weightslab

让 AI 工程师轻松搞定图像、视频、点云等杂乱数据

weightslab 是一个面向 AI 工程师的数据处理基础设施，专注于处理真实世界中杂乱的数据，包括图像、视频和 LiDAR 点云。它解决了 AI 项目在数据准备阶段面临的格式混乱、标注困难、数据探索低效等问题，提供了一套统一的数据加载、转换和可视化工具。其核心能力包括对多模态数据的标准化读取、高效的数据预处理管道、以及交互式的数据可视化界面，帮助工程师快速理解数据分布、发现数据问题，从而加速模型迭代。项目处于早期阶段，但定位清晰，旨在成为 AI 数据工程的基础设施层。

开源 free 基础设施

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 168

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类基础设施

开发团队GrayboxTech

所属国家

官网地址https://www.graybx.com

GitHubhttps://github.com/GrayboxTech/weightslab

定价模式free

价格说明开源项目，Apache-2.0 许可证，可自由使用和部署，无付费版本。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型active-learning,class-imbalance,computer-vision,data-curation,data-debugging,data-quality,deep-learning,developer-tools,fiftyone,lidar-point-cloud,machine-learning,mlops,model-debugging,model-training,open-source,python,pytorch,roboflow,tensorboard,wandb

GitHub 星标★ 168

30天Star增速

HF 下载量

上线时间2024-12-26 00:00:00

最近更新2026-09-13 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数2

使用教程

核心亮点

专为多模态数据设计，原生支持图像、视频和 LiDAR 点云，覆盖自动驾驶等场景
提供统一 API 处理不同格式，降低数据加载和预处理复杂度
内置可视化能力，便于快速探索数据分布和标注质量

不足之处

项目处于早期，文档和社区生态尚不完善
功能覆盖可能不如成熟的数据处理库全面

适用场景

自动驾驶场景中多传感器数据（相机+LiDAR）的预处理和可视化
计算机视觉项目中的图像/视频数据清洗与增强
AI 数据工程中快速构建可复用的数据管道

替代项目

FiftyOne、Supervisely、Label Studio

项目介绍

weightslab 是基础设施领域的开源项目，由 GrayboxTech 开发，2024 年首次发布。

它收录于基础设施分类，该分类目前共有 1,130 个项目，GitHub 星标数为 168。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-13。Apache-2.0 许可证，可自由使用和部署，无付费版本。

它主要面向的使用场景是：自动驾驶场景中多传感器数据（相机+LiDAR）的预处理和可视化。同类可对比的替代方案包括 FiftyOne、Supervisely、Label Studio。

上一篇：pipelines

下一篇：opentraces