13

8:35 - 9:45

人間に合わせたオフライン調整と再現率のガードレール

この章では、画像を拡張するか、そのままにするかを決めるルーターを、どのように人の判断に合わせて調整するかを見ます。ポイントは、人が付けたラベルを目標にしながら、代表的なデータで試し、ガードレールを確認してから出荷することです。

人のラベルを「ゴールデンデータセット」にする

発表では、人が付けたラベルを golden source of truth、つまり信頼できる基準として扱います。まず、さまざまな画像を人のラベラーに見てもらい、「この画像は拡張が必要か」「ルーターはどちらへ送るべきか」といった判断を記録します。この人手ラベルを集めたデータセットが、ゴールデンデータセット(golden dataset)です。エージェントの出力は、このデータセットの判断と比べて評価します。

ただし、「人のラベルなら必ず完全に正しい」という意味ではありません。人にも判断の違いがあり、ラベルにノイズが入る可能性があります。ここでの役割は、エージェントだけの基準を作ることではなく、人が期待する結果にエージェントを合わせることです。

代表的なデータを選ぶ

ゴールデンデータセットは、狭い種類の画像だけで作ってはいけません。発表では、いくつかの cuts、地域、料理の種類、画像品質の種類をまたいで、代表的にサンプリングすることが説明されています。ここでいう cuts の正確な定義や、必要なサンプル数は示されていません。しかし、考え方は明確です。

たとえば、ある地域の料理だけ、または高品質な画像だけでルーターを調整すると、別の地域や低品質な画像での判断を確かめられません。データに複数の切り口を含めれば、特定の市場や料理にだけ合う調整になっていないかを見つけやすくなります。これは、世界中のさまざまな出品画像を扱うために必要な確認です。

客観的なラベル付けのガイドライン

人に自由な印象だけでラベルを付けてもらうと、同じ画像に対する判断が人によって大きく変わるかもしれません。そこで、客観的なラベル付けのガイドラインを用意します。共通の基準があれば、主観による偏りやラベルのノイズを減らせます。

これは意見の違いを完全になくす方法ではありません。発表では、ガイドラインが不一致をゼロにするとまでは述べられていません。ガイドラインの目的は、判断の土台をそろえ、エージェントとの比較を意味のあるものにすることです。

例: 「見た目がきれいか」だけでなく、「料理の内容を正しく表しているか」「この画像は拡張で改善できるか」など、判断する観点を先に決めます。こうすれば、ラベラーごとに別の意味で「良い画像」と判断する危険を小さくできます。

オフラインで比べ、調整し、出荷する

オフライン評価(offline evaluation)の流れは、次のようになります。

  1. 代表的な画像を集め、人がガイドラインに沿ってラベルを付けます。
  2. 同じ画像をエージェントに渡し、ルーターの判断を得ます。
  3. エージェントの判断を、人手ラベルで作った基準と比較します。
  4. 再現率(recall)などのガードレール指標を確認します。
  5. 指標が許容できる範囲なら、ルーターを出荷します。許容できなければ、調整してからもう一度評価します。

ここでは、人のラベル付け、エージェントとの自動比較、出荷を許可する自動判定を分けて考える必要があります。人は評価の基準を作りますが、各候補を比べる処理と、ガードレールを満たしたかを確認する処理は自動化できます。

図は、人のラベル付けからグラウンドトゥルース、評価、調整、出荷へ進むオフラインの流れを示しています。

このスライドは、人が作ったグラウンドトゥルースを評価パイプラインに入れ、結果を調整と出荷につなげるという、発表の中心的な流れを支えています。ただし、スライド上には、地域や料理の種類など、ここで述べたサンプリングの切り口は明示されていません。詳しい流れは、出典動画の該当箇所で確認できます。

なぜ再現率をガードレールにするのか

この用途では、悪い画像がルーターをすり抜けることが特に問題になります。そこで、必要な画像を取りこぼさない方向の指標として、再現率をガードレールにします。直感的には、「本当は拡張や適切な処理が必要だった画像のうち、どれだけを正しいルートへ送れたか」を見る指標です。

再現率が低いと、処理すべき画像をそのまま通してしまう見逃しが増えます。見逃された画像は、後の拡張や品質確認を受けない可能性があります。そのため、平均的な正解率だけがよく見えても、悪い画像の見逃しが多ければ出荷できません。

ここでの再現率は、拡張後の画像がきれいかどうかを測る指標ではありません。まず、ルーターが適切な画像を適切なルートへ送れたかを測ります。実際のクラス名、しきい値、指標の計算方法、必要な数値の基準は、発表では示されていません。

小さなまとめ

このオフラインの仕組みは、単にモデルの設定を一度決める手順ではありません。代表的な画像に人の基準を付け、エージェントと比べ、ガードレールを確認し、必要なら調整して再び比べます。特に再現率を重視することで、「悪い画像を見逃して処理を終える」という危険を抑えます。それでも人のラベルやデータの切り方には不確実さがあるため、出荷の判断を数値だけに任せるのではなく、基準と運用上の目的を明確にしておくことが重要です。

100% スペースキーとドラッグで移動 | Ctrl/Cmdとホイールで拡大縮小