툴바, 패널, 에디터 등 작업 화면을 원하는대로 설정해 사용자 맞춤형 작업 환경을 만들 수 있습니다.

작업·검수 확인, 코멘트 기반 피드백, 이력 복구 기능을 통해 데이터 품질을 효율적으로 관리할 수 있습니다.

파일명, 해상도 등 작업에 필요한 기본 정보를 제공하여, 효율적으로 작업을 진행할 수 있도록 지원합니다.

Auto Polygon, Auto Keypoint 등 스마트 툴과 단축키 등록으로 반복 작업을 빠르게 처리하고 작업 시간을 줄일 수 있습니다.

학습용 데이터셋을 자유롭게 구성하고, 버전 관리로 이력을 추적해 협업 환경에서도 데이터 충돌 없이 안정적으로 운영할 수 있습니다.

자동·수동으로 구성비를 조정할 수 있고, 데이터셋 변화에도 적절한 분포도에 따른 구성비를 유지할 수 있습니다.

다양한 차트를 활용해 학습 데이터셋의 분포, 중복, 유사도를 시각화하고, 분석 결과를 직관적으로 파악해 오학습 가능성을 사전에 진단·교정할 수 있습니다.

완료된 모델은 재사용하거나, 다양한 방식으로 외부에 배포할 수 있어 모델 자산의 활용도를 높일 수 있습니다.

학습된 모델은 실시간으로 테스트할 수 있으며, 입력값을 바꿔가며 추론 결과를 직접 확인할 수 있습니다.

워크스페이스 단위로 학습된 모델과 데이터셋을 자유롭게 공유하고 탐색할 수 있습니다.

데이터에 라벨링 작업을 시작하기 전 또는 완료된 후 필요한 전/후처리 작업을 자동화합니다. 예시) 라벨링 전 사람 얼굴을 자동으로 모자이크 처리 합니다.

작업 데이터를 사전 정의된 규칙에 따라 자동 검토해, 라벨 누락이나 기준 미달 바운딩 박스 등 오류를 탐지하고 품질을 점검합니다.

어노테이터 내 AI 기반 보조 도구로, 자동 객체 감지와 빠른 세그멘테이션 등을 통해 어노테이션을 보완하고 생산성을 높입니다.

모델을 학습하거나, 학습된 모델로 추론을 수행할 수 있는 기능을 제공합니다.

기본 포맷 외에도 원하는 형식으로 데이터를 자동 변환해 데이터를 업로드할 수 있습니다.

작업 완료된 데이터셋은 지정된 포맷은 물론, YOLO, COCO, Pascal VOC 등 다양한 형식으로 변환해 내보낼 수 있습니다.

복잡한 설정 없이 GPU 자원을 손쉽게 연동할 수 있으며, 연결된 서버는 상태 모니터링부터 다양한 기능까지 간편하게 사용할 수 있습니다.

논리적인 GPU 컨트롤러를 통해 하나의 GPU를 여러 작업에 나누어 할당할 수 있고, 최적화된 자원 관리를 자동으로 수행하여 서버 운영 효율을 극대화할 수 있습니다.