どんな話？
見てほしい対象を1つに絞り、文房具・食器・人が確認の3候補と、見分けにくい場合の扱いを決めました。専用PlaygroundでAI生成画像2枚を試すと、鉛筆だけの基準画像は「文房具」100%。鉛筆とカップの複数物は、期待した「人が確認」ではなく「文房具」44%が選ばれました。質問文だけをv2へ書き直すと「人が確認」100%に。画像の条件を答えと一緒に残す確認カードが成果物です。
この記事でわかること
- 公式ガイドの例では、画像をbase64のデータURLにして input の input_image へ渡す。APIリファレンスは最大128枚と案内する。ファイルIDの指定には対応していない
- 練習では主な物が1つだけ写った画像を使い、候補は文房具、食器、人が確認。複数の主な物、見分けにくい写真、候補外の物は人が確認を期待する
- 鉛筆だけの基準画像は「文房具」、候補確率100%、confidence 100%。画面表示のServer timeは889ms、Network timeは2307ms
- 鉛筆とカップの複数物は「文房具」44%、食器26%、人が確認30%、confidence 16%で「文房具」。再実行しても同じで、期待した「人が確認」にならなかった
- 質問文をv2へ書き直すと「人が確認」100%、confidence 100%。複数の文言を一緒に書き直したため、どの語が効いたかは切り分けていない
- 画像2枚で一般的な写真の正答率は測れない。自作アプリからの画像送信は未実行
やることチェックリスト
0/6記事を読みながら、できたものにチェックを付けていけます。チェックはこの端末に残ります。
ぜんぶできた！おつかれさまでした。
くわしい手順と画面の図は、Xの記事にあります。
こんな人に
- 写真を渡せば、こちらの意図まで伝わると思っている人
- 画像で物を分類したい人
- 対象を1つに絞る方法と、暗さ・ぼけ・写り込みで何を確かめるかを知りたい人
この話のTIPS
- コツ公式ガイドの例では、画像をbase64のデータURLにして input の input_image へ渡します。ファイルIDの指定には対応していません。
- 注意生成した鉛筆の画像で試した結果は、実写の鉛筆すべてに広げられません。本番が実写なら、利用権を確認した実写の例も必要です。