Servicios de anotación de vídeo para visión por computador: seguimiento, eventos y control de calidad temporal

Seguimiento de objetos (cajas o máscaras con identificadores persistentes) cuando el modelo debe seguir el mismo vehículo, persona o pieza entre fotogramas y a través de oclusiones. Etiquetas de acciones y actividades para modelos de comportamiento, seguridad y deporte, aplicadas por persona u objeto con fotogramas de inicio y fin explícitos. Eventos y segmentación temporal cuando la salida es una línea de tiempo: incidentes, fases, transiciones, cambios de plano. Puntos clave y pose en secuencias para modelos de movimiento, gestos y ergonomía, con indicador de visibilidad por punto y por fotograma. Reglas de muestreo e interpolación acordadas de antemano, para pagar solo los fotogramas que su modelo necesita. Construimos la ontología con usted, incluidos los casos difíciles: reidentificación tras oclusión, escenas densas, cámara en movimiento y poca luz.

Para profundizar: Anotación en vídeo de series temporales para la IA: métodos, herramientas y mejores prácticas, Categorización de contenido de vídeo deportivo: anotación de escenas, eventos y momentos destacados para IA y Anotación de grabaciones de CCTV para IA de seguridad: buenas prácticas y herramientas.

Cada proyecto empieza con una guía escrita y un objetivo de calidad acordado, seguido de un piloto de pago sobre una muestra de su vídeo real, para que compruebe la calidad del seguimiento y el ritmo de entrega antes de comprometer horas de material. La producción combina preanotación asistida por modelo e interpolación cuando aportan valor con anotadores formados en su taxonomía, sobre herramientas de anotación personalizadas configuradas para sus clases, su tasa de fotogramas y sus etapas de revisión. Cada lote pasa validación humana y comprobaciones automáticas (cambios de identidad, huecos en las trayectorias, inestabilidad de cajas, fotogramas ausentes, uso de clases) antes de la entrega.

La calidad se mide a nivel de secuencia, no solo por fotograma: IoU de trayectorias frente a secuencias de referencia, número de cambios de identidad y fragmentaciones, acuerdo entre anotadores en los límites de eventos y muestreo de aceptación en cada lote, todo ello reportado con los archivos. Entrega en COCO Video, MOT, YOLO por fotograma, CVAT XML o su propio esquema. Nuestra guía de precios explica cómo la tasa de fotogramas, la densidad de objetos y los requisitos de seguimiento determinan el coste.

El vídeo casi siempre contiene personas. DataVLab cuenta con la certificación ISO/IEC 27001 y aplica flujos de trabajo conformes con el RGPD y la HIPAA: entornos de anotación con acceso controlado, minimización de datos, acuerdos de tratamiento firmados y equipos exclusivamente en la UE cuando el material no puede salir de Europa. Rostros, matrículas y lugares sensibles pueden tratarse con reglas específicas del proyecto, incluidas colas de difuminado y acceso restringido.

Para los sistemas de IA de alto riesgo según el Reglamento europeo de IA (EU AI Act), documentamos las guías, la cualificación de los anotadores, los controles de calidad y la composición del conjunto de datos para que su expediente de gobernanza de datos (artículo 10) esté listo antes de los plazos.

Un tracker entrenado con cajas inestables o identidades que cambian aprende la inestabilidad. Un estudio sobre diez conjuntos de datos de referencia encontró al menos un 3,3 % de etiquetas erróneas, y el vídeo multiplica el problema porque una mala trayectoria se propaga a cientos de fotogramas. Un fotograma se etiqueta en segundos y una trayectoria limpia sobre un clip completo en minutos, pero un cambio de identidad sin detectar cuesta mucho más una vez llega al entrenamiento. Por eso la validación humana a nivel de secuencia forma parte de cada proyecto de vídeo de DataVLab y no es un extra. Nuestra página de estadísticas de anotación de datos recopila las cifras publicadas.