テレビ朝日が300万件超の映像に顔認識AI、人物特定を数分に縮めた工夫

アーカイブ運用センターが直面していたのは、ある人物が映っている場面を探すには対象の映像を目視で確認するしかなく、しかも人の目と記憶だけでは正確な特定が難しいという状況でした。そこへ、長年の経験と専門知識を持つ一部のベテランスタッフが定年退職などで現場を離れ始め、若手への技術継承が急を要する課題として重なります。

編集部の見立てでは、この困りごとの根にあったのは映像の数そのものではありません。300万件という規模だけが問題なら、保管と整理の仕組みを増強すれば足ります。実際に詰まっていたのは、映像を探し当てる鍵となる「誰が映っているか」という情報が、システム上のデータとしてではなく、一部のスタッフの記憶という形でしか存在していなかった点ではないでしょうか。記憶は検索もできなければ複製もできません。人が現場を離れるたびに検索できる範囲が静かに狭まっていく構造こそが、本当の課題だったと考えられます。

起点にあるのは、メタデータに求められる5W1Hのうち「Who（誰が）」の一点へ狙いを定めた設計です。映像に付く情報をまとめて機械化しようとすれば、対象も評価軸も一気に広がり、現場で使える精度に届かないまま終わりかねません。検索の鍵として最も効きが強く、なおかつ人の記憶に依存していた要素を選んで置き換えたことが、限られた投資で手応えを出す条件になったと見ています。

AIの判断を人が検証できる形に翻訳したインターフェースの作り方も効いています。顔認識エンジンは辞書に登録した顔画像の特徴量と映像から検出した顔の特徴量を照合し、どの程度似ているかを類似度として出しますが、カオメタではこれを一致率としてパーセンテージに変換し画面に示します。オペレーターはAIがどれだけ確信を持っているかを即座に読み取り、数字が心もとなければ自分の目で追加確認へ回れます。人物が映像内のどの位置にいるかまで表示する仕様と合わせ、AIを最終判断者ではなく確認の出発点に据えた設計が、ベテランから若手まで誰でも使いこなせる状態を支えたのでしょう。

選定と導入後の関わり方も、この事例に固有の要素として拾っておきたいところです。導入までに約5年をかけ、セキュリティ面や費用対効果に加え、ライフサイクルコスト、機密性の高い報道素材の取り扱いといった観点から複数のサービスが比較検証されました。導入後も開発元である東芝デジタルソリューションズと協力しながら機能改善が続けられ、選挙番組のような生放送での即時の人物識別など、放送現場ならではの要件へ寄せていく形がとられています。買った時点の機能で運用を固定せず、使いながら現場に合わせて育てる進め方だったことが大きい。

作業時間の面では、以前は1つの映像を確認するのに何時間もかかっていたものが、数分で必要な情報を抽出できるようになりました。二次利用の際に出演者を一人ずつ確認していた権利処理も大幅に短縮され、映像資産を活用できる幅が広がっています。パリオリンピックの映像では、化粧や髪型が大きく変わるアーティスティックスイミングの選手についても正確に特定できることが確認されました。従来は見落とされがちだった細かな情報まで拾えるようになり、スタッフの負担軽減と、空いた時間をほかの業務へ回せる状態にもつながっています。