目次
概要
AWS Machine Learning Blogが、航空写真（空から撮影した画像）を自然言語で検索できるようにする仕組みを解説しました。AWSとVexcel社が共同で、マルチモーダルAIによる大規模な地理空間データ検索を検証した事例です。
何が発表・更新されたのか
画像をベクトル（数値表現）に変換する「埋め込み」とベクトル検索を使い、特徴ごとにモデルを再学習せず自然言語で検索する手法を紹介しています。評価ではAmazon Nova Multimodal Embeddingsが最も高いF1スコアを記録したと述べています。
なぜ重要なのか
従来は航空画像を1枚ずつ目視確認するか、検索したい対象ごとに専用の画像認識モデルを作る必要がありました。この手法なら「一度インデックス化すれば、あとは自然言語で検索」でき、作業を大幅に短縮できる可能性があります。
誰に関係があるのか
保険、不動産、政府機関、インフラ、農業など、地理空間データを扱う業界が対象として挙げられています。航空画像から特定の物（例：プール、太陽光パネルなど）を探す業務を持つ担当者に関係します。
仕事や業務でどう使えるのか
「ある地域のプールを探す」「道路網を特定する」といった検索を、自然言語で数秒で行える仕組みづくりに応用できます。記事ではAmazon BedrockとAmazon OpenSearch Serverlessを使った構成が示されています。
注意点
航空画像は1地点に7つの視点（真上・斜め4方向・標高モデル2種）があり、視点の統合方法や「正解」の定義が難しい点が課題として挙げられています。日本での提供状況や対象プランの詳細は、公式情報上では確認できませんでした。
公式情報
関連キーワード
- Amazon Bedrock
- Amazon Nova Multimodal Embeddings
- Amazon OpenSearch Serverless
- マルチモーダル埋め込み（Multimodal Embeddings）
- ベクトル検索（セマンティック検索）
