为计算机视觉用例训练机器学习模型需要海量图像，但这些图像常存在标注错误、损坏或重复等问题，严重影响模型性能。在包含数百万张图像的数据集中，人工排查几乎不可能。总部位于特拉维夫的初创公司 Visual Layer 旨在帮助数据科学家和机器学习工程师在问题影响模型前及时发现并解决。今日，该公司宣布已完成由 Madrona 和 Insight Partners 领投的 700 万美元种子轮融资。
Visual Layer 构建了一套无需依赖昂贵 GPU 即可分析数亿张图像、自动发现数据集潜在问题的系统。其技术栈核心是开源项目 fastdup。公司由 Danny Bickson（CEO）和 Amir Alush（CTO）联合创立，二人基于在 Apple 等公司的经验开发了 fastdup。Bickson 曾在 Apple 收购其联合创立的 AI 初创公司 Turi 后担任高级数据科学经理；Alush 此前曾联合创立 Brodmann17。Fastdup 近期发布 1.0 版本，可帮助工程师发现图像数据集中的潜在问题，并对问题进行聚类及可视化展示。
研究团队（联合创始人还包括前 Turi CEO Carlos Guestrin）发现，流行的 ImageNet-21K 预训练数据集（超 1400 万张图片）中包含超过一百万对重复图片。大多数数据集还存在损坏图片或标签差异巨大但内容高度相似的图片。此外，成千上万张图片被错误标记（如用鞋子图片训练人脸检测模型），导致模型训练偏差。
Bickson 表示：“全球企业正经历数据爆炸式增长，视觉数据是最复杂、最具挑战性的数据类型之一。理解、策展和管理这些内容，对于为零售、制造、自动驾驶等行业构建有意义的服务至关重要。企业在应对海量数据时常感力不从心，不清楚数据位置及内容，因缺乏基础设施和统一标准，不得不开发自研工具。”
本质上，Visual Layer 提供的是“fastdup 即服务”，并在其基础上叠加了额外的企业级功能。
早期用户包括印度社交电商平台 Meesho，其使用 fastdup 提升了 2 亿款产品图库的质量；其他客户还涵盖 John Deere、Honeywell、Winnow 和 Nuvilab。
Madrona 合伙人 Jon Turow 表示：“尽管普遍认为更大的数据集意味着更好的模型，但在图像和视频领域，杂乱的底层数据会导致次优模型和易错结果。随着大规模 AI 模型成为现实，必须解决数据质量问题。Fastdup 发布后获得的即时热情表明客户对此已有共识。我们很高兴能与 Visual Layer 团队及 Fastdup 社区合作，构建 AI 应用栈的全新基础组件。”