본 가이드는 X Factory의 사용 방법을 안내하는 참조 및 교육 자료로, 누구나 열람할 수 있도록 제공됩니다. 본 문서 내의 모든 정보 및 내용은 Vueron Technology의 자산이며, Vueron Technology의 서면 허가 없이 무단으로 복제하거나 가공할 수 없습니다. 또한, 본 내용의 일부를 무단으로 발췌하여 사용할 수 없습니다. (주)뷰런테크놀로지는 본 문서의 내용에 대해 명시적 또는 묵시적 보증을 하지 않으며, 제공된 정보는 예고 없이 변경될 수 있습니다. 변경 사항이 있을 경우 개정판이 발행될 수 있습니다. 본 가이드에 설명된 소프트웨어는 라이선스 계약 또는 비밀유지 계약에 따라 제공되며, 해당 계약에서 명시적으로 허용한 경우를 제외하고는 리버스 엔지니어링 등의 행위가 금지됩니다.

X Factory 시작하기

X Factory는 두 가지 방법으로 시작할 수 있습니다. 무료 체험으로 먼저 사용해 보거나, 구매하여 바로 시작할 수 있습니다.

무료 체험으로 시작하기

무료 체험은 회사 이메일로 가입하여 시작할 수 있습니다.

로그인 화면에서 회원가입을 클릭합니다.

회사 이메일 주소를 입력하고 확인을 눌러 사용 가능한 이메일인지 확인합니다.

프로필(이름, 회사명, 직함)과 워크스페이스 정보를 입력합니다.

필수 약관에 동의하고 계정 생성을 클릭합니다.

입력하신 이메일로 발송된 인증 링크를 클릭하면 가입 신청이 제출됩니다. 인증 링크는 10분 후 만료되며, 화면에서 재발송할 수 있습니다.

가입 신청이 승인되면 등록하신 이메일로 임시 비밀번호를 보내드립니다. 이 비밀번호로 로그인하면 X Factory를 사용할 수 있습니다.

무료 체험의 사용 범위와 기간은 무료 체험 이해하기를 참고해 주세요.

구매하여 시작하기

구매하여 시작하려면 AWS 계정이 필요합니다. AWS 페이지에서 AWS 계정에 로그인 후, AWS Marketplace에서 VueX(X Factory)를 검색하여 Subscription 버튼을 눌러 사용을 시작할 수 있습니다.

가입 신청이 완료되면 담당 어카운트 매니저가 등록된 이메일을 통해 제품 소개, 계약 안내 및 X Factory 사용 방법 등과 관련된 정보를 제공합니다.

무료 체험 이해하기

X Factory 무료 체험으로 제공되는 범위와 기간을 안내합니다.

사용 한도

항목	제공량
AI 어노테이션	총 2,000회 실행
데이터 용량	50GB 제공

AI 어노테이션은 실행 횟수를 기준으로 차감됩니다. 한 프레임에 AI 어노테이션을 여러 번 실행할 수 있으며, 실행할 때마다 1회가 차감됩니다. 예를 들어 한 프레임에 열 번 실행하면 2,000회 중 10회를 사용한 것이 됩니다. 극단적으로는 한 프레임에만 2,000회를 모두 사용할 수도 있습니다.

즉, 서로 다른 프레임 2,000개에 각각 한 번씩 실행하든, 소수의 프레임에 여러 번 실행하든, AI 어노테이션 실행 횟수의 합이 2,000회까지 무료로 제공됩니다.

남은 실행 횟수는 AI 어노테이션을 실행할 때 또는 Admin Setting 페이지에서 확인할 수 있습니다.

무료 체험 한도(AI 어노테이션 2,000회 또는 데이터 용량 50GB)를 모두 사용하면, 유료 요금제로 업그레이드하여 계속 사용할 수 있습니다.

AI가 만든 라벨을 수동으로 수정하는 작업에는 실행 횟수가 차감되지 않습니다. 실행 횟수는 AI 어노테이션을 새로 실행할 때만 사용됩니다.

체험 기간

무료 체험 기간은 가입 승인일을 기준으로 시작합니다.

풀 사용 기간(3개월) : 승인일로부터 3개월 동안 업로드, AI 어노테이션, 수정 등의 기능을 사용할 수 있습니다. 단, AI Modeling 기능과 Deployment 기능은 사용할 수 없으며, 해당 기능은 별도 문의를 통해 사용하실 수 있습니다.

열람 전용 기간(3개월) : 풀 사용 기간이 끝나면, 이후 3개월 동안 데이터 열람 전용 모드인 Read Only 상태로 보관합니다. 이 기간에는 새로 업로드하거나 편집할 수 없지만, 기존 데이터를 열람하고 다운로드하거나 해당 워크스페이스 데이터를 그대로 유료로 전환할 수 있습니다.

삭제 : 열람 전용 기간이 끝나면 워크스페이스의 데이터가 삭제됩니다. 필요한 데이터는 열람 전용 기간이 끝나기 전에 다운로드해 주세요.

Collection (데이터 업로드)

X Factory를 시작하기 위해서는 라이다 데이터를 업로드해야 합니다. X Factory는 PCD 형식(*.pcd)을 지원합니다. "New folder"를 클릭하여 데이터를 업로드할 폴더를 생성하고, 생성된 폴더 안에서 "Upload"를 클릭하거나 Drag & Drop으로 데이터를 업로드합니다.

파일 업로드 규칙

업로드하는 파일 하나의 용량은 50MB 이내여야 합니다. (업로드 파일 용량은 커스텀이 가능하며, 더 큰 용량이 필요한 경우에는 문의해 주세요.)

폴더, .pcd, .json 및 이미지 파일(.png, .jpg, .webp)을 업로드할 수 있습니다.

.zip 파일은 지원하지 않습니다. 압축을 풀어 업로드해 주세요. (압축 파일은 업로드는 되지만 내용을 읽지 못합니다.)

폴더를 업로드할 때는 폴더 내부에 .pcd 파일이 있어야 합니다.

이미 업로드된 파일은 덮어쓰기됩니다.

라이다 포인트 클라우드(PCD)가 아닌 형식(예: .bin)은 직접 업로드를 지원하지 않습니다. 보유하신 데이터로 시작하고 싶으시면 xfactory@vueron.ai로 문의해 주세요.

Annotation (어노테이션)

AI 모델을 학습하기 위해서는 업로드된 데이터를 가공하는 작업이 필요합니다. X Factory는 AI 기능을 통해 업로드된 데이터를 자동으로 빠르게 라벨링 작업을 진행합니다.

(1) 프로젝트 생성

"Create project"를 클릭하여 프로젝트를 생성합니다. Project Name과 프로젝트 투입인력(Member preset)은 필수 입력 사항이며, Annotation을 원하는 Object class를 선택할 수 있습니다.

(2) 태스크 생성

생성된 프로젝트를 선택하고 "Create Task"를 클릭하여 Collection에서 업로드한 데이터를 선택하고 태스크에 할당합니다.

Task Folder는 Collection에서 지정한 폴더를 불러옵니다. 변경이 필요한 경우 "Select Folder"를 선택하여 변경할 수 있습니다.

Task Name은 폴더 이름이 기본값으로 설정되며, 변경이 가능합니다.

Start/Due Date는 Task 일정에 따라 지정할 수 있습니다.

Frame interval은 사용하고자 하는 frame의 간격을 의미합니다.

Target Object는 프로젝트 생성 시 선택한 Object class가 기본값으로 설정되며, 변경이 가능합니다.

태스크 생성 시 폴더 선택 규칙

태스크를 생성할 때는 .pcd 파일이 들어 있는 폴더를 선택해야 합니다. 선택한 폴더 바로 아래에 있는 .pcd 파일만 불러오며, 하위 폴더 안의 파일은 불러오지 않습니다.

예를 들어 A 폴더 안에 B 폴더(빈 폴더), C.pcd 파일, D 폴더(.pcd 파일 10개 포함)가 있다면 선택 대상별 결과는 다음과 같습니다.

A 폴더 선택 → 바로 아래에 있는 C.pcd 파일 1개만 불러옵니다.

B 폴더 선택 → .pcd 파일이 없어 실패합니다.

C.pcd 파일 선택 → .pcd 파일이 불러와지지 않습니다.

D 폴더 선택 → D 폴더 안의 .pcd 파일 10개를 불러옵니다.

AI-annotation setting은 자동으로 라벨링을 진행하는 AI-annotation 기능을 활성화할 때 필요한 세 가지 기능을 설정합니다.

Confidence: 임계값을 설정하며, 이 임계값 미만의 confidence를 가진 예측은 AI-annotation 결과에서 제외됩니다. 각 Object Class별로 Confidence 값을 정할 수 있습니다.

Distance: 중점을 기준으로 AI-annotation 결과를 표현하는 거리 값으로, 원의 형태를 가집니다.

Track ID 세션 사용: 프레임 사이에서 같은 객체를 이어서 추적할지 설정합니다.

Track ID란? 라벨링한 각 객체(박스)에 부여되는 고유 식별 번호입니다. 같은 객체에는 프레임이 바뀌어도 같은 Track ID가 유지되어, 여러 프레임에 걸쳐 같은 객체를 추적할 수 있습니다. 위의 Track ID 세션 사용을 켜면 이 추적이 작동하며, 한 프레임 안에서는 같은 Track ID가 중복될 수 없습니다.

X Factory는 AI-annotation의 성능을 극대화하기 위해 최적의 Confidence를 권장합니다. 설정된 Confidence를 변경하면 AI-annotation의 정확성과 품질에 영향을 줄 수 있습니다.

Confidence는 Task를 생성할 때만 설정할 수 있습니다. AI-annotation을 실행하여 프레임이 In Progress 상태가 되면, 이미 설정한 Confidence 값으로 어노테이션이 진행되었기 때문에 Confidence를 변경할 수 없습니다. 다른 Confidence 값으로 어노테이션하려면 Task를 새로 생성해 주세요.

검출 대상에서 특정 Class 제외하기

검출 대상에서 제외하고 싶은 Class가 있다면, 두 가지 방법으로 제외할 수 있습니다.

프로젝트를 생성할 때, 검출을 원하지 않는 Object Class의 체크를 해제합니다.

프로젝트 안에서 Task를 생성할 때, 검출을 원하지 않는 Class의 체크를 해제합니다.

체크를 해제한 Class는 어노테이션 대상에서 제외됩니다.

(3) 어노테이션 진행

X Factory에서 어노테이션을 진행하는 방법은 총 세 가지입니다.

1. AI-annotation

개별 프레임 AI-annotation

개별 frame을 선택하고 화면 좌측 상단의 AI 버튼을 클릭하여 해당 프레임에 대해 AI-annotation을 진행할 수 있습니다. 개별 프레임 AI-annotation은 프레임의 상태와 관계없이 실행할 수 있습니다. 정확한 AI-annotation 진행을 위해서는 Select Model을 통해 Task에 적합한 모델을 선택해야 합니다. Confidence와 Distance는 프로젝트 생성 시 설정한 값으로 정해지며, AI-Annotation Usage는 AI-annotation이 가능한 frame 수를 나타냅니다.

사용 가능한 AI 모델과 사용 환경은 다음과 같습니다.

AI 모델	사용 환경	최종 업데이트
L_BiKal_mobility	자동차, 로봇 등 이동체에 적합	2025-05
L_BiKal_static_outdoor	교차로, 도로 등 고정된 외부 인프라 환경에 적합	2025-05

AI-annotation 이후 수정이 필요하면 수작업으로 수정할 수 있습니다.

전체 프레임 AI-annotation

"AI Run" 버튼(Task > Run)을 눌러 여러 프레임을 한 번에 AI-annotation할 수 있습니다. 정확한 AI-annotation 진행을 위해서는 Select Model을 통해 Task에 적합한 모델을 선택해야 합니다. Confidence와 Distance는 프로젝트 생성 시 설정한 값으로 정해지며, AI-Annotation Usage는 AI-annotation이 가능한 frame 수를 나타냅니다.

사용 가능한 AI 모델과 사용 환경은 다음과 같습니다.

AI 모델	사용 환경	최종 업데이트
L_BiKal_mobility	자동차, 로봇 등 이동체에 적합	2025-05
L_BiKal_static_outdoor	교차로, 도로 등 고정된 외부 인프라 환경에 적합	2025-05

일괄 AI-annotation과 프레임 상태

일괄 AI-annotation("AI Run" 버튼)은 Not Started 상태의 프레임에만 적용됩니다. 태스크에 Not Started 프레임이 있으면, "AI Run"을 클릭했을 때 Not Started 상태의 프레임만 AI-annotation됩니다.

이미 작업이 시작된 프레임(In Progress, Submitted, In Review, Completed 등 Not Started가 아닌 모든 상태)은 일괄 AI-annotation에서 제외됩니다. 이 경우 해당 프레임에 접속하여 화면 좌측 상단의 AI 버튼으로 개별 AI-annotation을 진행할 수 있습니다.

여러 명이 함께 라벨링하는 경우가 많기 때문에, 이미 진행 중인 작업물이 일괄 실행으로 영향을 받지 않도록 설계되어 있습니다. 태스크 전체를 다시 일괄 AI-annotation하려면, 태스크를 새로 생성하여 프레임이 Not Started 상태일 때 진행해 주세요.

"AI Run"은 대상 프레임에 일괄 적용되며 되돌릴 수 없습니다. 먼저 한두 개의 프레임에서 AI-annotation을 테스트해 설정을 확인한 후 진행하시길 권장합니다.

AI-annotation 이후 수정이 필요한 경우 수작업으로 수정할 수 있습니다.

2. AI-assistance

AI-assistance는 군집된 포인트를 기반으로 박스를 생성하여 annotation을 돕는 기능입니다. 어노테이션 하고자 하는 군집된 포인트를 확인한 후 AI-assistance 기능을 활성화하면 객체에 적합한 3D 바운딩 박스가 생성됩니다. 박스를 생성한 후 원하는 클래스를 선택하여 저장할 수 있습니다.

3. Manual Annotation

직접 수작업으로 어노테이션을 진행할 수 있는 기능입니다.

박스 편집하기

AI-annotation 결과에서 잘못 검출된 박스를 삭제하거나, 검출되지 않은 객체에 박스를 직접 추가할 수 있습니다.

박스 삭제하기

특정 박스 하나를 삭제할 때

삭제하려는 박스를 클릭한 뒤 단축키 X를 누르면 박스가 삭제됩니다.

같은 Track ID를 가진 박스를 모든 프레임에서 삭제할 때

View 버튼(단축키 V)을 눌러 Top View로 전환합니다.

왼쪽 하단의 톱니바퀴 버튼을 클릭하고 Object identification을 ON으로 변경하면, 박스 위에 각 객체의 Track ID가 표시됩니다.

삭제하려는 박스를 클릭하고, 중앙 상단의 Inspector 버튼을 누른 뒤, Inspector 안의 Track ID 복사 버튼을 클릭합니다.

삭제하려는 박스가 있는 프레임으로 이동합니다. (프레임 이동은 왼쪽/오른쪽 방향키를 사용합니다.)

왼쪽 툴바에서 Search Track ID 버튼을 클릭합니다.

상단 입력창에 복사한 Track ID를 붙여넣고 단축키 X를 누르면, 해당 Track ID를 가진 박스가 삭제됩니다.

검출되지 않은 객체에 박스 추가하기

검출되지 않은 객체는 수동으로 라벨링할 수 있습니다.

같은 프레임에 같은 크기의 박스가 있을 때 (박스 복사)

같은 크기의 박스를 클릭하고 Ctrl + C로 복사합니다.

박스를 붙여넣을 객체의 중앙에 마우스를 두고 Ctrl + V를 누르면 박스가 붙여넣기 됩니다. 이때 Track ID는 복사한 객체와 동일하지 않고 새로운 Track ID가 부여됩니다. (한 프레임 안에서는 Track ID가 중복될 수 없기 때문입니다.)

오른쪽 패널에서 붙여넣은 박스를 조절할 수 있습니다.

정해진 크기가 없는 객체에 박스를 생성할 때 (AI-assistance)

왼쪽 툴바의 AI-assistance 기능을 클릭합니다. (단축키 Shift + S)

박스를 생성하려는 객체를 드래그한 뒤 잠시 기다립니다.

박스가 생성되며, 오른쪽 패널에서 박스의 크기와 위치를 조정할 수 있습니다.

Track ID 복사·붙여넣기

한 박스의 Track ID를 다른 프레임의 박스에 적용할 수 있습니다.

복사하려는 Track ID를 가진 박스를 클릭하고, 중앙 상단의 Inspector 버튼을 누른 뒤, Inspector 안의 Track ID 복사 버튼을 클릭합니다.

Track ID를 적용하려는 박스가 있는 프레임으로 이동합니다. (프레임 이동은 왼쪽/오른쪽 방향키를 사용합니다.)

적용하려는 박스를 클릭하고 중앙 상단의 Inspector 버튼을 누른 뒤, Inspector 안의 Paste Track ID에서 체크 버튼을 클릭하면 적용됩니다. (한 프레임 안에는 중복되는 Track ID가 존재할 수 없습니다.)

(4) 어노테이션 박스 생성

박스 데이터를 생성하기 위해서는 데이터를 Verify하는 절차가 필요합니다. Frame 별로 verify를 진행하거나, "All Verify" 버튼을 통해 한 번에 모든 프레임을 verify할 수 있습니다. Verify가 완료되면 박스의 다운로드가 가능합니다.

작업 완료 상태 이해하기

각 프레임의 작업 상태는 Not Started → In Progress → Submitted → In Review → Completed 순서로 진행됩니다.

X Factory에는 두 가지 완료 개념이 있습니다. Task 작업 완료와 AI-annotation 완료이며, 서로 다른 개념이므로 구분해서 이해하는 것이 좋습니다.

Task 작업 완료

Task 작업 완료는 Task에 포함된 프레임의 작업을 모두 마쳐 Completed 상태가 된 것을 의미합니다.

Task의 작업을 완료하려면 All Verify 버튼을 눌러야 합니다. All Verify 버튼은 In Review 상태의 프레임이 있을 때만 동작합니다.

All Verify 버튼을 누르면 In Review 상태의 프레임만 Completed 상태로 바뀌며 작업이 완료되고, All Verify 버튼은 비활성화됩니다.

Task 전체 작업을 완료하려면, 모든 프레임이 In Review 상태가 된 후 All Verify 버튼을 누릅니다. 그러면 완료된 상태로 표시됩니다.

AI-annotation 완료

Task 내부의 프레임 중 하나 이상의 프레임에 대해 어노테이션이 완료된 상태를 의미합니다.

어노테이션 결과 내보내기

어노테이션한 데이터는 내보낼 수 있는 형태로 저장되며, .box 형식의 파일로 다운로드할 수 있습니다. 다운로드한 데이터는 다른 모델의 학습이나 검증에 활용할 수 있습니다.

내보내기는 Task 작업 상태가 Completed일 때만 가능합니다.

Task가 Completed 상태인지 확인합니다.

Box Data 영역에서 Schema를 클릭한 뒤, XFactorySchema를 클릭합니다.

XFactorySchema가 추가된 것을 확인한 뒤 Download 버튼을 클릭합니다.

Download를 클릭하면 파일이 다운로드됩니다.

다운로드한 파일을 로컬에서 압축 해제하면, .json 형식의 파일로 내보내진 것을 확인할 수 있습니다.

4번에서 정상적으로 다운로드되지 않아 로컬에서 확인되지 않는다면, 아래 순서로 진행합니다.

왼쪽의 Collection 탭을 클릭하면 .box 형식의 데이터가 표시됩니다.

.box 파일을 선택하고 다운로드 버튼을 클릭하면 데이터를 다운로드할 수 있습니다.

(5) Class 추가

Class를 추가하기 위해서는 환경 설정이 필요합니다. "Settings" > "Admin setting" > "Total classes"에서 Class 추가 설정이 가능합니다. 기존 Class 명칭의 변경이 필요한 경우 해당 Class의 명칭을 변경할 수 있습니다. 기존 Class에서 확장된 Class를 사용하기를 원하는 경우 기존 Class에서 + 버튼을 통해서 확장된 클래스를 추가할 수 있습니다. 기존 Class와 별개의 Class를 사용하기 위해서는 Any Class의 이름을 변경하거나 Any Class에 확장된 Class를 추가하여 사용할 수 있습니다.

결과가 만족스럽지 않나요?

AI-annotation은 라벨링을 빠르게 시작할 수 있도록 결과의 초안을 자동으로 생성하는 기능입니다. 데이터의 센서 종류나 환경, 촬영 조건에 따라 가장 잘 맞는 설정이 다르기 때문에, 처음 실행한 결과가 기대와 다를 수 있습니다. 이는 자연스러운 과정이며, 아래 방법으로 데이터에 맞게 결과를 개선할 수 있습니다. 아래와 같은 방법으로 조정해볼 수 있으며, 그래도 원하는 결과가 나오지 않는다면 문의해 주세요. 뷰런 전문가가 도와드립니다.

1. 설정을 조정해 다시 실행하기

Confidence 조정 — 인식 기준값(Confidence)을 낮추면 더 많은 객체를 잡고, 높이면 더 확실한 객체만 남깁니다. 놓친 객체가 많다면 값을 낮춰 보시고, 잘못 잡힌 객체가 많다면 값을 높여 보세요.

모델 변경 — Select Model에서 데이터 특성에 맞는 다른 모델을 선택해 실행해 보세요.

Distance 조정 — AI-annotation을 표현하는 거리 값(Distance)을 데이터에 맞게 조정해 보세요.

Confidence와 Distance는 Task를 생성할 때 설정하는 값이므로, 다른 값으로 시도하려면 Task를 새로 생성해 조정한 뒤 실행해 주세요. 모델은 실행할 때 Select Model에서 바로 변경할 수 있습니다.

"AI Run"은 태스크 전체에 일괄 적용되며 되돌릴 수 없습니다. 먼저 한두 개 프레임에서 설정을 테스트한 뒤 전체에 적용하시길 권장합니다. 또한 AI-annotation을 다시 실행하면 무료 체험의 실행 횟수가 차감됩니다.

2. 직접 수정하기

AI가 만든 박스는 직접 수정할 수 있습니다. 위치나 크기가 맞지 않는 박스를 고치거나, 종류를 바꾸거나, 빠진 객체를 추가할 수 있습니다. 군집된 포인트에 박스를 빠르게 그리려면 AI-assistance를, 처음부터 직접 그리려면 Manual Annotation을 사용할 수 있습니다. 박스 삭제, 검출되지 않은 객체 추가, Track ID 관리 등 자세한 방법은 박스 편집하기를 참고해 주세요.

3. PCD 캘리브레이션으로 데이터 점검하기

AI-annotation 결과는 포인트 클라우드 데이터의 캘리브레이션 상태에도 영향을 받습니다. X Factory에서 설정을 조정하고 직접 수정해도 원하는 결과가 나오지 않는다면, 데이터의 캘리브레이션을 점검해 보세요.

뷰런의 PCD 캘리브레이션 제품인 VueFlow를 사용하면 라이다 포인트 클라우드 데이터를 직접 캘리브레이션할 수 있습니다. 데이터가 올바르게 정렬되면 AI-annotation 품질이 향상될 수 있습니다.

자세한 방법은 PCD 캘리브레이션 가이드를 참고해 주세요.

4. 전문가의 도움 받기

PCD 캘리브레이션을 진행해도 결과가 기대에 못 미치시나요? 뷰런 전문가가 여러분의 데이터로 직접 결과를 만들어 드립니다. 문의가 필요하시면 xfactory@vueron.ai로 연락해 주세요.

Modeling (모델링)

Modeling과 Deployment는 AI 학습·배포 기능으로, AI Annotation을 유료로 사용하고 있는 고객에 한하여 별도의 도입 문의를 통해 사용할 수 있습니다. 무료 체험에서는 제공되지 않습니다.

X Factory는 미리 설정된 강력한 LiDAR 인지 AI 모델을 제공합니다. X Factory에서 제공하는 Baseline 모델을 기반으로 데이터를 취득하여 환경에 최적화된 모델을 만들 수 있습니다. 이 모델은 클라우드나 고성능 서버에서 동작하는 것이 아니라 Edge device에서 충분히 동작할 수 있는 최적화된 AI 모델입니다.

(1) AI 모델 학습

AI 모델 학습은 baseline 모델을 기반으로 Annotation을 통해 만들어진 데이터셋을 학습하여 진행됩니다. 학습을 위해 어노테이션된 데이터셋 중에서 사용하고자 하는 데이터를 선택하고, Training dataset과 Testing dataset을 구분해야 합니다. 이를 위한 방법은 두 가지가 있습니다.

Auto split : "Select data"를 클릭하여 어노테이션이 완료된 데이터셋을 선택하면, 시스템이 자동으로 Training dataset과 Testing dataset으로 분류합니다.

User split : "Select data"를 클릭하여 어노테이션이 완료된 데이터셋을 선택하면, 각 데이터셋의 Training dataset과 Testing dataset 비율을 직접 선택할 수 있습니다.

이후 "Start Training" 버튼을 통해 학습을 시작합니다.

사용 가능한 AI 모델과 사용 환경은 다음과 같습니다.

AI 모델	사용 환경	최종 업데이트
Mobility_Baseline	자동차, 로봇 등 이동체에 적합	2025-05
Static-outdoor_Baseline	교차로, 도로 등 고정된 외부 인프라 환경에 적합	2025-05

(2) 모델 결과 분석

모델 학습이 완료되면, Baseline 모델을 기반으로 학습된 모델이 생성됩니다. 이 모델에 대한 결과 분석은 AP, Precision-Recall, F1 Score 등과 PR Curve, Recall/Confidence Score, Precision/Confidence Score와 같은 정량적인 평가 결과 및 인지 결과를 뷰어를 통해 직접 확인할 수 있습니다.

Deployment (배포)

모델 배포는 학습된 모델을 Edge Device로 배포하는 작업입니다. X Factory에서 제공하는 모델은 Edge Device에서 동작 가능한 상태의 Engine file 형태로 제공됩니다. 현재 동작 가능한 Edge Device의 종류는 다음과 같습니다.

Controller	최종 업데이트
Nvidia AGX Orin 기반 임베디드 PC	2025-05
Nvidia Orin NX 기반 임베디드 PC	2025-05

Training이 완료된 모델 중에서 배포할 모델을 선택하고 "Deployment" 버튼을 클릭하면 배포 작업이 시작됩니다. 배포가 완료되면 Collection에 모델이 생성되며, 해당 모델을 다운로드할 수 있습니다.

다운로드한 모델은 X Factory Inference API Manual을 사용하여 원하는 Edge Device에서 사용할 수 있습니다.

멤버 관리

워크스페이스에 함께 작업할 멤버를 초대하고, 각 멤버의 역할을 지정할 수 있습니다.

멤버 초대하기

왼쪽 메뉴에서 Settings를 클릭합니다.

Members 탭 오른쪽 상단의 Invite members 버튼을 클릭합니다.

초대할 멤버의 이메일을 입력하고 Invite를 클릭합니다. 입력한 이메일 주소로 초대 메일이 발송됩니다. 여러 명을 한 번에 초대할 수 있습니다.

초대받은 멤버가 초대 메일을 통해 워크스페이스에 합류하면, 그때부터 해당 멤버에게 역할을 부여할 수 있습니다. 합류하기 전까지는 Guest 상태이며 역할을 지정할 수 없습니다. 멤버는 합류 후 Labeler 역할로 시작하며, Admin이 원하는 역할로 변경합니다.

멤버 초대는 요금제의 멤버 수 한도 안에서 가능하며, 한도가 차면 멤버를 삭제해 자리를 확보한 뒤 다시 초대할 수 있습니다.

역할과 권한

멤버는 다음 역할 중 하나를 가집니다.

역할	할 수 있는 일
Owner	워크스페이스를 만든 소유자입니다. 요금제와 결제를 관리하며, Admin의 모든 권한을 가집니다.
Admin	멤버 정보를 조회하고 편집합니다. 멤버 초대, 역할 변경, 멤버 삭제를 할 수 있습니다.
Manager	어노테이션 작업을 관리합니다. 프레임을 멤버에게 할당하고, 작업 결과를 검수하여 완료 처리합니다.
Labeler	할당받은 프레임을 어노테이션하는 작업자입니다.

역할은 Admin이 Members 화면에서 변경할 수 있습니다. 멤버를 선택해 역할을 바꾸면 접근 권한이 즉시 반영됩니다. 워크스페이스 소유자(Owner)는 멤버 화면에서 Admin으로 표시됩니다.

문의하기

사용 중 문제가 있으시면 xfactory@vueron.ai로 문의해 주세요.

X Factory 사용자 가이드

X Factory 시작하기#

무료 체험으로 시작하기#

구매하여 시작하기#

무료 체험 이해하기#

사용 한도#

체험 기간#

Collection (데이터 업로드)#

Annotation (어노테이션)#

(1) 프로젝트 생성#

(2) 태스크 생성#

(3) 어노테이션 진행#

1. AI-annotation#

2. AI-assistance#

3. Manual Annotation#

박스 편집하기#

박스 삭제하기#

검출되지 않은 객체에 박스 추가하기#

Track ID 복사·붙여넣기#

(4) 어노테이션 박스 생성#

(5) Class 추가#

결과가 만족스럽지 않나요?#

1. 설정을 조정해 다시 실행하기#

2. 직접 수정하기#

3. PCD 캘리브레이션으로 데이터 점검하기#

4. 전문가의 도움 받기#

Modeling (모델링)#

(1) AI 모델 학습#

(2) 모델 결과 분석#

Deployment (배포)#

멤버 관리#

멤버 초대하기#

역할과 권한#

문의하기#

X Factory 시작하기

무료 체험으로 시작하기

구매하여 시작하기

무료 체험 이해하기

사용 한도

체험 기간

Collection (데이터 업로드)

Annotation (어노테이션)

(1) 프로젝트 생성

(2) 태스크 생성

(3) 어노테이션 진행

1. AI-annotation

2. AI-assistance

3. Manual Annotation

박스 편집하기

박스 삭제하기

검출되지 않은 객체에 박스 추가하기

Track ID 복사·붙여넣기

(4) 어노테이션 박스 생성

(5) Class 추가

결과가 만족스럽지 않나요?

1. 설정을 조정해 다시 실행하기

2. 직접 수정하기

3. PCD 캘리브레이션으로 데이터 점검하기

4. 전문가의 도움 받기

Modeling (모델링)

(1) AI 모델 학습

(2) 모델 결과 분석

Deployment (배포)

멤버 관리

멤버 초대하기

역할과 권한

문의하기