Strumenti di annotazione video a confronto: CVAT, Label Studio, ELAN, BORIS e Potato

L'annotazione video di solito è uno di due lavori. Il tracciamento di oggetti disegna una forma attorno a qualcosa e la segue fotogramma dopo fotogramma, e CVAT è lo strumento open source di riferimento. L'annotazione temporale segna quando succede qualcosa, e ELAN e BORIS sono gli standard in linguistica e nella ricerca sul comportamento. Potato fa entrambe le cose nel browser per studi con più annotatori. Recluta e forma questi annotatori, e riporta quanto concordano sugli eventi e sulle tracce.

Il tracciamento di oggetti segue un oggetto lungo un video, di solito disegnandolo sui fotogrammi chiave e interpolando quelli intermedi. Un segmento temporale è un inizio, una fine e un'etichetta, come un'azione o un turno di parola. La propagazione delle maschere usa un modello per portare una maschera di segmentazione da un fotogramma al successivo.

Questa pagina tratta il video. Strumenti di annotazione con IA a confronto copre tutti i tipi di dati in una sola pagina.

Quali strumenti di annotazione video conviene confrontare?

Uno studio di annotazione a confronto

Un trattino significa che a settembre 2026 non abbiamo trovato nulla al riguardo nella documentazione dello strumento. Se una cella è sbagliata, diccelo.

Dove Potato è avanti per il video

Accordo su entrambi i tipi di annotazione video. ELAN e BORIS misurano l'accordo sugli eventi, CVAT sulle forme. Potato fa entrambe le cose: gli eventi si confrontano per sovrapposizione e rilevamento a una sola soglia di abbinamento, tracce e maschere rispetto a una linea di base per il caso, così uno studio che traccia oggetti e segna azioni riporta l'accordo su ciascuno.

Codificatori che non sono mai stati nel tuo laboratorio. Potato recluta codificatori su Prolific o SONA, li forma su clip di prova con feedback e li controlla con clip di riferimento mentre lavorano. Dalla versione 2.9 ogni segmento può avere una propria valutazione o domanda a testo libero, così il codificatore può spiegare perché ha segnato un evento proprio lì.

Seguire gli oggetti tra i fotogrammi

La modalità traccia di CVAT collega forme su fotogrammi diversi come un unico oggetto. Chi annota regola la forma su alcuni fotogrammi chiave e CVAT interpola linearmente quelli intermedi, per rettangoli, poligoni e punti. Il tag VideoRectangle di Label Studio porta il tracciamento di oggetti nei video, per i box. V7, Supervisely e Segments.ai tracciano con interpolazione e propagano le maschere con un modello.

Lo schema video_annotation di Potato ha una modalità di tracciamento che interpola box e poligoni tra i fotogrammi chiave. La propagazione delle maschere con SAM 2 gira sul server. Il browser ha un percorso più leggero che porta avanti la maschera. Vedi Come annotare il tracciamento di oggetti nei video.

Segnare quando accadono le cose

Il tag TimelineLabels di Label Studio etichetta un singolo fotogramma con un clic o un intervallo di fotogrammi trascinando. ELAN aggancia le annotazioni alla linea temporale su tutti i livelli che lo schema richiede, con vocabolari controllati e fino a quattro video sincronizzati. BORIS registra e codifica eventi comportamentali da video, audio o osservazione dal vivo. Prodigy registra regioni in base alle marcature temporali del video, e VIA 3 annota video oltre a immagini e audio.

In Potato i segmenti temporali si etichettano su una linea temporale. Dalla versione 2.9, segment_schemes inserisce qualsiasi tipo di annotazione in un segmento, così ogni segmento può avere una propria valutazione o domanda a testo libero. Vedi Annotazione video.

Accordo sulle annotazioni video

Due annotatori che segnano quando inizia un evento non scelgono lo stesso fotogramma, quindi l'accordo temporale dipende da quanto possono distare due segni e contare ancora come lo stesso.

• ELAN ha un calcolo integrato dell'affidabilità tra annotatori: una κ di Cohen modificata che collega annotazioni sovrapposte per un minimo stabilito, e l'algoritmo Staccato, che tiene conto del caso confrontando una segmentazione con altre generate a caso.
• BORIS calcola la κ di Cohen tra due osservazioni, abbinando gli eventi entro una finestra temporale che per impostazione predefinita è di dieci secondi.
• Potato confronta ogni coppia di annotatori su IoU temporale, F1 di rilevamento e un punteggio di accordo complessivo che dà metà del credito ai segmenti abbinati con etichette diverse, tutto a una sola soglia di abbinamento. Nessuna di queste misure ha ancora una linea di base del caso, e la documentazione lo dice. Vedi Accordo nel tempo.
• Il motore di consenso di CVAT confronta gli annotatori con la IoU grezza rispetto a una soglia per classe.

Per tracce e maschere, Potato confronta le maschere fotogramma per fotogramma con consenso delle maschere e STAPLE, e i box con l'accordo sulla geometria descritto in Come misurare l'accordo tra annotatori sui bounding box.

Formati

Potato esporta MOT per le tracce, DAVIS per le maschere di segmentazione di oggetti video, ed EAF per le annotazioni allineate nel tempo che ELAN apre. Vedi Formati di computer vision.

Un compito di tracciamento in Potato

annotation_schemes:
  - annotation_type: video_annotation
    name: tracks
    description: "Draw the object once, then press Track forward."
    source_field: video_url
    mode: tracking
    labels:
      - {name: subject, color: "#d1495b"}
    tracking_options:
      interpolation: linear
      auto_advance_frames: 5
    video_fps: 12
    frame_stepping: true

frame_stepping permette agli annotatori di avanzare un fotogramma alla volta, e auto_advance_frames stabilisce di quanto salta Track forward.

Cosa non fa Potato con il video

• Ancora nessun attributo per oggetto. Una traccia porta un'etichetta. Gli indicatori di occlusione e troncamento richiedono uno schema di accompagnamento.
• Nessuna propagazione delle maschere nel browser. La propagazione con SAM 2 gira sul server.
• Nessuna forza lavoro gestita. Porta i tuoi annotatori, o reclutali su Prolific.

Verificato sulla documentazione di ciascun progetto ad agosto e settembre 2026.

Domande frequenti

Qual è il miglior strumento gratuito di annotazione video?

Per tracciare oggetti su grandi volumi, CVAT è gratuito, maturo e ospitato in proprio. Per codificare comportamento o parlato nel tempo, ELAN e BORIS sono strumenti desktop gratuiti. Per uno studio in cui più annotatori etichettano gli stessi video nel browser e l'accordo va riportato, Potato lo include senza costi.

Quali strumenti di annotazione video interpolano tra i fotogrammi chiave?

La modalità traccia di CVAT interpola linearmente rettangoli, poligoni e punti tra i fotogrammi chiave. La modalità di tracciamento di Potato interpola box e poligoni. V7 e Supervisely interpolano e propagano anche le maschere con un modello. VideoRectangle di Label Studio traccia i box.

Cosa dovrei usare per la codifica del comportamento nei video?

BORIS ed ELAN sono gli strumenti gratuiti consolidati, ed entrambi calcolano l'affidabilità tra codificatori: ELAN tra coppie di livelli, BORIS come κ di Cohen tra due osservazioni. Per uno schema di codifica applicato da più codificatori nel browser, reclutati e formati online, vanno bene i segmenti temporali di Potato. Il suo report di accordo sui segmenti dà sovrapposizione e rilevamento a una sola soglia di abbinamento, senza correzione per il caso.

Quali strumenti di annotazione video calcolano l'affidabilità tra codificatori?

ELAN offre una κ di Cohen modificata e l'algoritmo Staccato tra coppie di livelli. BORIS calcola la κ di Cohen tra due osservazioni entro una finestra temporale. Potato riporta l'IoU temporale e l'F1 di rilevamento sui segmenti, senza correzione per il caso, e l'accordo su tracce e maschere rispetto a una linea di base per il caso. CVAT confronta le forme degli annotatori tramite IoU rispetto a una soglia, e Label Studio riserva l'accordo ai piani a pagamento.

Come si misura l'accordo sulle annotazioni video?

Per gli eventi, abbina i segmenti di ciascun annotatore entro una tolleranza e riporta sovrapposizione, accordo sui confini e accordo sulle etichette, meglio se su più tolleranze, perché l'accordo a un quarto di secondo e a due secondi sono affermazioni diverse. Per le tracce, confronta le forme fotogramma per fotogramma, con la IoU per box e maschere.

Dove gira la propagazione delle maschere video in Potato?

Sul server, con SAM 2. Il browser ha un percorso più leggero che copia una maschera nel fotogramma successivo senza il modello.

Approfondimenti

• Strumenti di annotazione con IA a confronto, tutti i tipi di dati in una pagina
• Strumenti di annotazione del testo a confronto
• Strumenti di annotazione audio a confronto
• Strumenti di annotazione delle immagini a confronto
• Strumenti di valutazione degli agenti IA a confronto
• Strumenti di valutazione di world model ed episodi robotici a confronto
• Come annotare il tracciamento di oggetti nei video