X-AnyLabeling：AI 驱动自动标注工具介绍

X-AnyLabeling是由 CVHub 开发的一款功能强大、支持多模态的AI 驱动自动标注工具，专为数据工程师和研究人员在工业级复杂任务中提供高效、精准的标注解决方案。

https://github.com/CVHub520/X-AnyLabeling
Computer Vision Annotation Tool (CVAT)

🔍 核心特点

• AI 引擎集成：内置多种先进模型，支持图像分类、目标检测、实例分割、姿态估计、OCR、深度估计、图像抠图、视觉问答（VQA）、图文理解等多种任务。
• 远程推理服务：配套提供X-AnyLabeling-Server，支持 GPU 加速、远程调用自定义模型，适用于前后端分离或团队协作场景。
• 多格式兼容：支持主流标注格式的导入/导出，如 COCO、VOC、YOLO、DOTA、MOT、MASK、PPOCR、MMGD、VLM-R1 等。
• 多样化标注类型：包括矩形框、旋转框、多边形、点、线、圆形等，也支持文本检测/识别、关键信息抽取（KIE）等 OCR 相关任务。
• 一键批量推理：可对当前任务目录下所有图像执行 AI 自动标注，大幅提升效率。
• 支持视频标注：不仅限于图像，还支持对视频帧进行自动标注与追踪。
• 可扩展性强：允许用户集成自定义模型，进行二次开发。

🧠 支持的任务与模型（部分）

🚀 安装与使用

安装方式（推荐）

# 通过 pip 安装（需 Python ≥ 3.8）pipinstallx-anylabeling

或从源码构建（获取最新功能）：

gitclone https://github.com/CVHub520/X-AnyLabeling.gitcdX-AnyLabeling pipinstall-r requirements.txt python main.py

启动远程服务（可选）

配套的X-AnyLabeling-Server支持 RESTful API，便于集成到现有标注平台或自动化流水线中。

🖥️ 功能界面亮点

• 多模态提示标注：支持文本提示（Text Prompt）或视觉提示（Visual Prompt）驱动的分割与检测（如 SAM + Grounding DINO 联合使用）。
• VQA（视觉问答）：可对图像提问并自动生成答案。
• 多类别分类器：支持细粒度图像分类。
• 一键推理当前文件夹所有图像。
• 实时预览与交互式修正：AI 建议 + 人工校正，形成高效闭环。

📜 许可与使用限制

• 许可证：GPL-3.0
• 免费使用范围：
  • 个人非商业用途 ✅
  • 学术/教育/科研用途 ✅（需注册）
• 商业用途：❌ 需联系cv_hub@163.com获取商业授权。

🙌 社区与贡献

• 欢迎提交 Issue、PR，参与模型集成、文档改进或功能扩展。
• 项目致谢了 AnyLabeling、LabelMe、CVAT 等开源标注工具。

📚 引用方式（如用于研究）

@misc{X-AnyLabeling, year = {2023}, author = {Wei Wang}, publisher = {Github}, organization = {CVHub}, journal = {Github repository}, title = {Advanced Auto Labeling Solution with Added Features}, howpublished = {\url{https://github.com/CVHub520/X-AnyLabeling}} }