
単なる挙動ではないため、チームは映像を精査してアラートの意味を確認する必要があります。新たなシナリオが発生するたびに追加の開発が必要となり、監視ロジックの適応は依然として困難です。
場面ややり取りを理解することで、注目すべき出来事と日常的な活動を区別できるため、チームに届くアラートの数が減ります。
自動解釈により、動画の視聴に費やす時間が削減されるため、定義された条件を満たす事象に注意が向けられるようになる。
独自のアルゴリズムの代わりに平易な記述が用いられているため、監視ロジックは環境の変化に合わせて即座に適応します。
各アラートには、システムがそれを検知した理由がわかりやすく説明されているため、オペレーターは推測に頼ることなく、状況を踏まえて判断を下すことができます。
NTTデータのサポート体制は?
ビジュアル言語モデルは、特定のAIベンダーに縛られることなく、サイトやタスクごとに選択されたシーン、アクション、および相互作用を読み取ります。

監視条件は平易な英語で記述され、アルゴリズムを1つたりともコーディングすることなく、柔軟な検出ロジックを構築できます。

アラートは、定義された条件が満たされた際に発生し、システムが検知した内容に関する状況説明が添えられて通知されます。

ルールは動画ストリーム内の特定の領域に適用され、状況に応じて追加の文脈が与えられます。

このアプローチは、火災や煙の検知から、異様な行動や暴力の検知に至るまで、さまざまな拠点にまたがって適用されています。


各チームはこのシステムを信頼し、対応に対する責任を果たし続けています。
場面や行動の文脈を理解することで、精度が向上し、誤検知が減少します。
自動解析と状況に応じたアラート機能により、オペレーターは映像を常時監視する必要がなくなります。
火災や煙、危険な行動を早期に検知することで、さまざまな現場において迅速な対応が可能になります。
平易な言語ルールにより、その都度システムを再学習させることなく、同じプラットフォームを新しいユースケースに拡張することができます。