ワンダリア横浜画像認識AI 高品質な体験を磨き込むData-Centricな開発の実践

ワンダリア横浜画像認識AI 高品質な体験を磨き込むData-Centricな開発の実践 2026/5/22 DeNA × AI Talks #8 鈴木達哉 株式会社ディー・エヌ・エー © DeNA Co., Ltd. 1

自己紹介 鈴木達哉 / Suzuki Tatsuya AI技術開発部ビジョン・スポーツグループ ● 2020.4 ~ DeNA AIエンジニア ○ ドライブレコーダー映像の画像認識 ○ 各種コンピュータビジョン案件 ● 2025.1 「Data-centric AI入門」（共著、技術評論社） ● 2025.4 ~ ワンダリア横浜リードAIエンジニア © DeNA Co., Ltd. 2

3

映像×アプリで楽しむ没⼊型体験施設「ワンダリア横浜」 ● 四季の高原や神秘的な深海など6ゾーンの臨場感あるデジタル映像 ● スマホをかざすと70種類以上の生き物を瞬時に認識しコレクション ミッションあり ゲーム感覚で 館内を巡る スマホを かざして発見 Tipsを入手 ・コレクション 画像認識AIが体験のコアになっている事業 © DeNA Co., Ltd. 4

⼀⾒、ワンダリア横浜の画像認識AIはかなりシンプルなタスク？ 聞こえてきそうなこんな声... 映像を物体検出しているだけ アノテーションして学習するだけ アノテーションして物体検出器（YOLOX）を学習しているのはそれはそう 事業として最高の体験を 創り込むにはそれだけじゃない © DeNA Co., Ltd. 5

最⾼の体験のためのこだわり 映像 × アプリの 体験磨き込み オンデバイスで 高速推論 高精度認識 技術面でのオンデバイスでの高精度認識を土台に、体験の磨き込みを重視 映像にスマホをかざすとサクサク正確に認識し、それにより楽しい体験を実現 © DeNA Co., Ltd. 6

体験を磨く⾼速検証サイクル 最新映像を 学習 AI学習 モデルを デプロイ 施設完成前はオフィスで 仮映像による検証 映像 アプリ UX検証 開発初期から開業直前まで 高速に検証を回し続けた © DeNA Co., Ltd. 施設完成後は現地で 実映像による検証 7

⾼精度＆⾼速検証サイクルを可能にした3つの要素 ①Data-Centric AI ②システム設計 ③チーム連携 © DeNA Co., Ltd. 8

①⾼精度＆⾼速検証のためのData-Centric AI Model-Centric AI （モデル中心のAI開発） ● データを固定 ● 機械学習モデルを改善 Data-Centric AI （データ中心のAI開発） ● 機械学習モデルを固定 ● データを改善 ワンダリアアプリの場合は ● オンデバイスのため量子化などでモデル調整は時間がかかる ● 独自のCG映像の画像認識故にデータ作りはかならず発生 モデルも大事だが、データをどう作るかがすごく重要 © DeNA Co., Ltd. 9

①Data-Centric AI：SAM 3活⽤内製アノテーションツール ● タスク特性にあわせたツールを内製（Label Studioを拡張） ● SAM 3（Meta社開発の強力AIモデル）活用で時間激減 ● ある範囲では1700時間→75時間 詳細は次の発表「SAM 3 × アノテーション — ワンダリアの画像認識AIを支える基盤作り」で！ © DeNA Co., Ltd. 10

①Data-Centric AI：必要⼗分なデータ品質 前提： 品質が高いほど精度向上 SAM 3出力をどこまで手修正するか。時間と推論結果を比較 A: SAM 3そのまま © DeNA Co., Ltd. B: データFPを 削除 C: 大きな D: データFN部分の E: 細かな Bboxズレを修正 Bbox追加 Bboxズレを修正 11

①Data-Centric AI：必要⼗分なデータ品質 前提： 品質が高いほど精度向上 SAM 3出力をどこまで手修正するか。時間と推論結果を比較 方法 修正時間 推論 推論 FP FN メモ A. SAM3出力そのまま - ✖ ✖ さすがに使えない B. データFPを削除 79分 △ ✖ 作業は楽。見逃し気になる C. B + 大きなBboxズレ修正 95分 ⚪ △ まだ見逃し気になる D. C + データ FN部分の Bbox追加 152分 ⚪ ⚪ 見逃しなくなる 採用 E. D + 細かいBboxズレ修正 200分以上 ⚪ ⚪ Eとほぼ変わらず時間もったいない 結論：クラスは正確に・FP & FNはNG・Bboxの細かいズレはOK なお、初期からBboxを描画しないUIを提案。たとえ推論のBboxがズレても気にならない状態も作っていた © DeNA Co., Ltd. 12

①Data-Centric AI：必要⼗分なデータ量 前提： 量が増えるほど精度向上 投影映像を撮影し学習。どんな撮影がどれだけ必要かを実験 異なる角度からの撮影を模倣するデータ拡張も導入 スクリーン ② ③ ① スクリーン前で一定間隔で定点撮影 （実際はもっと細かく撮影し実験） 方法 精度 A. 正面① △ B. 正面① + データ拡張 ⚪ 体験上十分 採 用 C. 正面① + 左② + データ拡張 ◎ D. 正面① + 左右②③ + データ拡張 ◎ 結論：正面から定点で1本撮影しデータ拡張すればまずOK 精度足りない部分があれば左右からの映像や、近寄った映像を足していく方針に © DeNA Co., Ltd. 13

【特許出願済み】 ②⾼精度＆⾼速検証のためのシステム設計 ● 今いるゾーンをヤマハ株式会社のSoundUD技術で識別 ● ゾーンごとのモデルを選択 ● 今映っている生き物のリストを取得しフィルタリング ゾーン識別SoundUDトリガー （人間には聴こえない音波） 今いるゾーン 画像認識モデル (YOLOX) 映像 ゾーン 1 選択 スピーカー © DeNA Co., Ltd. 選択 今いるゾーンの 映像配信装置 今映っている生き物リスト 認識結果 フィルタリングされた 最終出力 14

②システム設計：ゾーンごとにモデルを分割 ゾーンが識別できるので各ゾーンのモデルは分割 ● ゾーンに存在しない生き物の誤認識がなくなる ● あるゾーンの映像変更時、他ゾーンへの精度影響を無視できる ● データセット規模が小さくなり学習時間が短縮 高精度＆高速検証どちらにも寄与！ ゾーン識別SoundUDトリガー （人間には聴こえない音波） 選択 ゾーン 1 今いるゾーン 画像認識モデル (YOLOX) スピーカー © DeNA Co., Ltd. 15

②システム設計：今映っている⽣き物リストを取得 映像配信装置から今映っている生き物のリストを取得 ● 画像認識結果をルールベースでフィルタリングが可能 ● 登場していない生き物の誤検出はカット ➔ Precision向上 ● Confidence閾値を下げられる ➔ Recall向上 特に高精度化に寄与！ ゾーン識別SoundUDトリガー （人間には聴こえない音波） スピーカー © DeNA Co., Ltd. 選択 ゾーン 1 今いるゾーンの 映像配信装置 （今映っている 生き物リストを送信） 16

②システム設計：⽣き物リストを使い「画像認識しない」ことも ● 映像美を優先すると画像認識が難しい場面も出てくる ● 今いる生き物リストがあれば、画像認識せずにも判定は可能 ● 例えば洞窟の中のホタル・イワシの大群などに適用 映像体験第一と考えると、こういった美しい場面を画像認識のために修正したくない © DeNA Co., Ltd. 17

③⾼精度＆⾼速検証のためのチーム連携 ● 連携しあい開発・検証を進める ● お互いの専門性を尊重し助け合う風通しの良いカルチャー ● 開業前はなんとほぼ全員でアノテーション AI アプリ 映像 QA 施設 事業部 © DeNA Co., Ltd. 各チームがフラットに連携 18

③チーム連携：関係者ほぼ全員でのアノテーション ● 開業前はより一層検証サイクルを高速化したい ● 映像×アプリ体験向上は関係者共通の目標 ● AIエンジニア＆専門アノテーションチームに加え、アプリの エンジニア・PM・そしてビジネスメンバーもほぼ全員参加 超高速サイクルを実現： 朝に新映像 ➔ 午後アノテーション ➔ 夜間に学習回す ➔ 朝検証 副次効果：みんなが動画やアプリにより詳しくなり改善が捗る © DeNA Co., Ltd. 19

体験を磨き込んで完成した「ワンダリア横浜」 ● 画像認識AIがコアに活きる事業 ● 体験を磨くための高速な検証ループ ● モデルに加えデータ・システム設計・チーム連携を重視 SAM 3ツール開発は最重要ポイント 詳細は次の新卒2年目孫さんの発表で！ © DeNA Co., Ltd. 3月発表、アプリリードエンジニア菊地さんによる 生成AIを全力活用したアプリ開発の話もぜひ 20

© DeNA Co., Ltd. 21