IPを守るための判定を単一のモデルに委ねず、AutoML Vision と Gemini にそれぞれ異なる判定を任せた構成が、この取り組みの核心にあります。公式コミュニティである以上、投稿されたアイテムの種類を取り違えれば、IPの価値を損なう画像が表に出てしまいます。学習データが十分に揃わない立ち上げ期に、性質の違う二つの判定を突き合わせる形をとったことで、片方が外しても誤りがそのまま通過しない状態を作れたと考えられます。加えて、膨大な種類のガンプラと派生機体の特徴を定義する作業には社内のガンダムファンのメンバーが加わり、細かなバリエーションまで含めたデータ収集と検出システムの改良が続けられました。
出力の仕上げを8〜9割で切り上げなかった判断も、この設計を支えています。写真に写り込んだアクション ベース(模型を支える台)を消す、光源と影の向きを背景と合わせるといった調整は、技術の派手さとは無縁の地味な作業です。ただ、IPへの愛が強い人ほど生成AIの出力を厳しい目で見るという前提に立つなら、世界観からわずかにずれた画像が一枚出ることの損失は、平均的な精度の高さでは埋め合わせられません。ラスト ワンマイルに手をかける方針は、コミュニティの信頼を守るための投資だったと読めます。
基盤の選び方でも、任せる部分と手元に残す部分がはっきり切り分けられています。GKEの自己修復機能やGPUノードの自動スケールに運用と監視を委ねる一方、ノードの選択や、特定の処理に適したGPUの選び方といった性能とコストを左右する判断は自分たちで握る。実験段階で試した方法をそのまま製品に実装できる環境を選んだことも、試行錯誤の回数がそのまま品質に効いてくる画像生成の開発では大きかったはずです。