Künstliche Intelligenz, aktuell.
Direkt aus den Originalmeldungen.

Roboflow fügt Videospiegelung von S3, GCS und Azure hinzu

12. November 2026, 20:57Von der KI Nachrichten RedaktionQuelle: Roboflow
Roboflow fügt Videospiegelung von S3, GCS und Azure hinzu
Bild: Roboflow

Roboflow hat seiner Datasources-Funktion die Videospiegelung von AWS S3, S3-kompatiblem Speicher, Google Cloud Storage und Azure Blob Storage hinzugefügt. Teams können Cloud-Buckets verbinden, ausgewählte MP4- und MOV-Dateien synchronisieren, repräsentative Frames extrahieren und für die Annotation vorbereiten.

Das Wichtigste in Kürze
  • Roboflow Datasources unterstützt die Videospiegelung von AWS S3, S3-kompatiblem Speicher, Google Cloud Storage und Azure Blob Storage.
  • Unterstützte Dateien sind MP4 und QuickTime (.mov), mit einer maximalen Größe von 3 GB pro Datei.
  • Die täglich geplante Synchronisierung läuft alle 24 Stunden und ist standardmäßig deaktiviert.
  • Nutzer müssen Frames separat extrahieren und auswählen, bevor Annotation und Datensatzerstellung möglich sind.
  • Roboflow zufolge können Teams Labels prüfen, eine Datensatzversion erstellen und ein RF-DETR-Modell trainieren.

Cloud-Videomaterial kann in einen Roboflow-Arbeitsbereich fließen

Roboflow Datasources erstellt eine gespeicherte Verbindung zwischen Cloud-Speicher und einem Roboflow-Arbeitsbereich. Die Verbindung umfasst einen Bucket oder Container, wiederverwendbare Zugangsdaten, Regeln zur Dateiauswahl und eine Synchronisierungskonfiguration. Bei aktivierter Zeitplanung prüft Roboflow automatisch auf passende Daten und speichert gespiegelte Videos in der Asset Library.

Die Funktion unterstützt MP4- und QuickTime-Dateien (.mov) von AWS S3, S3-kompatiblem Speicher, Google Cloud Storage und Azure Blob Storage. Die maximale Größe beträgt bei jedem Anbieter 3 GB pro Datei. Dateien, die größer als 3 GB sind, müssen vor der Synchronisierung in kleinere Clips aufgeteilt werden.

Roboflow zufolge richtet sich die Funktion an Teams, die mit Videomaterial von mehreren Kameras, Standorten und Betriebsbedingungen arbeiten. Als Beispiele nennt das Unternehmen Fertigungsteams, die Aufnahmen aus mehreren Produktionslinien sammeln, sowie Logistikteams, die Videos aus mehreren Einrichtungen zusammenführen.

Geplante Synchronisierung vermeidet wiederholte manuelle Importe

Die Nutzer speichern zunächst Zugangsdaten in ihrem Arbeitsbereich. Anschließend erstellen sie eine Datasource und geben die relevanten Bucket- oder Containerdaten an. Dateifilter auf Basis von Glob-Mustern können den Import auf bestimmte Ordner, Kameras, Fahrzeuge oder Produktionslinien beschränken. So könnte ein Team beispielsweise MP4-Dateien in einem Ordner für Linie 3 oder Videomaterial zu einem bestimmten Fahrzeug auswählen.

Roboflow empfiehlt, mit einer begrenzten Auswahl zu beginnen, etwa einer Kamera, Produktionslinie oder Route. So können Teams den ersten Import prüfen und unnötige Datenübertragungen, Speicher- und Annotierungsaufwand reduzieren. Sobald die Auswahl bestätigt ist, können Nutzer einen täglichen Zeitplan aktivieren, der alle 24 Stunden ausgeführt wird. Eine manuelle Synchronisierung ist ebenfalls möglich.

Die Ankündigung beschreibt getrennte Zugriffs- und Prüfmöglichkeiten für Produktionsdaten. Teams können klar begrenzte Cloud-Berechtigungen, rollenbasierte Zugriffskontrollen, benutzerdefinierte Rollen und Ordnerberechtigungen verwenden. Audit-Logs erfassen wichtige Aktionen im Arbeitsbereich, darunter die Freigabe von Bildern, Dataset-Exporte und Trainingsaktivitäten. Roboflow empfiehlt außerdem, Informationen wie Standort, Kamera, Aufnahmezeit und Produkttyp beizubehalten, wenn sich Datensätze über mehrere Einrichtungen erstrecken.

Videospiegelung ist nur der erste Schritt beim Datensatz

Das Spiegeln eines Videos in die Asset Library erstellt nicht automatisch einen Trainingsdatensatz. Roboflow behandelt die Frame-Extraktion und Annotation als separate Schritte, weil ein Video viele nahezu identische Bilder enthalten kann. Das Unternehmen weist darauf hin, dass eine Minute Video bei 30 Frames pro Sekunde 1.800 Frames enthält. Eine gezielte Auswahl ist daher für eine effiziente Annotation wichtig.

Um einen Datensatz für die Objekterkennung zu erstellen, wählen Nutzer Quellclips aus, öffnen ein Object Detection Project und fügen die Clips über den Web-Uploader hinzu. Im Dialog zur Videoextraktion von Roboflow können Nutzer ein Intervall festlegen, einen Bereich zuschneiden und einzelne Frames auswählen. Die Sampling-Rate sollte widerspiegeln, wie schnell sich nützliche Informationen im Videomaterial verändern.

Nach der Auswahl der Frames prüfen Teams ihre Labels, erstellen eine Datensatzversion und können ein RF-DETR-Modell für ihre Anwendung trainieren. Dieser Workflow ermöglicht es Nutzern, neu eintreffendes Cloud-Videomaterial in einen Arbeitsbereich zu übernehmen und zugleich auszuwählen, welche Szenen und Bedingungen die Trainingsdaten erweitern sollen.

Ähnliche Meldungen

Marelli stellt ORION-Datenplattform für Motorsport-Intelligence vor
Produkte und Tools13. November 2026, 18:02

Marelli stellt ORION-Datenplattform für Motorsport-Intelligence vor

Marelli hat ORION vorgestellt, eine Data-Cloud-KI-Plattform für Motorsport-Intelligence, die fragmentierte Renndaten in eine gemeinsame und erklärbare Grundlage…

Roboflow bringt Vision-AI-Berichte in Team-Postfächer
Produkte und Tools12. November 2026, 17:55

Roboflow bringt Vision-AI-Berichte in Team-Postfächer

Roboflow hat in Vision Events Zusammenfassungsberichte eingeführt. Die Funktion verschickt regelmäßige Updates aus Vision-Systemen per E-Mail an ausgewählte Empfänger.…

Sungrow bringt Energiespeicherplattform PowerStack 3.0 für C&I auf den Markt
Produkte und Tools12. November 2026, 08:04

Sungrow bringt Energiespeicherplattform PowerStack 3.0 für C&I auf den Markt

Sungrow hat PowerStack 3.0 vorgestellt, ein Energiespeichersystem für Gewerbe und Industrie, das modulare Hardware mit KI-gestützter Unterstützung über den gesamten…