REVA 是一家总部位于马德里的 B2B 房产科技公司，通过视频帮助房地产行业大规模管理、审计和营销房产。经纪人和现场工作人员使用 REVA 移动应用录制标准化的房产巡查视频；应用会引导他们逐个房间拍摄，并为每段视频保存 GPS 位置和拍摄时间。西班牙和葡萄牙各地的贷款服务机构、投资基金、资产管理公司、法律调解机构和经纪公司随后会在 REVA 的网页控制面板中查看每处房产，通过其 REVA VAM 商业平台获取所需数据，以供各自的系统使用。
自 2022 年以来，REVA 已处理约 18,000 个视频，平台正常运行时间超过 99%；其中约 12,800 个视频来自贷款服务机构 Hipoges。Hipoges 在 2026 年的业务量目前比 2025 年高出 53%。
让房产视频可发布且实用#
房产运营方需要可信地记录数千套住宅的影像，而这些记录必须同时满足两种用途。视频必须能够发布到房源平台和客户系统中，其中不能出现可读的车牌、可识别的人物或竞争对手的品牌标识。视频还必须能用于运营：了解住宅内有什么、房屋状况如何，以及租客入住和退租之间发生了哪些变化。
直到最近，业内只有三种选择：不审核视频、付费让人逐个观看视频，或者完全不拍摄。对于拥有数万套住宅的房产组合而言，这些做法都无法扩展；每套住宅在新租客入住前还要拍摄好几次。
REVA 看到了用计算机视觉填补这一空白的机会，但房地产视频面临着通用检测流程无法应对的挑战：
- 手持拍摄的随意视频：经纪人一边走动一边用手机拍摄和讲解，导致画面出现运动模糊、快速摇摄、竖屏视频，以及物体从边缘先进入画面等情况。
- 逐视频的合规标准：客户要求，只要车牌、面孔或标志出现在某一帧中，就必须在该帧中遮挡。视频要么泄露了车牌，要么没有，因此仅有逐帧精度还不够。
- 开放词汇：住宅中有数百种对清单或押金索赔很重要的物品，例如咖啡机、暖气片和碗碟架，而其中大多数都不在标准训练数据集中。
- 隐私和数据驻留：视频会展示有人居住的住宅内部，因此处理、标注和训练必须在 REVA 控制的硬件上进行，并遵循 GDPR。
- 小团队应对大规模业务：仅 Hipoges 每月就会向 REVA 发送约 700 个视频。
使用 Ultralytics YOLO 自动遮挡车牌#
REVA 的视觉技术栈基于 Ultralytics Python package，完全运行在 REVA 自有的本地 GPU 上，因此客户视频不会离开其基础设施。首先投入生产的是自动车牌遮挡功能。
REVA 于 2026 年 1 月起步，使用 Ultralytics Solutions 的物体模糊工具，随后围绕经过自定义微调的 Ultralytics YOLO11 超大型单类别车牌检测器（YOLO11x）构建了自己的流程。每次上传后，模型都会扫描每个适用视频中的每一帧。每个检测结果都会经过长宽比和面积几何合理性检查，并可选择进行 OCR 检查，然后应用高斯模糊。同一检测器的 nano 版本已准备就绪，可用于配置较低的硬件。
由于客户按视频评判遮挡效果，REVA 围绕覆盖率而非单帧精度设计流程，并使用目标跟踪和时间扩张，让车牌在手持视频快速摇摄和运动模糊期间持续保持模糊。
使用开放词汇检测读取每个房间的信息#
现在，这些巡查视频也被用于生成物品清单、房源标签以及入住和退租审计。系统以每秒 2 帧的速度从每段视频中抽帧，并将图像传入两个 Ultralytics 模型：
- 搭配 BoT-SORT 跟踪的 YOLO11x：通过 Ultralytics 跟踪模式，REVA 可以检测 25 类与房产相关的物体，例如床、沙发、冰箱和水槽，并汇总每条跟踪轨迹的屏幕显示时长和平均置信度。
- 使用文本提示的 Ultralytics YOLOE-26x：Ultralytics YOLO26E 让 REVA 无需标注新数据集，只用普通文本即可定义新类别。与房源数据对齐的 97 项词汇表可以识别厨房中岛、步入式淋浴间、硬木地板、太阳能板和电动汽车充电桩等特征。包含 74 类可索赔物品的分层词汇表，涵盖电视、沙发、相框和落地灯等物品，为租户更替审计提供支持。
REVA 最初使用 YOLO-World v2 进行开放词汇检测，之后改用 YOLOE-26x 作为替代方案。现在，为客户添加新的物品类型只需输入文本提示，不再需要开展标注项目。
图 1. REVA 的证据查看器使用 YOLO 检测结果对比入住和退租时的画面。图片由 REVA 提供。
审计结果以证据查看器的形式呈现。对于每个匹配的房间或区域，查看器会并排显示入住和退租时的画面、两侧置信度较高的物品清单，以及“仅入住时出现”或“可见性变化”等排序提示。CLIP 嵌入用于匹配不同访问时的房间，系统则通过转录经纪人的讲解来标注每个房间。审核人员确认或驳回每项标记，并导出押金索赔摘要，因此人们只需查看异常情况。
按视频而非按帧衡量成效#
REVA 将 mAP 视为诊断指标，而不是最终目标。客户关心的是已发布的视频是否完全合规，因此团队依据逐视频标准进行基准测试：所有能看到车牌、面孔或广告牌的帧都必须经过遮挡。
为了让下一代隐私处理模型稳定达到这一标准，REVA 正在使用 CVAT 进行标注、使用 FiftyOne 进行数据整理，构建本地训练工作流。该工作流采用书面标注指南，按视频划分训练集和测试集，避免极为相似的帧泄漏到不同集合中，并设置永久留出的测试集。团队还会使用同一测试集，将小型和中型 YOLO 模型与当前的超大型模型进行基准测试，以提升生产 GPU 上的吞吐量。
大规模房产组合中的合规视频#
Ultralytics YOLO 会处理每次适用的视频上传，因此车牌遮挡不再依赖人工逐个观看视频。随着业务量增长，这一点尤为重要：2026 年仅 Hipoges 每月就向 REVA 发送约 700 个视频，比 2025 年多 53%；REVA 的平台已处理约 18,000 个视频，正常运行时间一直超过 99%。
YOLOE 的开放词汇检测将同样的自动化能力扩展到了运营环节。租户更替审计不再从人工巡查开始，而是先查看并排显示的证据画面，了解哪些高价值物品出现了、消失了或发生了变化。系统会统计较小物品但将其过滤掉，让审核人员把时间花在可能支持押金索赔的标记上。
从手机到无人机：为每处房产提供统一的 YOLO 技术栈#
REVA 的愿景是打造一个房产数据平台，让一次引导式巡查满足所有后续需求，从合规发布和状况记录到结构化房源数据、平面图和 3D 内容。Ultralytics YOLO 是这一发展路线中的通用基础层：
- 一个满足 GDPR 和客户规则的隐私处理模型：一个由 REVA 自有视频训练的内部模型，覆盖车牌、面孔和广告牌，并达到 98% 的逐视频标准。
- 自动标注标签包：与 RESO 数据字典对齐的房产特征模型，由 YOLOE 处理数量较少的长尾特征。
- 平面图和 3D：使用 YOLO 分割从经纪人已有的视频片段中识别门、窗、墙和房间边界，为平面图和 3D 估算提供基础，无需使用专用相机。
- 自主无人机拍摄：研发一款重量低于 250 克的室内无人机原型；它在扫描空置住宅以进行 3D 重建时，会对实时相机画面运行 YOLO 目标检测。
- 加快部署：将模型导出为 ONNX 和 TensorRT FP16，之后还将支持 INT8；并在 Jetson 类嵌入式硬件上运行 TensorRT，以便无人机机载推理。
REVA 的目标是构建一个从手机到无人机通用的检测器系列，让读取经纪人视频的同一套 YOLO 技术栈也能读取无人机视频。
想构建自己的视觉 AI 解决方案吗？了解 Ultralytics YOLO 模型，看看 YOLO 如何推动各行业创新，并查看我们的许可选项，开始使用。
