AyniCam
AIは何でも検出できる？オープンボキャブラリー物体検出を解説
オープンボキャブラリー物体検出とテキスト指示の仕組み、限界を解説。iPhone内で動作するAyniCamの物体検出と比較します。
このガイドの内容
短い答え: カテゴリが増えてもすべてが意味するわけではない
オープンボキャブラリー物体検出により、ビジョンモデルはラベルの固定リストから選択するだけでなく、単語で記述されたオブジェクトを検索できます。モデルに検索できる内容が拡張されます。すべてのオブジェクトが認識され、正しく配置され、さらにはカメラに表示されることを保証するものではありません。
iPhone 車載カメラ ユーザーにとって、その違いは重要です。劇的な AI ビジョンのデモンストレーションと、携帯電話上で継続的に実行されるアプリにより、さまざまな問題が解決されます。このガイドでは、新しい研究、検出結果の解釈方法、AyniCam がどこに当てはまるのかについて説明します。
テキストガイド付き AI ビジョンがニュースになっている理由
テンセントの WeVisOne-VL 研究論文は、2026 年 10 月 22 日に発表されました。この論文では、オブジェクトの検索、カウント、テキストの読み取り、領域のアウトラインなど、いくつかの視覚タスクが 1 つのモデルに組み込まれています。その公式モデル カードでは、オープン語彙の検出について説明しています。ユーザーは、画像内で見つけたいものを指定できます。
興味深い変更点は、言語と視覚の間のインターフェイスです。ユーザーは、事前定義されたラベルのみを受け入れるのではなく、ターゲットを記述することができます。この論文のベンチマーク結果は、著者が報告した研究結果です。これらは、AyniCam のテストや、ドライブ中の信頼できる検出の証明ではありません。
ラベル、テキスト プロンプト、セグメンテーションを修正しました
車、自転車、バッグが含まれている写真を想像してください。車と自転車のカテゴリを持つ検出器は、バッグにはラベルを提供せずに、それらの物体にラベルを付ける場合があります。テキストガイド付きのモデルにバッグを見つけるように依頼することもできます。成功するかどうかは、画像、文言、モデルに依存します。
検出とセグメンテーションもさまざまな質問に答えます。検出では、多くの場合境界ボックスを使用してオブジェクトの位置が特定されます。セグメンテーションでは、ラベルまたはマスクを画像領域に割り当てます。どちらの出力も、オブジェクトの正確な距離、完全な隠れた形状、またはオブジェクトの周囲の安全なルートを自動的に提供するものではありません。
| アプローチ | 一般的な質問 | 確認すること |
|---|---|---|
| 固定カテゴリの検出 | サポートされているオブジェクトの種類はどこですか? | アプリが実際にサポートしているカテゴリはどれですか? |
| オープン語彙の検出 | これらの単語で説明されるオブジェクトはどこですか? | プロンプト解釈、オブジェクトの欠落、および誤った一致 |
| セグメンテーション | どのピクセルまたは領域がクラスまたはオブジェクトに属しますか? | 境界の品質と各領域の意味 |
AyniCam が iPhone で検出するもの
AyniCam は iPhone でカメラ検出を実行します。文書化された検出器のカテゴリは、人、自転車、オートバイ、車、バス、信号機、一時停止標識です。名前を付けたオブジェクトを検出するためのテキスト ボックスは提供されておらず、WeVisOne-VL も使用されません。
アプリの 3D マップは、マッピングされた道路や建物と、サポートされているカメラ検出の推定位置を組み合わせています。この表示はカメラの解釈を理解するのに役立ちますが、車両の周囲すべてを正確にスキャンしたわけではありません。携帯電話のカメラ ビューと選択した AI モデルによって、表示される内容が制限されます。
表示されるサポートされているオブジェクトを変更しても、新しい検出カテゴリは作成されません。欠落しているラベルを理解したい場合は、サポートされているカテゴリ、カメラのフレーミング、およびモデル設定から始めます。
物体検出のデモンストレーションを評価する方法
単一の成功例を超えて検討してください。有用なデモンストレーションでは、デバイス、モデル、カメラの状態、およびシーンが実際の映像であるかシミュレーションであるかを識別します。失敗も示します。きれいな静止画では、長時間の移動録音中に携帯電話がどのように動作するかを確認できません。
オブジェクトが小さい場合、部分的に隠れている場合、または照明が不十分な場合でも、ラベルが役立つかどうかを確認してください。信頼スコアはモデルの出力を表します。道路が安全であることを証明するものではありません。ラベルのないオブジェクトがまだ存在している可能性があります。駐車中に携帯電話をセットアップし、運転に注意を払います。
オープン語彙検出と AyniCam に関する質問
オープン語彙 AI はすべてのオブジェクトを検出できますか?
いいえ。語彙が増えると、可能なクエリの範囲が広がりますが、間違い、可視性の制限、または見慣れないオブジェクトの失敗が解消されるわけではありません。画像には、要求されたタスクに役立つ十分な情報が含まれている必要があります。
AyniCam にオブジェクト名を入力して検出できますか?
いいえ。 AyniCam はサポートされている検出器カテゴリを使用します。オブジェクト表示の選択肢は、自由語彙のテキスト プロンプト機能ではありません。
AyniCam のカメラ検出にはインターネットが必要ですか?
カメラ AI は iPhone 上で実行されます。地図タイル、目的地検索、ルート案内、天気予報はオンライン サービスを使用するため、ローカル検出がアプリのすべての部分がオフラインで動作することを意味するわけではありません。
新しい調査は、AyniCam のモデルが変更されたことを意味しますか?
いいえ。この記事では、リリースされたアプリとは別に業界研究について解説します。実際の製品の変更については、AyniCam のリリース ノートとモデル ガイドを確認してください。
検出が 3D マップにどのように接続されているかはどこで確認できますか?
以下のマップとオブジェクト検出ガイドを読み、ラベル付きマップのデモを探索してください。シミュレーターの例はインターフェイスを説明するものであり、実際の道路検出の精度を確立するものではありません。