Skip to content

视频标注工具对比：CVAT、Label Studio、ELAN、BORIS 与 Potato

从目标跟踪、时间片段和行为编码几个方面对比 CVAT、Label Studio、ELAN、BORIS、VIA、V7 与 Potato，并比较各工具如何衡量标注者之间的一致性。

视频标注通常是两种工作之一。目标跟踪在某个物体周围画出形状并逐帧跟随，CVAT 是这方面的开源标杆。时间标注标出某件事发生的时间，ELAN 和 BORIS 是语言学和行为研究中的标准工具。Potato 在浏览器中为多名标注者参与的研究同时做这两件事。它还负责招募和培训这些标注者，并报告他们在事件和轨迹上的一致程度。

目标跟踪在整段视频中跟随一个物体，通常是在关键帧上画出物体，再对中间的帧做插值。时间片段由开始时间、结束时间和一个标签组成，例如一个动作或一次说话人话轮。掩码传播用模型把分割掩码从一帧带到下一帧。

本页讨论视频。所有数据类型放在一页里的对比见 AI 标注工具对比。

哪些视频标注工具值得比较？

工具运行方式许可证与费用适合
Potato自行部署的网页应用GPL-3.0，免费多标注者研究：跟踪、时间片段、按片段提问、一致性
CVAT自行部署或托管MIT；托管版每用户每月 33 美元大批量的边界框、多边形和点跟踪
Label Studio自行部署或托管Apache-2.0 Community Edition，另有付费方案用 VideoRectangle 做目标跟踪，用 TimelineLabels 做帧区间标签
ELAN桌面应用GPL-3.0在最多四个关联视频上按时间对齐的分层
BORISLinux、Windows、macOS 和 Android 桌面应用GPL-3.0记录来自视频、音频或现场观察的行为事件
Prodigy在本地运行的网页应用专有借助其音频界面在视频上标注带时间戳的区域
VIA 3单个 HTML 文件，在浏览器中离线运行BSD-2-Clause不装任何东西的小型视频项目
V7、Supervisely托管；Supervisely 也可自行部署商业带模型掩码传播和托管工作流的跟踪

标注研究功能对照

PotatoCVATLabel StudioELANBORIS
多名标注者在浏览器中标注同一批视频是是是否，桌面软件否，桌面软件
事件发生时间的一致性时间 IoU 和检出 F1，只用一个匹配阈值，未经机遇校正—付费方案修正 κ 和 Staccato，在成对的层之间两次观察之间的 Cohen κ，限定在一个时间窗内
轨迹和掩码的一致性带机遇基线的几何一致性、掩码共识和 STAPLE按每类阈值比较 IoU 的共识IoU，Enterprise——
用已知答案测试标注者设有及格线的培训阶段、黄金标准条目、注意力检查Ground truth 任务和蜜罐；质量报告在 CVAT Online 和 EnterpriseGround truth，仅 Enterprise——
通过 Prolific 或 SONA 招募内置————

短横线表示我们在 2026 年 9 月查阅该工具的文档时没有找到相关内容。如果哪一格有误，请告诉我们。

Potato 在视频标注上领先的地方

两类视频标注上的一致性。 ELAN 和 BORIS 衡量事件上的一致性，CVAT 衡量形状上的一致性。Potato 两者都做：事件按重叠和检出、只用一个匹配阈值来比较，轨迹和掩码则对照机遇基线，所以一项既跟踪物体又标记动作的研究，可以分别报告两者的一致性。

从未来过你实验室的编码员。 Potato 通过 Prolific 或 SONA 招募编码员，用带反馈的练习片段培训他们，并在工作过程中用黄金标准片段检查他们。从 2.9 版起，每个片段都可以带上自己的评分或自由文本问题，编码员可以说明为什么把事件标在那个位置。

跨帧跟踪物体

CVAT 的轨迹模式把不同帧上的图形关联为同一个物体。标注者在几个关键帧上调整图形，CVAT 对中间的帧做线性插值，适用于矩形、多边形和点。Label Studio 的 VideoRectangle 标签为视频提供基于边界框的目标跟踪。V7、Supervisely 和 Segments.ai 通过插值做跟踪，并用模型传播掩码。

Potato 的 video_annotation 方案有一个跟踪模式，在关键帧之间对边界框和多边形做插值。基于 SAM 2 的掩码传播在服务器上运行。浏览器端有一条更轻量的路径，把掩码向后续帧延续。见如何标注视频目标跟踪。

标出事情发生的时间

Label Studio 的 TimelineLabels 标签点击一次标注单帧，拖动则标注一段帧区间。ELAN 可以按方案需要，在任意多个层上把标注挂到时间轴上，支持受控词表和最多四个同步视频。BORIS 记录并编码来自视频、音频或现场观察的行为事件。Prodigy 按视频时间戳记录区域，VIA 3 除了图像和音频也能标注视频。

在 Potato 中，时间片段在时间轴上标注。从 2.9 版起，segment_schemes 可以把任意标注类型放进片段里，每个片段都能带上自己的评分或自由文本问题。见视频标注。

视频标注的一致性

两名标注者标一个事件的开始时，不会选中同一帧。所以时间一致性取决于：两个标记相距多远仍可算作同一个。

  • ELAN 内置了标注者间信度计算：一种修正的 Cohen κ，把重叠达到设定比例的标注对应起来；以及 Staccato 算法，把一种切分与随机生成的切分相比较，以考虑偶然因素。
  • BORIS 计算两次观察之间的 Cohen κ，在一个默认 10 秒的时间窗内匹配事件。
  • Potato 对每一对标注者比较时间 IoU、检出 F1，以及一个总体一致性分数（对标签不同的已匹配片段给一半分），全部只用一个匹配阈值。这些指标目前都还没有偶然基线，文档里也写明了这一点。见时间上的一致性。
  • CVAT 的共识引擎用原始 IoU 对照每个类别的阈值来比较标注者。

对于轨迹和掩码，Potato 用掩码共识与 STAPLE 逐帧比较掩码，用如何衡量边界框上的标注者间一致性中介绍的几何一致性来比较边界框。

格式

Potato 把轨迹导出为 MOT，把视频目标分割掩码导出为 DAVIS，把按时间对齐的标注导出为 ELAN 可以打开的 EAF。见计算机视觉格式。

Potato 中的跟踪任务

yaml
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 让标注者可以逐帧前进，auto_advance_frames 决定 Track forward 一次跳过多少帧。

Potato 在视频上不做的事

  • 暂不支持逐物体属性。 一条轨迹只带一个标签。遮挡和截断标记需要配合一个额外的方案。
  • 不在浏览器中做掩码传播。 SAM 2 传播在服务器上运行。
  • 不提供托管的标注人员。 请自带标注者，或在 Prolific 上招募。

以上内容于 2026 年 8 月和 9 月对照各项目的文档核实。

常见问题

最好的免费视频标注工具是哪个？

如果是大批量跟踪物体，CVAT 免费、成熟且可自行部署。如果是按时间编码行为或言语，ELAN 和 BORIS 是免费的桌面工具。如果研究中多名标注者在浏览器里标注同一批视频并需要报告一致性，Potato 免费提供这些功能。

哪些视频标注工具能在关键帧之间插值？

CVAT 的轨迹模式在关键帧之间对矩形、多边形和点做线性插值。Potato 的跟踪模式对边界框和多边形做插值。V7 和 Supervisely 除了插值，还用模型传播掩码。Label Studio 的 VideoRectangle 跟踪边界框。

视频行为编码应该用什么？

BORIS 和 ELAN 是成熟的免费工具，二者都能计算评分者间信度：ELAN 在成对的层之间计算，BORIS 以两次观察之间的 Cohen κ 计算。如果编码方案由多名编码员在浏览器中执行，编码员在线招募和培训，Potato 的时间片段就能用上。它对片段的一致性报告只用一个匹配阈值给出重叠和检出，不做机遇校正。

哪些视频标注工具能计算评分者间信度？

ELAN 在成对的层之间提供修正 Cohen κ 和 Staccato 算法。BORIS 在一个时间窗内计算两次观察之间的 Cohen κ。Potato 对片段报告时间 IoU 和检出 F1，不做机遇校正，并对照机遇基线报告轨迹和掩码的一致性。CVAT 按阈值比较 IoU 来对比标注者画的形状，Label Studio 只在付费方案中提供一致性。

视频标注的一致性怎么衡量？

对于事件，在一定容差内把各标注者的片段配对，报告重叠、边界一致性和标签一致性，最好覆盖多个容差，因为 0.25 秒和 2 秒下的一致性是不同的结论。对于轨迹，逐帧比较图形，边界框和掩码用 IoU。

Potato 的视频掩码传播在哪里运行？

在服务器上，使用 SAM 2。浏览器端有一条更轻量的路径，不借助模型就把掩码复制到下一帧。

延伸阅读