第 201–224 行这是批量上传数据集时的实际入口。导入/导出格式注册器除原始媒体输入外CVAT 的标注数据还可通过一套格式注册体系在不同标准之间转换。核心实现位于 registry.pyExporter与Importer两个基类定义了格式的可调用接口第 21–28 行exporter()/importer()装饰器将具体格式以DISPLAY_NAME为键注册进全局字典EXPORT_FORMATS/IMPORT_FORMATS第 81–123 行并支持按 2D/3D 维度DimensionType区分格式适用性文件末尾的导入块第 134–156 行一次性挂载了仓库实际提供的全部格式模块。对照 formats 目录 中的实现文件仓库内置的格式覆盖包括类别格式实现CVAT 原生cvat.pyCVAT 1.1 XML分图像/视频两种检测/目标识别coco.py、yolo.py、pascal_voc.py、openimages.py、imagenet.py、labelme.py语义分割mask.py、camvid.py、cityscapes.py3D 点云pointcloud.py、velodynepoint.py、kitti.py视频多目标跟踪mot.py、mots.py行人再识别/人脸market1501.py、vggface2.py、widerface.py、lfw.py文本识别icdar.py音频audio_tsv.py通用框架datumaro.py对接 Datumaro 生态注册器中还有一个值得注意的默认行为format_for()函数第 71–78 行显示当未显式指定导出格式时图像任务默认回落到 “CVAT for images 1.1”视频任务回落到 “CVAT for video 1.1”即 CVAT 原生 XML 始终是最稳的交换格式。手动标注体系CVAT 的手动标注体系由两个正交维度组成标注模式决定工作区的可用操作集几何工具决定对象的空间表示。两者共同约束编辑器的行为、图形创建方式与可用的几何类型。标注模式模式行为Standard标准模式完整访问所有标注工具与对象编辑能力Attribute annotation mode属性标注模式仅编辑对象属性颜色、尺寸等不改动几何形状Single shape mode单形状模式绘制一个形状后自动退出绘制状态适合逐帧快速框选Tag annotation mode标签模式为帧添加帧级标签不绘制形状Review mode审核模式审阅并校验已有标注用于 QA 流程从源码结构看这些模式在前端有对应的状态管理实现cvat-ui/src/reducers/ 目录下除通用的 annotation-reducer.ts 外还单独维护了 review-reducer.ts 用于审核流与文档中的 Review mode 声明相印证。Shape 与 Track几何对象的时间维度在帧上绘制对象时可以选择对象在时间轴上的行为Shape形状仅在当前帧创建单个形状Track轨迹将多个帧上的形状链接为同一对象形成跨帧序列支持插值interpolation与外推是视频标注的核心抽象。绘制方式上CVAT 同时支持“由两个对角点定义”与“通过四个角点放置”两种方式以获得更细的控制。这一抽象在 cvat-core/src/annotations-objects/ 中体现得非常直接每种几何类型都有一对*-shape.ts与*-track.ts文件例如rectangle-shape.ts/rectangle-track.ts、cuboid-shape.ts/cuboid-track.ts、skeleton-shape.ts/skeleton-track.ts、polygon-shape.ts/polygon-track.ts等统一继承自shape.ts与track.ts基类。形状工具与适用场景文档给出的形状类型与用途对照表如下继承自 Overview 原文形状适用场景Rectangles矩形简单目标检测对象呈盒状如建筑物中的窗户Polygons多边形图像中复杂形状如地图地理特征、精细产品轮廓Polylines折线线性对象如道路、路径或姿态估计中的肢体Ellipses椭圆圆形/椭圆形对象的分割掩码如盘子、球、眼睛Cuboids长方体3D 分割掩码捕获对象体积与位姿用于自动驾驶与机器人Skeletons骨骼关节结构的分割掩码用于人体姿态估计、动画与运动分析Brush Tool刷笔工具自由形态像素级分割掩码如医学影像Tags标签图像/视频分类任务如场景或主题识别2D 标注绘制引擎位于 cvat-canvas/ 包drawHandler.ts、editHandler.ts、masksHandler.ts等3D 标注则由独立的 cvat-canvas3d/ 包承担canvas3d.ts、cuboid.ts等两者分别对应表格中 2D 形状与 Cuboids 的实现载体。自动化标注AI Agent 与无服务器模型函数CVAT 的自动标注通过一组 AI 工具实现用于在图像和视频上自动检测、分割或跟踪对象。这些工具分为三类来源内置模型如 SAM/SAM2 交互分割模型原生集成平台的预训练模型如 Hugging Face、RoboflowCVAT Online 能力自部署的自定义或第三方模型即 CVAT AI Agent 机制涵盖 YOLO 等框架以 Nuclio 函数形式运行。官方内置模型清单Overview 文档列出了完整的内置模型支持矩阵算法类别框架CPUGPUSegment AnythingInteractor交互器PyTorch支持支持Faster RCNN (inception_resnet_v2)Detector检测器OpenVINO支持—Mask RCNN (inception_resnet_v2)DetectorOpenVINO支持—YOLO v3DetectorOpenVINO支持—YOLO v7DetectorONNX支持支持Object ReidentificationReID再识别OpenVINO支持—Semantic Segmentation for ADASDetectorOpenVINO支持—Text Detection v4DetectorOpenVINO支持—SiamMaskTracker跟踪器PyTorch支持支持TransTTrackerPyTorch支持支持Inside-Outside GuidanceInteractorPyTorch支持—Faster RCNN (inception_v2_coco)DetectorTensorFlow支持支持RetinaNet (r101)DetectorPyTorch支持支持Face Detection (0205)DetectorOpenVINO支持—仓库中的模型函数布局当前仓库的 serverless/ 目录承载了其中一部分模型的 Nuclio 函数实现目录结构按“框架/作者/模型”组织模型仓库路径SAM (ViT-H)serverless/pytorch/facebookresearch/sam/nuclio/TransTserverless/pytorch/dschoerk/transt/nuclio/RetinaNet r101serverless/pytorch/facebookresearch/detectron2/retinanet_r101/nuclio/IOG (Inside-Outside Guidance)serverless/pytorch/shiyinzhang/iog/nuclio/HRNet32 (mmpose)serverless/pytorch/mmpose/hrnet32/nuclio/YOLOv7serverless/onnx/WongKinYiu/yolov7/nuclio/Faster RCNN (inception_v2_coco)serverless/tensorflow/faster_rcnn_inception_v2_coco/nuclio/Mask RCNN / Face Detection (OpenVINO)serverless/openvino/omz/以 SAM 为例其函数声明文件 function.yaml 展示了 AI Agent 的元数据约定metadata.annotations中的type: interactor声明模型类别spec字段min_pos_points: 0、startswith_box_optional: true描述前端交互约束最少正/负点数、是否允许从框开始help_message则直接渲染为界面提示。构建部分通过 Nuclio 的directives在安装 PyTorch、segment-anything 源码并下载sam_vit_h_4b8939.pth权重HTTP 触发器将请求体上限设为 32MB。部署流程deploy 脚本仓库提供了 deploy_cpu.sh 与 deploy_gpu.sh 两个部署脚本。CPU 脚本的执行逻辑deploy_cpu.sh为构建 OpenVINO 基础镜像cvat.openvino.basenuctl create project cvat --platform local在本地平台创建 Nuclio 项目以 glob 遍历**/function.yaml对含Dockerfile的函数目录先构建专属基础镜像逐个执行nuctl deploy注入CVAT_FUNCTIONS_REDIS_HOSTcvat_redis_ondisk与CVAT_FUNCTIONS_REDIS_PORT6666环境变量模型函数通过 Redis 与后端交换任务状态并将函数挂载进cvat_cvat容器网络。这套“脚本 Nuclio Redis 状态通道”的组合就是 CVAT 将任意第三方模型接入为 AI Agent 的标准路径为模型编写main.pyHTTP handler与model_handler.py描述好 function.yaml再经由脚本部署到与 CVAT 后端同网络内的 Nuclio 实例即可。开发者生态与关键资源Overview 文档的 “Useful links” 一节指引了从安装到开发接口的完整资源链。结合当前仓库这些能力的落地位置如下资源说明仓库位置自托管安装Community 版本地/自有云部署含 AWS 部署指南根目录 Dockerfile、docker-compose.yml、docker-compose.dev.yml数据集管理框架基于 Datumaro 的构建、转换与分析 CLI是构建/转换/分析数据集的核心工具cvat/apps/dataset_manager/ 及 utils/dataset_manifest/Server REST API客户端CLI、浏览器、脚本通过 HTTP 与 CVAT 交互的完整接口契约cvat/schema.ymlOpenAPI 规范、cvat/urls.pyPython SDK提供服务器交互与数据校验、序列化等附加功能的 Python 库cvat-sdk/含 cvat_sdk/core/client.py 及 examples/ 实战脚本命令行工具管理 CVAT 任务的轻量 CLI具备成长为完整管理工具的潜力cvat-cli/入口 cvat_cli/main.pyXML 标注格式CVAT 原生标注数据的格式规范理解数据结构与兼容性的基础cvat/apps/dataset_manager/formats/cvat.py测试体系REST API、SDK、CLI 的端到端验证tests/python/含 rest_api/、sdk/、cli/SDK 一栏特别值得一提的是 examples/ 目录下的脚本集合覆盖了创建项目、导入/导出标注、自动标注、Webhook 注册与资源监控等典型工作流是理解 REST API 实际用法的最佳入口。生态集成CVAT 作为全球化标注平台文档列出了与其生态紧密关联的三方服务服务可用范围集成说明Human ProtocolOnline / Community / Enterprise在 Human Protocol 框架内集成 CVAT增强其数据标注能力FiftyOneOnline / Community / Enterprise开源数据集管理与模型分析工具与 CVAT 深度集成以强化标注能力与标签精修Hugging Face / RoboflowOnline可将 Hugging Face 与 Roboflow 的模型添加到 CVAT Online 中以增强计算机视觉任务许可证信息CVAT 采用多许可证并存的策略Overview 文档给出的完整清单为许可证类型适用范围说明MIT LicenseCommunity、Enterprise宽松自由软件许可证允许广泛使用、修改与分发见根目录 LICENSE 及源码文件头部的SPDX-License-Identifier: MIT声明LGPL License (FFmpeg)Online、Community、Enterprise内嵌 FFmpeg 项目的 LGPL 组件用户应自行确认 FFmpeg 的使用是否触发额外许可义务CVAT.ai 公司不提供该许可且不对相关许可费用负责Commercial LicenseEnterpriseEnterprise 商用方案适用单独的商务许可证面向企业与客户组织Terms of Use全部产品规定使用条款与保密信息处理框架Privacy Policy全部产品规定访问与使用服务过程中的信息收集、保护与披露规则联系与支持渠道咨询类型适用对象渠道Commercial InquiriesOnline、Enterprise、Labeling Services咨询 Enterprise 报价、Online Team 订阅或订购标注服务General Inquiries全部产品与服务洽谈合作、联合营销或投资机会CVAT Online Customer SupportOnlinePro 与 Team 计划产品支持、账单问题与功能反馈CVAT Community Customer SupportCommunity在项目代码库的 Issues 渠道报告缺陷或提交功能请求小结Overview 文档勾勒出的 CVAT 能力版图在当前仓库中均有对应的源码落点media.mimetypes与格式注册器证实了从图像、视频、点云到 COCO/YOLO/PASCAL VOC/KITTI 等标准格式的完整 I/O 能力cvat-core与cvat-canvas/cvat-canvas3d的 shape/track 双轨抽象支撑了全部八类标注工具serverless/下的 Nuclio 函数与部署脚本则展示了将 SAM、YOLOv7、TransT 等模型接入为 AI Agent 的工程路径。沿着这些入口深入即可把 Overview 中的产品描述转化为可直接操作、可验证的技术方案。【免费下载链接】cvatComputer Vision Annotation Tool (CVAT) is a leading platform for building high-quality visual datasets for vision AI. It offers open-source, cloud, and enterprise products, as well as labeling services, for image, video, and 3D annotation with AI-assisted labeling, quality assurance, team collaboration, analytics, and developer APIs.项目地址: https://gitcode.com/GitHub_Trending/cvat/cvat创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
CVAT 全景解析：平台形态、数据格式支持、标注工具体系与 AI 自动标注架构
CVAT 全景解析平台形态、数据格式支持、标注工具体系与 AI 自动标注架构【免费下载链接】cvatComputer Vision Annotation Tool (CVAT) is a leading platform for building high-quality visual datasets for vision AI. It offers open-source, cloud, and enterprise products, as well as labeling services, for image, video, and 3D annotation with AI-assisted labeling, quality assurance, team collaboration, analytics, and developer APIs.项目地址: https://gitcode.com/GitHub_Trending/cvat/cvat本文以 CVAT 官方文档中的 Overview 章节为主体系统梳理 CVAT 作为计算机视觉数据标注平台的三大核心能力三种产品形态与定位、对图像/视频/3D 数据及主流标注格式的支持、手动标注的模式与几何工具体系以及基于无服务器架构的 AI 自动标注方案。读完后你可以基于当前仓库中的格式注册器、MIME 类型表、serverless 模型函数与部署脚本快速验证这些能力在源码层面的落地方式并据此选择合适的部署与集成路径。产品与服务的分层设计CVAT 定位为面向计算机视觉应用的高质量视觉数据集管理平台提供图像、视频与 3D 标注工具、内建质量保障QA、自动化能力与安全的团队协作机制。官方文档将其划分为三个版本与一项标注服务产品/服务部署方式核心特征CVAT Community自托管本地或自有云免费版本包含完整标注工具集、导入/导出格式与核心工作流适合有基础设施管理能力的技术团队CVAT Online托管云自动更新与维护、托管基础设施提供 Free / Solo / Team 多档订阅面向快速上手与协作场景内置灵活存储CVAT Enterprise托管或私有云/本地部署面向大型组织与受监管环境提供 SSO/LDAP、审计日志、专属支持与定制 SLA 等高级能力Labeling as a Service由 CVAT 团队提供专家标注服务跨项目规模化标注内置 QA 与报表看板适合一次性标注项目与常态化工作流对于开发者而言本仓库对应的就是 CVAT Community 代码库所有标注引擎、格式转换、AI 集成与 REST API 均以开源形式提供Enterprise 与 Online 版本在此代码库之上叠加商业功能与托管服务。支持的数据类型与格式Overview 文档声明的输入数据能力如下图像所有 Python Pillow 库支持的格式包括JPEG、PNG、BMP、GIF、PPM与TIFF视频ffmpeg 支持的所有格式包括MP4、AVI、MOV3D.pcd、.bin点云数据。源码层面的格式证据仓库内有一份直接参与上传解析的 MIME/扩展名映射表 media.mimetypes它由系统 mime 数据库生成可以验证上述声明的实际覆盖面视频段涵盖mp4、mov、avi、mkv、webm、m2ts、mpeg、flv等第 3–64 行与“ffmpeg 支持的所有格式”的表述一致图像段涵盖jpeg/jpg、png、bmp、gif、ppm、tif/tiff、webp以及多种 RAW 格式第 66–200 行3D 段显式登记了image/x-point-cloud-data pcd第 109 行与image/x.kitti-velodyne bin第 110 行对应文档中.pcd、.bin的 3D 输入能力归档段还支持zip、rar、7z、tar.*等压缩包第 201–224 行这是批量上传数据集时的实际入口。导入/导出格式注册器除原始媒体输入外CVAT 的标注数据还可通过一套格式注册体系在不同标准之间转换。核心实现位于 registry.pyExporter与Importer两个基类定义了格式的可调用接口第 21–28 行exporter()/importer()装饰器将具体格式以DISPLAY_NAME为键注册进全局字典EXPORT_FORMATS/IMPORT_FORMATS第 81–123 行并支持按 2D/3D 维度DimensionType区分格式适用性文件末尾的导入块第 134–156 行一次性挂载了仓库实际提供的全部格式模块。对照 formats 目录 中的实现文件仓库内置的格式覆盖包括类别格式实现CVAT 原生cvat.pyCVAT 1.1 XML分图像/视频两种检测/目标识别coco.py、yolo.py、pascal_voc.py、openimages.py、imagenet.py、labelme.py语义分割mask.py、camvid.py、cityscapes.py3D 点云pointcloud.py、velodynepoint.py、kitti.py视频多目标跟踪mot.py、mots.py行人再识别/人脸market1501.py、vggface2.py、widerface.py、lfw.py文本识别icdar.py音频audio_tsv.py通用框架datumaro.py对接 Datumaro 生态注册器中还有一个值得注意的默认行为format_for()函数第 71–78 行显示当未显式指定导出格式时图像任务默认回落到 “CVAT for images 1.1”视频任务回落到 “CVAT for video 1.1”即 CVAT 原生 XML 始终是最稳的交换格式。手动标注体系CVAT 的手动标注体系由两个正交维度组成标注模式决定工作区的可用操作集几何工具决定对象的空间表示。两者共同约束编辑器的行为、图形创建方式与可用的几何类型。标注模式模式行为Standard标准模式完整访问所有标注工具与对象编辑能力Attribute annotation mode属性标注模式仅编辑对象属性颜色、尺寸等不改动几何形状Single shape mode单形状模式绘制一个形状后自动退出绘制状态适合逐帧快速框选Tag annotation mode标签模式为帧添加帧级标签不绘制形状Review mode审核模式审阅并校验已有标注用于 QA 流程从源码结构看这些模式在前端有对应的状态管理实现cvat-ui/src/reducers/ 目录下除通用的 annotation-reducer.ts 外还单独维护了 review-reducer.ts 用于审核流与文档中的 Review mode 声明相印证。Shape 与 Track几何对象的时间维度在帧上绘制对象时可以选择对象在时间轴上的行为Shape形状仅在当前帧创建单个形状Track轨迹将多个帧上的形状链接为同一对象形成跨帧序列支持插值interpolation与外推是视频标注的核心抽象。绘制方式上CVAT 同时支持“由两个对角点定义”与“通过四个角点放置”两种方式以获得更细的控制。这一抽象在 cvat-core/src/annotations-objects/ 中体现得非常直接每种几何类型都有一对*-shape.ts与*-track.ts文件例如rectangle-shape.ts/rectangle-track.ts、cuboid-shape.ts/cuboid-track.ts、skeleton-shape.ts/skeleton-track.ts、polygon-shape.ts/polygon-track.ts等统一继承自shape.ts与track.ts基类。形状工具与适用场景文档给出的形状类型与用途对照表如下继承自 Overview 原文形状适用场景Rectangles矩形简单目标检测对象呈盒状如建筑物中的窗户Polygons多边形图像中复杂形状如地图地理特征、精细产品轮廓Polylines折线线性对象如道路、路径或姿态估计中的肢体Ellipses椭圆圆形/椭圆形对象的分割掩码如盘子、球、眼睛Cuboids长方体3D 分割掩码捕获对象体积与位姿用于自动驾驶与机器人Skeletons骨骼关节结构的分割掩码用于人体姿态估计、动画与运动分析Brush Tool刷笔工具自由形态像素级分割掩码如医学影像Tags标签图像/视频分类任务如场景或主题识别2D 标注绘制引擎位于 cvat-canvas/ 包drawHandler.ts、editHandler.ts、masksHandler.ts等3D 标注则由独立的 cvat-canvas3d/ 包承担canvas3d.ts、cuboid.ts等两者分别对应表格中 2D 形状与 Cuboids 的实现载体。自动化标注AI Agent 与无服务器模型函数CVAT 的自动标注通过一组 AI 工具实现用于在图像和视频上自动检测、分割或跟踪对象。这些工具分为三类来源内置模型如 SAM/SAM2 交互分割模型原生集成平台的预训练模型如 Hugging Face、RoboflowCVAT Online 能力自部署的自定义或第三方模型即 CVAT AI Agent 机制涵盖 YOLO 等框架以 Nuclio 函数形式运行。官方内置模型清单Overview 文档列出了完整的内置模型支持矩阵算法类别框架CPUGPUSegment AnythingInteractor交互器PyTorch支持支持Faster RCNN (inception_resnet_v2)Detector检测器OpenVINO支持—Mask RCNN (inception_resnet_v2)DetectorOpenVINO支持—YOLO v3DetectorOpenVINO支持—YOLO v7DetectorONNX支持支持Object ReidentificationReID再识别OpenVINO支持—Semantic Segmentation for ADASDetectorOpenVINO支持—Text Detection v4DetectorOpenVINO支持—SiamMaskTracker跟踪器PyTorch支持支持TransTTrackerPyTorch支持支持Inside-Outside GuidanceInteractorPyTorch支持—Faster RCNN (inception_v2_coco)DetectorTensorFlow支持支持RetinaNet (r101)DetectorPyTorch支持支持Face Detection (0205)DetectorOpenVINO支持—仓库中的模型函数布局当前仓库的 serverless/ 目录承载了其中一部分模型的 Nuclio 函数实现目录结构按“框架/作者/模型”组织模型仓库路径SAM (ViT-H)serverless/pytorch/facebookresearch/sam/nuclio/TransTserverless/pytorch/dschoerk/transt/nuclio/RetinaNet r101serverless/pytorch/facebookresearch/detectron2/retinanet_r101/nuclio/IOG (Inside-Outside Guidance)serverless/pytorch/shiyinzhang/iog/nuclio/HRNet32 (mmpose)serverless/pytorch/mmpose/hrnet32/nuclio/YOLOv7serverless/onnx/WongKinYiu/yolov7/nuclio/Faster RCNN (inception_v2_coco)serverless/tensorflow/faster_rcnn_inception_v2_coco/nuclio/Mask RCNN / Face Detection (OpenVINO)serverless/openvino/omz/以 SAM 为例其函数声明文件 function.yaml 展示了 AI Agent 的元数据约定metadata.annotations中的type: interactor声明模型类别spec字段min_pos_points: 0、startswith_box_optional: true描述前端交互约束最少正/负点数、是否允许从框开始help_message则直接渲染为界面提示。构建部分通过 Nuclio 的directives在安装 PyTorch、segment-anything 源码并下载sam_vit_h_4b8939.pth权重HTTP 触发器将请求体上限设为 32MB。部署流程deploy 脚本仓库提供了 deploy_cpu.sh 与 deploy_gpu.sh 两个部署脚本。CPU 脚本的执行逻辑deploy_cpu.sh为构建 OpenVINO 基础镜像cvat.openvino.basenuctl create project cvat --platform local在本地平台创建 Nuclio 项目以 glob 遍历**/function.yaml对含Dockerfile的函数目录先构建专属基础镜像逐个执行nuctl deploy注入CVAT_FUNCTIONS_REDIS_HOSTcvat_redis_ondisk与CVAT_FUNCTIONS_REDIS_PORT6666环境变量模型函数通过 Redis 与后端交换任务状态并将函数挂载进cvat_cvat容器网络。这套“脚本 Nuclio Redis 状态通道”的组合就是 CVAT 将任意第三方模型接入为 AI Agent 的标准路径为模型编写main.pyHTTP handler与model_handler.py描述好 function.yaml再经由脚本部署到与 CVAT 后端同网络内的 Nuclio 实例即可。开发者生态与关键资源Overview 文档的 “Useful links” 一节指引了从安装到开发接口的完整资源链。结合当前仓库这些能力的落地位置如下资源说明仓库位置自托管安装Community 版本地/自有云部署含 AWS 部署指南根目录 Dockerfile、docker-compose.yml、docker-compose.dev.yml数据集管理框架基于 Datumaro 的构建、转换与分析 CLI是构建/转换/分析数据集的核心工具cvat/apps/dataset_manager/ 及 utils/dataset_manifest/Server REST API客户端CLI、浏览器、脚本通过 HTTP 与 CVAT 交互的完整接口契约cvat/schema.ymlOpenAPI 规范、cvat/urls.pyPython SDK提供服务器交互与数据校验、序列化等附加功能的 Python 库cvat-sdk/含 cvat_sdk/core/client.py 及 examples/ 实战脚本命令行工具管理 CVAT 任务的轻量 CLI具备成长为完整管理工具的潜力cvat-cli/入口 cvat_cli/main.pyXML 标注格式CVAT 原生标注数据的格式规范理解数据结构与兼容性的基础cvat/apps/dataset_manager/formats/cvat.py测试体系REST API、SDK、CLI 的端到端验证tests/python/含 rest_api/、sdk/、cli/SDK 一栏特别值得一提的是 examples/ 目录下的脚本集合覆盖了创建项目、导入/导出标注、自动标注、Webhook 注册与资源监控等典型工作流是理解 REST API 实际用法的最佳入口。生态集成CVAT 作为全球化标注平台文档列出了与其生态紧密关联的三方服务服务可用范围集成说明Human ProtocolOnline / Community / Enterprise在 Human Protocol 框架内集成 CVAT增强其数据标注能力FiftyOneOnline / Community / Enterprise开源数据集管理与模型分析工具与 CVAT 深度集成以强化标注能力与标签精修Hugging Face / RoboflowOnline可将 Hugging Face 与 Roboflow 的模型添加到 CVAT Online 中以增强计算机视觉任务许可证信息CVAT 采用多许可证并存的策略Overview 文档给出的完整清单为许可证类型适用范围说明MIT LicenseCommunity、Enterprise宽松自由软件许可证允许广泛使用、修改与分发见根目录 LICENSE 及源码文件头部的SPDX-License-Identifier: MIT声明LGPL License (FFmpeg)Online、Community、Enterprise内嵌 FFmpeg 项目的 LGPL 组件用户应自行确认 FFmpeg 的使用是否触发额外许可义务CVAT.ai 公司不提供该许可且不对相关许可费用负责Commercial LicenseEnterpriseEnterprise 商用方案适用单独的商务许可证面向企业与客户组织Terms of Use全部产品规定使用条款与保密信息处理框架Privacy Policy全部产品规定访问与使用服务过程中的信息收集、保护与披露规则联系与支持渠道咨询类型适用对象渠道Commercial InquiriesOnline、Enterprise、Labeling Services咨询 Enterprise 报价、Online Team 订阅或订购标注服务General Inquiries全部产品与服务洽谈合作、联合营销或投资机会CVAT Online Customer SupportOnlinePro 与 Team 计划产品支持、账单问题与功能反馈CVAT Community Customer SupportCommunity在项目代码库的 Issues 渠道报告缺陷或提交功能请求小结Overview 文档勾勒出的 CVAT 能力版图在当前仓库中均有对应的源码落点media.mimetypes与格式注册器证实了从图像、视频、点云到 COCO/YOLO/PASCAL VOC/KITTI 等标准格式的完整 I/O 能力cvat-core与cvat-canvas/cvat-canvas3d的 shape/track 双轨抽象支撑了全部八类标注工具serverless/下的 Nuclio 函数与部署脚本则展示了将 SAM、YOLOv7、TransT 等模型接入为 AI Agent 的工程路径。沿着这些入口深入即可把 Overview 中的产品描述转化为可直接操作、可验证的技术方案。【免费下载链接】cvatComputer Vision Annotation Tool (CVAT) is a leading platform for building high-quality visual datasets for vision AI. It offers open-source, cloud, and enterprise products, as well as labeling services, for image, video, and 3D annotation with AI-assisted labeling, quality assurance, team collaboration, analytics, and developer APIs.项目地址: https://gitcode.com/GitHub_Trending/cvat/cvat创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
