Menschliche Korrektur von VLM-Labels verbessert Qualität und spart Aufwand
Vision‑Language‑Modelle (VLMs) haben sich als leistungsstarke Werkzeuge zur automatischen Datenannotation etabliert, doch ihre generierten Labels leiden häufig unter Rauschen und fehlenden Korrekturmechanismen. Um diese Schwächen zu überwinden, wurde das Konzept der Human‑Corrected Labels (HCLs) vorgestellt, das gezielt menschliche Korrekturen dort einsetzt, wo VLMs Diskrepanzen aufweisen. Dadurch werden nicht nur die Annotationen qualitativ hochwertiger, sondern auch die Arbeitskosten deutlich reduziert.
