Jevに705点を判定させても、それだけではHome Runsの動きは良くなりません。大きく外れた候補は人が元の映像に戻って直す必要があります。改善を繰り返すには、まず人が確認した基準例を1件作ることが必要だと分かりました。
今回のJevの役割は、画像フレームの候補を仕分け、人が次にどこを見るかを示すことです。
705点を同じ質問で見直した
Phase 2.5では、機械検査で作った705点の候補を構造化した質問へ変換しました。Jevの判定は、OK 0、NEEDS_REVIEW 506、WRONG 5、OCCLUDED 194でした。OKがゼロなのは失敗というより、正解化を急がず、人の確認へ戻すための安全側の結果です。
重要な19点は別に人のレビューを通し、追加の候補は保存するだけにしました。ただし、レビューしたことと、比較の基準になる正解例を確定したことは別です。
まず1件、人が確認した基準例を作る
たとえば投球で前足が地面に着く瞬間を1件選びます。元の映像と前後のフレームを見て、接地した時刻と足の位置を人が確かめ、身体が隠れていて判断できない部分も記録します。候補が足の浮いた姿勢を「接地」と扱っていたら、その時刻や位置を人が訂正します。
元資料、訂正した箇所、判断理由を一緒に残した1件が、次の比較の基準になります。これは手順を示す例で、今回その正解データが確定したという意味ではありません。
Jevの結果をどう使うか
Jevの結果は、次に見る順番を決めるために使います。ズレの大きい候補から人が元の映像と比べ、入力や注釈を直し、基準例と照らして同じ条件で再判定する。この往復がなければ、判定を増やしても同じ間違いを繰り返します。
ラベル、質問、入力データのハッシュ、修正理由を残せば、どこを直して結果が変わったかを追えます。判定モデルが「OK」と言っても、動画の遮蔽やカメラ角度が消えるわけではありません。「NEEDS_REVIEW」は、人が確認する場所を示すものです。
数字を進捗にするための境界
今回のJev実行で、レビュー対象の整理は前に進みました。次は人が確かめて直した基準例を1件作り、そこから判定と修正のループを回します。Referenceの正解化、3Dへの統合、ゲーム本体への反映はまだ完了していません。判定数が増えたことと、動きが本人に近づいたことは分けて確認します。
