Volkswagen が AWS とブランド準拠のマーケ画像生成パイプラインを構築──撮影コストを圧縮

撮影に「数ヶ月・6桁コスト」を要した課題

自動車のマーケティングビジュアルは、ブランドの世界観を体現する中核アセットだ。だが新しいモデル1車種の画像を揃えるには、ロケーション選定、車両輸送、撮影スタッフの手配が伴い、数ヶ月の制作期間と6桁規模のコストを要してきた。さらに地域ごと・キャンペーンごとに角度や環境、照明を変えたバリエーションが必要になると、その負荷は積み上がる。

Volkswagen Group はこの構造的なコストとリードタイムに対し、AWS Generative AI Innovation Center と協働し、生成 AI によるマーケ画像の制作プロセスを再設計した。狙いは単なる画像生成の自動化ではなく、ブランド精度を保ったまま大量のバリエーションを短時間で生み出すことにある。

生成と評価を分けたエンドツーエンドのパイプライン

構築されたのは、画像の生成から品質評価までを一気通貫で扱うエンドツーエンドのパイプラインだ。生成のレイヤーには Amazon SageMaker AI を用い、ファウンデーションモデルをベースに車両ビジュアルを出力する。評価のレイヤーには Amazon Bedrock を用い、生成された画像がブランド基準を満たしているかを自動で判定する。

この「生成」と「評価」を別レイヤーとして明確に分離した設計が、本パイプラインの肝である。生成 AI は確率的に多様な出力を返すため、ブランドガイドラインに照らした合否判定を自動化しなければ、人手によるレビューがボトルネックになり、せっかくの量産メリットが失われてしまう。

パイプラインが扱う出力は、1車種あたり以下のような軸でのバリエーションに及ぶ。

• 車両を見る角度(アングル)の変化
• 背景となる環境・ロケーションの差し替え
• 照明条件(時間帯・光源)の調整
• 地域ごとの嗜好や規制に合わせたローカライズ

従来は1モデルの撮影に数ヶ月と6桁コストを要していたところを、こうした数百のバリエーションを生成ベースで効率化する。

自社ビジュアルでのファインチューニングがブランド精度を担保

汎用のファウンデーションモデルをそのまま使うだけでは、Volkswagen の車種固有のディテールやブランドの質感は再現しきれない。そこで Volkswagen は独自のビジュアルアセットを用いてファウンデーションモデルをファインチューニングし、ブランドに準拠した出力を引き出している。

学習手法には DreamBooth を採用し、特定の車種を少数の参照画像から忠実に学習させる。加えて、NVIDIA Omniverse 上のデジタルツインから生成した学習データを組み合わせることで、現実の撮影では網羅しきれない角度・環境・照明の組み合わせをデータとして補完している。実車を物理的に動かさずとも、多様な条件下のビジュアルを学習データとして用意できる点が、この組み合わせの強みだ。