消費財メーカーにおける売場写真のVLM分析システムの構築

数百万枚規模の画像から商品の傾向や特徴を抽出・分析する仕組みを構想・検証

Polaris.AIは、ある大手消費財メーカー様の売場写真を対象に、VLM（Vision Language Model）を活用し、商品・POP・陳列状態などを検索・分析可能なデータに変換する基盤の構築と検索システムの開発を支援しました。

現場で日々蓄積される大量の売場画像を、単なるアーカイブとしてではなく、マーケティングや営業支援に活かせる資産へと転換するためのプロジェクトです。

本プロジェクトの背景

クライアント企業様においては、全国の店舗から日々収集される売場写真をもとに、商品やPOP、陳列パターンといった売場の特徴を把握・分析する業務を行っていますが、画像を人手で確認・分類する必要があり、業務負荷の高さや属人性が課題となっていました。

本プロジェクトでは、そうした売場画像を対象に、生成AI（VLM：Vision-Language Model）を活用して、商品やPOPの特徴を自動で抽出・タグ付けし、検索や比較分析が可能なデータ基盤を構築することを目指しています。

将来的には、数百万枚の画像を対象に自然言語で検索・分析できるシステムの実現を視野に入れており、本プロジェクトでは、その基盤設計と技術的検証を進めました。

技術詳細

検証にあたっては、数百枚の画像をもとに、VLMを活用してタグ定義（タグマスター）を整備するとともに、その定義に基づき各画像に対してタグ付けを実施しました。画像は社内ストレージ上に保管され、Snowflakeから外部URI経由でアクセスする構成としています。

また、技術的にも、以下の検証を並行して行いました。

• 複数のVLM（GPT-4o、Gemini 2.0 Flashなど）による精度比較

• 画像から商品やPOPを正確に切り出す前処理（ROI抽出）の有効性検証

• 多ラベル環境下でのVLM性能評価と劣化への対策

• タグによる絞り込み→画像検索→VLMへの自然言語の入力という対話検索フローの設計

• 処理スケーラビリティ／コストの観点からのモデル選定・処理戦略の比較検証

Polaris.AIの支援内容

Polaris.AIは、単なる画像解析やモデル精度評価にとどまらず、業務活用を前提とした全体設計・PoC実装・運用設計までを一気通貫で支援しています。

支援内容（例）

• VLMを用いた画像特徴抽出パイプラインの構想設計と実装支援

• タグマスター整備と精度評価フレームの設計

• 対話検索機能の構想整理とUX要件の具体化

• Snowflake連携を前提としたインフラ構成の整理

• 本番を見据えたパイプライン自動化・運用可視化の方針検討

Polaris.AIは今後も、生成AI技術を活用したデータの構造化・再活用等を通じて、クライアントの業務変革と意思決定支援を技術面から支えてまいります。