Ferramentas de anotação de imagens comparadas: CVAT, Label Studio, Roboflow, V7 e Potato

Para rotulagem de visão computacional em alto volume, o CVAT é a ferramenta de código aberto de referência, e o Roboflow, o V7 e o Supervisely acrescentam treinamento de modelos ou fluxos de trabalho gerenciados como produtos comerciais. O Potato é indicado para rótulos de imagem que são dados de pesquisa: vários anotadores rotulam as mesmas imagens, e o estudo precisa relatar o quanto eles concordam. O Potato relata essa concordância corrigida pelo acaso sobre caixas, polígonos e máscaras, algo que não encontramos em outra plataforma de anotação, e sinaliza pré-rótulos aceitos sem revisão. Ele também serve quando as imagens dividem um estudo com texto, áudio ou saídas de modelos.

Uma caixa delimitadora é o retângulo em volta de um objeto. A segmentação de imagens atribui pixels a objetos, como polígonos ou como máscaras. Os pontos-chave marcam pontos de referência, como as articulações, e um esqueleto os conecta. A interseção sobre união (IoU) mede o quanto duas formas se sobrepõem, e a maioria das ferramentas a usa para comparar anotadores.

Esta página trata de imagens, lâminas gigapixel e nuvens de pontos 3D. Ferramentas de anotação com IA, comparadas cobre todos os tipos de dados em uma única página.

Quais ferramentas de anotação de imagens vale a pena comparar?

Como conduzir um estudo de rotulagem, lado a lado

Todas as ferramentas aqui desenham as formas. Elas diferem na forma de checar as pessoas que as desenham:

Um travessão significa que não encontramos nada sobre o item na documentação da ferramenta em setembro de 2026. Se alguma célula estiver errada, avise a gente.

Onde o Potato está à frente em imagens

Concordância corrigida pelo acaso. Duas caixas desenhadas sem cuidado sobre um objeto grande ainda se sobrepõem bastante, então o IoU bruto favorece os anotadores. O Potato compara os anotadores com uma linha de base empírica de acaso, e não encontramos nenhuma outra plataforma de anotação que relate concordância corrigida pelo acaso sobre rótulos espaciais. A seção sobre concordância, mais abaixo, traz os detalhes.

Pré-rótulos que foram de fato checados. Aceitar a sugestão de um modelo sem olhar aumenta a concordância e reduz a acurácia. O Potato registra o tempo de desenho, o que separa uma sugestão revisada de uma aprovada sem olhar.

O estudo em torno das imagens. O Potato recruta anotadores no Prolific ou no SONA, treina-os antes da tarefa real e pode acrescentar avaliações, rankings ou perguntas de texto livre sobre as mesmas imagens em um único estudo. Os honeypots do CVAT e os exames do Supervisely checam uma equipe de rotulagem. As fases do Potato são feitas para participantes de estudo que chegam sem nenhum treinamento.

Caixas, polígonos e pontos-chave

Todas as ferramentas aqui desenham caixas e polígonos. O CVAT, o Label Studio, o Roboflow, o V7, o Supervisely, o Segments.ai e o Potato também fazem pontos-chave com esqueletos. O Potato acrescenta polilinhas, elipses, cuboides 2D e máscaras de pincel associadas a instâncias.

As plataformas maduras de visão computacional anexam atributos a cada objeto, como um nível de oclusão, uma marcação de truncamento ou um subtipo. O Potato ainda não faz isso. Nele, a geometria carrega um rótulo, e atributos extras exigem um esquema complementar.

Segmentação com a ajuda de um modelo

A segmentação interativa transforma um clique ou um contorno aproximado em uma máscara justa. O Potato a executa no navegador, sem GPU para provisionar. O CVAT chega a ela por meio de funções Nuclio ou do seu caminho de agente de IA, e o Label Studio por meio de um backend de ML. O Roboflow, o V7, o Supervisely e o Segments.ai a trazem embutida no produto.

A segmentação por prompt de texto devolve uma máscara para um objeto que você nomeia. O Potato a executa no navegador com um modelo sob licença Apache-2.0. O Roboflow e o V7 usam o SAM 3 nos seus servidores, o Supervisely a oferece por meio de apps, e o Label Studio por meio de um backend de ML. O X-AnyLabeling reúne Grounding DINO, Grounded-SAM 2, SAM 2.1 e YOLO em um aplicativo de desktop, e para uma pessoa rotulando localmente com muitos modelos ele é difícil de superar. A vantagem do Potato começa quando há mais de um anotador.

Veja Anotação de segmentação de imagens e como rotular objetos digitando o nome deles.

Imagens gigapixel e lâminas de patologia

O Potato constrói uma pirâmide de tiles servida tanto como DZI quanto como IIIF Image API 3.0. As máscaras de pincel funcionam na resolução total da fonte, porque o buffer da máscara indexa pixels da imagem, e não uma textura de GPU, então não há teto de tamanho de textura. TIFF científico de 16 bits recebe uma janela por percentis, para que estruturas tênues continuem visíveis. O V7 e o Supervisely também lidam com imagens muito grandes, e o CVAT lida em parte. Veja Anotação de imagens gigapixel com Deep Zoom.

Para patologia digital, o QuPath (aplicativo de desktop de código aberto, o padrão da área) e o Cytomine (aplicativo web de código aberto com anotação cega por vários usuários) são feitos sob medida. O Potato não lê SVS, DICOM nem NIfTI.

Nuvens de pontos 3D

O Potato anota nuvens PCD, PLY, LAS, KITTI .bin e .xyz com cuboides 3D, pontos, polilinhas e segmentos por ponto. Ele armazena a rotação do cuboide como um quatérnio, de modo que pitch e roll sobrevivem a uma ida e volta, e compara cuboides com IoU 3D exato com rotação. A anotação é feita quadro a quadro.

O Segments.ai, o Kognic, o Deepen AI, o Supervisely e o Xtreme1/BasicAI são especialistas e, para pipelines de produção de direção autônoma, estão à frente: fluxos de trabalho de sequência com propagação de trilhas, suporte a radar e a múltiplos LiDARs e cuboides com ajuste automático. O CVAT, o Supervisely e o Segments.ai lidam com sequências de nuvens de pontos, o que o Potato não faz. Veja Como anotar nuvens de pontos 3D.

Como medir a concordância em rótulos de imagem

A maioria das ferramentas de visão computacional compara anotadores por sobreposição. O motor de consenso do CVAT e a etapa de consenso do V7 comparam anotadores com IoU bruto contra um limiar por classe, e o Label Studio Enterprise lista correspondência exata, diferença numérica, IoU e sobreposição de trechos. Nenhuma dessas medidas corrige pelo acaso, e o IoU entre duas caixas sobre um objeto grande é alto mesmo quando as duas são desenhadas sem cuidado.

O Potato relata concordância sobre geometria com uma linha de base empírica de acaso. Não encontramos nenhuma outra plataforma de anotação que relate concordância corrigida pelo acaso sobre rótulos espaciais. Como medir a concordância entre anotadores em caixas delimitadoras explica o método.

A pré-rotulagem acrescenta um segundo problema. Anotadores que aceitam sugestões do modelo sem checá-las aumentam todos os números de concordância e, ao mesmo tempo, reduzem a acurácia. O Potato registra o tempo de desenho, o que separa uma sugestão revisada de uma aprovada sem olhar. Veja Como detectar pré-rótulos aprovados sem revisão.

Formatos

O Potato importa 15 formatos de visão computacional, 11 dos quais fazem ida e volta. Ele exporta COCO, YOLO, Pascal VOC, CVAT, LabelMe, Cityscapes, KITTI, V7 Darwin, máscaras PNG, MOT e DAVIS. Veja Formatos de visão computacional.

Uma tarefa de caixas delimitadoras com dois anotadores por imagem

agreement_metrics:
  enabled: true
 
annotation_schemes:
  - annotation_type: image_annotation
    name: objects
    description: "Draw a tight box around every vehicle."
    source_field: image
    tools: [bbox]
    labels:
      - {name: car, color: "#FF6B6B"}
      - {name: truck, color: "#4ECDC4"}
 
num_annotators_per_item:
  default: 2

Cada imagem vai para dois anotadores, e o painel de administração relata a concordância deles sobre as caixas.

O que o Potato não faz em imagens

• Nenhum treinamento de modelos. O Potato pré-rotula com modelos existentes, mas não treina detectores. O Roboflow, o V7, o Supervisely e o Labelbox treinam.
• Ainda sem atributos por objeto.
• Nenhuma sequência de nuvens de pontos. A anotação 3D é feita quadro a quadro.
• Nenhum formato DICOM, NIfTI ou de lâmina inteira.
• Nenhuma força de trabalho gerenciada. Traga seus próprios anotadores ou recrute-os no Prolific.

Verificado em relação à documentação e à página de preços de cada projeto em agosto e setembro de 2026.

Perguntas frequentes

Qual é a melhor ferramenta gratuita de anotação de imagens?

Para trabalho em alto volume que seja só de visão computacional, o CVAT é gratuito, maduro e auto-hospedado. Para imagens em um projeto que também rotula texto ou áudio, a Community Edition do Label Studio e o Potato cobrem toda essa variedade. Para estudos em que vários anotadores rotulam as mesmas imagens e a concordância precisa ser relatada, o Potato inclui isso sem custo. Para um punhado de imagens sem nada para instalar, o VIA roda a partir de um único arquivo HTML.

Existe uma alternativa de código aberto ao Labelbox?

O CVAT, a Community Edition do Label Studio e o Potato são de código aberto e auto-hospedados. O Labelbox vende uma plataforma gerenciada e uma força de trabalho de rotulagem. As ferramentas de código aberto fornecem software, não anotadores, então você traz sua própria equipe ou recruta por meio de uma plataforma como o Prolific.

Dá para rodar segmentação assistida por modelo sem servidor com GPU?

Sim. O Potato executa a segmentação interativa e por prompt de texto no navegador por meio do ONNX Runtime Web, e funciona em ambiente air-gapped depois que os pesos do modelo estão na máquina. A propagação de máscaras em vídeo com o SAM 2 roda no servidor. O X-AnyLabeling roda os modelos localmente no desktop. O CVAT e o Label Studio chamam um servidor de modelos.

Como medir a concordância entre anotadores em caixas delimitadoras?

Atribua cada imagem a pelo menos dois anotadores, faça a correspondência entre as caixas deles e relate uma concordância que leve o acaso em conta, porque o IoU bruto é alto em objetos grandes não importa o que os anotadores façam. O guia de concordância em caixas delimitadoras cobre a correspondência, a linha de base de acaso e o que relatar.

Qual ferramenta de anotação usar para nuvens de pontos 3D?

Para dados de direção em produção, com sequências e propagação de trilhas, use um especialista como o Segments.ai, o Kognic ou o Supervisely, ou o CVAT se precisar ser de código aberto. Para cuboides quadro a quadro em que você precisa de estatísticas de concordância, ou em que o 3D é uma parte de um estudo multimodal, o Potato serve.

Existe uma alternativa ao CVAT para estudos de anotação com vários anotadores?

Para pesquisas em que cada imagem vai para vários anotadores e o artigo relata a concordância, o Potato é de código aberto e gratuito, e relata essa concordância corrigida pelo acaso. As próprias ferramentas de qualidade do CVAT (jobs de ground truth, honeypots e consenso) pontuam os anotadores por IoU contra limiares, com relatórios de qualidade no CVAT Online e no Enterprise. O CVAT continua sendo a ferramenta mais forte para rotulagem em alto volume e sequências de nuvens de pontos.

Leitura complementar

• Ferramentas de anotação com IA, comparadas, para todos os tipos de dados em uma única página
• Ferramentas de anotação de texto comparadas: PLN de código aberto e pagas
• Ferramentas de anotação de áudio comparadas: ELAN, Praat, Label Studio e Potato
• Ferramentas de anotação de vídeo comparadas: CVAT, Label Studio, ELAN, BORIS e Potato
• Ferramentas de avaliação de agentes de IA comparadas: LangSmith, Langfuse, Phoenix e Potato
• Ferramentas de avaliação de modelos de mundo e episódios de robôs comparadas
• Anotação de imagens