AIBR プレミアム
拓海さん、最近部下が「熱赤外（TIR）カメラのトラッキングにAIを入れるべきだ」と言うのですが、実用になるのか心配でして。
素晴らしい着眼点ですね！熱赤外（TIR）トラッキングは産業用途に強い可能性があり、正しく取り組めば現場の効率化に直結できますよ。
でも拓海さん、そもそも熱赤外の画像って普通のカメラと何が違うのですか。データが少ないって聞いて不安なんです。
素晴らしい着眼点ですね！簡単に言うと、可視光カメラは色や明るさで物体を見分けるが、熱赤外は物の温度差で物体を捉えるイメージです。つまり見える情報が根本的に違うのです。
なるほど。で、AIを使うにはデータが必要だと聞きますが、TIRはラベル付きデータが少ないと。そこで何をしたという論文なのですか。
素晴らしい着眼点ですね！この論文は、たくさんある可視光（RGB）データを熱赤外（TIR）画像に変換して合成データを作り、その合成データでトラッキング用のネットワークを最初から学習するという発想です。
これって要するにラベル付きのRGBデータをTIRっぽく変換して、現物のTIRデータが足りない問題を補うということ？
その通りですよ！要点を三つでまとめると、第一に可視光データをTIRに変換して大量の学習データを確保できること、第二に合成データだけでも実運用に近い性能が出ること、第三に実データと組み合わせればさらに性能が伸びることです。
投資対効果の観点では、合成データの作成コストと実データ取得のコストを比べるとどうですか。うちの現場でも現物を撮るのは手間です。
素晴らしい着眼点ですね！合成生成は一度パイプラインを作れば大量に作れるため長期的にはコスト効率が良いのです。まずは小さな検証プロジェクトで合成データを試せば初期投資を抑えられますよ。
分かりました、まずは小さく試して成果が出れば拡大する、という流れですね。では最後に、私の言葉で整理しても良いですか。
ぜひどうぞ。要点を自分の言葉で説明できれば、社内説得もずっと楽になりますよ。大丈夫、一緒にやれば必ずできますよ。
要するに、安価に大量の学習用データを作るために可視光のラベル付きデータを熱赤外っぽく変換して学習させる方法で、まず小規模に試験し、実データと組み合わせて精度を上げるのが現実的だ、ということですね。
