Amazon Rekognition でのコンテンツモデレーション
Amazon Rekognition のコンテンツモデレーションは、機械学習 (ML) を使用して画像と動画のモデレーションワークフローを自動化および合理化します。機械学習の経験は必要ありません。フルマネージド API とカスタマイズ可能なモデレーションルールを使用して、不適切または望ましくないものを検出しながら、何百万もの画像と動画を効率的に処理し、ユーザーの安全性とビジネスのコンプライアンスを維持します。実際に利用した分に対してのみ料金が発生します。最低料金、ライセンス料や前払いの義務はありません。
メリット
ユーザーとブランドの安全性を向上する
事前定義された、またはビジネス固有のさまざまな安全でないカテゴリに対して、いくつかまたは数百万の画像と動画を確認します。ユーザーやブランドスポンサーが望ましくないコンテンツや不適切なコンテンツにさらされないように積極的に取り組みます。
モデレートを自動化する
人間のレビュー担当者がコンテンツの小さなサブセットをフォローアップできるようにし、安全でないコンテンツの最大 95% に自動的にフラグを立てることで、有害なコンテンツのエクスポージャーから保護します。 Amazon Augmented AI (A2I) を使用して、新しいツールやインフラストラクチャを構築することなく、人間によるレビューを統合します。
信頼性を向上させ、コストを削減する
事前の確約や高額なライセンスなしで、コストの信頼性が高く、スケーラブルで、繰り返し可能なクラウドベースのコンテンツモデレーションワークフローを作成します。処理した画像の数や動画の長さに基づいて支払いを行います。
特徴
露骨な画像や動画を検出してラベルを付ける
画像や動画の中の露骨な成人向けまたは暗示的なコンテンツ、暴力、ドラッグ、タバコ、アルコール、ヘイト シンボル、ギャンブル、不快なコンテンツを検出します。検出された各ラベルと動画のタイムスタンプを信頼スコアでマークします。階層的な分類法を使用して、さまざまな地域、ターゲットオーディエンス、時間帯などに合わせた詳細なビジネスルールを作成します。
オーディオとテキストのモデレーションをカスタマイズする
Amazon Rekognition のテキスト検出を使用して、禁止されている単語やフレーズの独自のリストに対してテキストを検出、読み取り、チェックします。 動画のスピーチを Amazon Transcribe を利用してテキストに変換して、冒とく的な表現やヘイトスピーチが含まれていないかを確認します。Amazon Comprehend の自然言語処理 (NLP) 機能を利用して、テキスト分析を拡張します。
カスタムモデルをトレーニングおよびデプロイする
数回クリックするか API 呼び出しにより、独自のモデレーションモデルを簡単にトレーニングしてデプロイできます。Amazon Rekognition を使用して新しいモデルを迅速に作成し、運用可能にすることで、オンラインストアから不快なメッセージを削除したり、ライブブロードキャストでロゴをぼかしたりするなど、リアルタイムのシナリオに対処するカスタムラベルが提供されます。
人間によるレビューで予測を強化する
戦略的な人手による介入により、予測をさらに強化します。A2I を Rekognition moderation API と統合して、信頼性の低い予測で人手による介入が必要な場合に、チームまたはサードパーティーベンダーが最終的な判断を下せるようにします。
ユースケース
ユーザー生成コンテンツのレビュー
ソーシャルメディアプラットフォームや、写真や動画の共有、オンラインゲーム、ビデオストリーミング、オンラインマッチメイキングなどのサービス上の不適切なコンテンツからユーザーとコミュニティを保護するために、大量のユーザーアップロードを積極的にモデレートします。
メディアと e コマースのコンプライアンス
Amazon Rekognition と Amazon Transcribe を使用して、安全でない可能性のある画像、動画、テキスト、音声コンテンツを特定したり、サードパーティーのリストがプラットフォームの安全ポリシーに違反しないようにしたりします。
ブランドセーフティ
Amazon Rekognition のコンテンツモデレーションのリッチで階層的に編成されたメタデータを使用して、不要なブランドの関連付けを特定して除外します。
お客様
40 を超える Amazon Rekognition のお客様事例の詳細をご覧ください。
Mobisocial は、ソーシャルネットワーキングおよびゲームアプリケーションの構築に注力する大手モバイルソフトウェア会社です。同社は、数千万人のモバイルゲームライブストリーマーと e スポーツプレーヤーが集まって一緒にゲームをプレイし、新しい友人に会うグローバルコミュニティである Omlet Arcade を開発しています。
「当社のゲームコミュニティが、人々が交流し、楽しいコンテンツを共有するための安全な環境であるようにすることを目的として、当社のコミュニティの基準に準拠していないコンテンツを特定するために、機械学習を利用しました。Amazon Rekognition を利用して、非準拠コンテンツを含むアップロードされた画像および動画コンテンツにフラグを付けるワークフローを作成しました。Amazon Rekognition の Content Moderation API は、世界中の何百万ものゲームクリエイターのコミュニティを管理するための正確さと規模を実現するのに役立ちます。Amazon Rekognition を実装してから、運用チームが手動でレビューするコンテンツの量が 95% 削減できた一方、エンジニアリングリソースが解放され、コアビジネスに集中できるようになりました。最新の Rekognition コンテンツモデレーションモデルのアップデートを心待ちにしています。これにより、精度が向上し、モデレーション用の新しいクラスが追加されます」
Mobisocial、シニアアーキテクト、Zehong
SmugMug は、SmugMug と Flickr の 2 つの非常に大規模なオンライン写真プラットフォームを運営し、1 億人を超えるメンバーが数百億枚の写真を安全に保存、検索、共有、販売しています。Flickr は、フォトグラファーを中心とする世界最大のコミュニティであり、世界中のフォトグラファーがインスピレーションを見つけ、互いにつながり、情熱を世界と共有できるようにしています。
大規模でグローバルなプラットフォームであるため、望ましくないコンテンツはコミュニティの健全性にとって非常にリスクが高く、写真家から距離を置かれてしまう可能性があります。Amazon Rekognition のコンテンツモデレーション機能を使用して、不要なコンテンツを見つけて適切にフラグを付け、コミュニティに安全で快適なエクスペリエンスをもたらします。Flickr ほど規模が大きいと、Amazon Rekognition なしでこれを行うことはほぼ不可能です。現在、Amazon Rekognition によるコンテンツのモデレーションのおかげで、私たちのプラットフォームは、メンバーの期待により近い素晴らしい写真を自動的に発見し、ハイライトすることができます。これにより、インスピレーションを与え、つながり、共有するという私たちのミッションを実現できます」
共同創設者、CEO & Chief Geek、Don MacAskill
株式会社ZOZOは、ファッションEC「ZOZOTOWN」や、ファッションコーディネートアプリ「WEAR」など、ファッション好きに向けた各種サービスの企画・展開をおこなっています。
「WEAR にはユーザーから毎日多くの画像投稿があり、ユーザーの投稿した画像がサービスガイドラインを遵守出来ているか、一枚ずつ確認する必要がありました。そのため、自動で画像の検査を行うシステムを構築し、そのシステムにおいて Amazon Rekognition の Content Moderation API を利用して、Amazon S3 にあるお客さまの投稿画像を自動分析しています。Amazon Rekognition によって、WEAR で公開可能な画像を自動で認識することで、レビュー作業を最大 40% 削減しました。さらに、担当者が安全な画像かどうか判断できない場合に発生していたエスカレーションなどのコミュニケーションも削減できました。」
ZOZO, Inc.、ブランドソリューション開発部、エンジニア、Yu Shigetani
詳細については、Amazon Rekognition のお客様をご覧ください。
Amazon Rekognition の料金の詳細