19

14:13 - 14:49

実例:スイートポテトフライとK回目での合格

ここでは、画像の編集とQA(品質確認)が繰り返されるループを、スイートポテトフライの例で具体的に見ます。抽象的な処理の流れを、最初の編集、QAによる不合格、修正、そして合格という順番で追います。

まず、例の流れを見る

発表で示された例では、最初に画像を編集します。次に、QAが編集結果を調べます。結果が基準を満たさなければ、QAはどこを直すべきかを返します。そのフィードバックを使って、編集をもう一度行います。この例では、二回目の試行で合格しました。

最初の編集は、見た目だけでは足りません

スイートポテトフライの最初の生成結果は、QAで不合格になりました。具体的には、フライの量(portion size)と盛り付け(plating)が正しくありませんでした。つまり、画像がきれいかどうかだけでなく、料理の内容と提示のしかたが適切かどうかも確認されています。

なぜ画素だけの比較では不十分なのか

画素(pixel)の違いだけを比べても、フライの量が料理として適切か、皿の上の盛り付けが自然かは十分に判断できません。これらは、画像の意味や料理の見せ方に関わる制約です。したがって、このQAは単純な画像差分ではなく、画像が表す内容と提示の品質を見ます。

QAのフィードバックで二回目を作る

最初の不合格を、次の編集への入力として使います。

  • QAが、量と盛り付けの問題を指摘します。
  • 編集側が、そのフィードバックを使って画像を修正します。
  • 二回目の結果を、もう一度QAに渡します。
  • この例では、修正後の結果がQAに合格しました。

「pass at K」は何を測るのか

発表者がここでいう「pass at K」は、K回目の反復(iteration)で合格する割合です。これは、ある一枚の画像が必ずK回目までに合格する、という意味ではありません。また、発表ではKの数値、計算式、具体的な合格率は示されていません。

この指標は、QAのフィードバックを使いながら、何回まで編集すればどれだけの結果が合格するかを見るためのものです。発表者は、反復回数を増やし、フィードバックを重ねれば、合格率が上がると期待しています。ただし、これはこの一例が示す成功を、すべての画像に対する保証へ広げる主張ではありません。

図:「Generation Evals」のスライドには、スイートポテトフライの入力画像、最初の生成結果、二回目の生成結果が示されています。最初の結果はQA FAILで、量と盛り付けの問題が示されています。二回目はQA PASSで、QAの提案を反映したことも示されています。

この図は、QAの指摘が次の編集に使われ、結果が改善したという例を直接示しています。スライドに見えるのはこの具体例であり、すべての画像が同じ回数で合格することを示すものではありません。発表の該当箇所は、動画の14:25を見るで確認できます。

反復回数を増やすときの注意

反復回数を増やすと、合格する機会は増えるかもしれません。しかし、編集を一回増やすたびに、計算資源と待ち時間が増えます。必要以上に編集すると、元の画像から離れすぎる、つまり過剰編集になる可能性もあります。そのため、Kは合格率だけでなく、コスト、レイテンシー(処理の待ち時間)、元画像への忠実さとのバランスで決める必要があります。発表では、その具体的なKや数値のトレードオフまでは説明されていません。

この例から分かること

このスイートポテトフライの例は、QAを一度だけ行うのではなく、編集結果に対する具体的なフィードバックを次の試行へ戻す仕組みを示しています。成功とは、見た目が変わることではありません。量や盛り付けのような意味上の条件を満たし、決められた反復の範囲でQAに合格することです。

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