Über die Stelle
In dieser stundenweisen, remote Contractor-Rolle arbeiten Sie als Computer-Vision-QA-Spezialist und prüfen Bild- und Videoannotationen auf Qualität, Genauigkeit und Einhaltung der Richtlinien. Sie bewerten Annotationen wie Bounding Boxes, Segmentierungsmasken, Polygone, Keypoints, Objektklassen, Attribute und Video-Tracks und identifizieren fehlende, falsche, inkonsistente oder schlecht platzierte Annotationen.
Bei Bedarf nehmen Sie außerdem Korrekturen vor, geben klares Feedback zu Qualitätsproblemen und kommunizieren unklare Fälle an das Projektteam. Diese Rolle erfordert starke Detailgenauigkeit, Konsistenz und die Fähigkeit, detaillierte Computer-Vision-Annotationsrichtlinien sorgfältig zu befolgen.
Diese Rolle ist bei SME Careers angesiedelt, einem schnell wachsenden Unternehmen für KI-Datendienste und Tochtergesellschaft von SuperAnnotate, das Trainingsdaten für viele der weltweit größten KI-Unternehmen und Foundation-Model-Labs bereitstellt. Ihre Computer-Vision-QA-Arbeit trägt direkt zur Verbesserung der weltweit führenden KI-Modelle bei, indem sie sicherstellt, dass visuelle Trainingsdaten genau, vollständig, konsistent und mit den Projekterwartungen abgestimmt sind.
Was Sie tun werden
- Annotationsqualität prüfen: Bild- und Videoannotationen auf Genauigkeit, Vollständigkeit, Konsistenz und Einhaltung der Projektrichtlinien prüfen.
- Annotationsergebnisse kontrollieren: Bounding Boxes, Klassen, Attribute, Segmentierungsmasken, Polygone, Keypoints, Bildlabels und Video-Tracking-Ergebnisse bewerten.
- Annotationsfehler identifizieren: Fehlende Objekte, falsche Labels, ungenaue Grenzen, schlechte Box-Platzierung, inkonsistente Attribute, doppelte Annotationen und unklare Edge Cases erkennen.
- Bei Bedarf Korrekturen vornehmen: Annotationsprobleme gemäß projektspezifischen Anweisungen und Qualitätsstandards korrigieren.
- Klares Feedback geben: Qualitätsprobleme klar dokumentieren, damit Annotatoren oder Projektteams verstehen, was verbessert werden muss.
- Projektrichtlinien befolgen: Detaillierte Annotationsregeln konsistent über Aufgaben hinweg anwenden, einschließlich Regeln für Okklusion, Truncation, Unschärfe, kleine Objekte, überlappende Objekte und mehrdeutige Fälle.
- Unklare Fälle eskalieren: Fragen oder unsichere Beispiele zur Klärung an das Projektteam kommunizieren.
- Konsistente Arbeitsqualität aufrechterhalten: Zugewiesene QA-Arbeit zuverlässig erledigen und dabei Genauigkeit, Konsistenz und erwartete Produktivität aufrechterhalten.
Was wir suchen
- Frühere Erfahrung mit Computer-Vision-Annotation, Bildannotation, Videoannotation oder Annotations-QA ist von Vorteil.
- Erfahrung mit der Prüfung oder Erstellung von Annotationen wie Bounding Boxes, Polygonen, Segmentierungsmasken, Keypoints, Objektklassen, Attributen, Bildklassifikation oder Video-Objekt-Tracking.
- Starke Detailgenauigkeit und Fähigkeit, fehlende, falsche, inkonsistente, überlappende, falsch gelabelte oder schlecht platzierte Annotationen zu identifizieren.
- Sicherer Umgang mit detaillierten Annotationsrichtlinien, Edge-Case-Regeln, Qualitätsstandards und projektspezifischen Anweisungen.
- Fähigkeit, Bild- und Videodaten konsistent über große Stapel hinweg zu prüfen und dabei Genauigkeit und Geschwindigkeit aufrechtzuerhalten.
- Sicher darin, bei Bedarf Korrekturen vorzunehmen und Annotationsfehler klar zu erläutern.
- Gute professionelle Englischkenntnisse, um Richtlinien zu verstehen, Fragen zu kommunizieren und schriftliches Feedback zu geben.
- Fähigkeit, in einem stundenweisen Remote-Workflow unabhängig zu arbeiten und je nach Projektbedarf konsistente Arbeitszeiten zuzusagen.
- Frühere Erfahrung mit Annotationsplattformen wie SuperAnnotate, Labelbox, CVAT, Scale, Appen, Remotasks, Toloka oder ähnlichen Tools ist von Vorteil.