PIXTAが日本語キャプション付き日常シーン画像データを販売開始！

PIXTAが新しい画像データセットを提供

ピクスタ株式会社は、機械学習用画像・動画データ提供サービスとして、特に注目を集める「日本語キャプション付き日本人日常シーン画像データセット」の販売を開始しました。この新しいサービスは、AI開発者や研究者にとって非常に重要なリソースであり、特に日本語VLM（Vision-Language Model）をサポートするために役立つと期待されています。

日本語キャプション付き画像データセットの概要

このデータセットは、1,000点の画像で構成されており、価格は99,000円（税込）です。日本国内の多様なシーンを、最大限の視点から捉えた実写データです。屋内外の日本人の日常風景を対象にしており、年齢層は乳児から高齢者まで幅広くカバーしています。解像度が高く、商用利用も可能で、撮影者から機械学習用データに対する使用許諾が得られています。

画像の構図は、正面または俯瞰から撮影されており、視覚的に豊かな表現が可能です。これにより、AIが様々なシーンを正確に分析し、利用するための土台が築かれることになります。

このデータセットの活用可能性

本データセットは、さまざまな分野において多様な目的で利用される可能性を秘めています。

- 生活シーン検索: 日常生活のシーンを検索・整理するための基盤を提供し、特定の状況を日本語で入力すると関連する画像を自動で探し出せます。

- 教育・福祉支援: 視覚障害者向けのAIが、日常のシーンをわかりやすい日本語で説明し、情報の透明性とアクセスしやすさを向上させます。

- 広告やマーケティング: 日本特有のライフスタイルに基づいた自然なクリエイティブなコンテンツ制作を支援します。AIが日常シーンに基づいて販促用のキャッチコピーを自動生成することも可能です。

- 日本語VLMの能力向上: VLMの研究において、AIが視覚情報とテキストを結びつけて理解する能力が向上し、文脈に応じた自然な日本語での表現が強化されます。

提供背景

最近、世界でVLMに対する研究開発が急速に進んでいますが、既存のデータセットは英語中心のものが多く、日本語に特化したデータが不足しているのが現状です。そのため、国内の開発環境を整えるために、PIXTAは日本語キャプション付きのデータセットを開発しました。この取り組みは、日本語のAI技術をより高めるための重要なステップとなります。

PIXTAというブランドの強み

PIXTAは国内最大級のストックフォトサイトを運営しており、その経験と蓄積されたデータから、AI開発者が必要とするリソースを提供しています。さらに、特定の要件に応じた新規撮影も可能で、顧客のニーズにきめ細かく対応しています。こうした取り組みは、自動車や製造業界を含む多くの企業から高い評価を受けています。