グローバルな動画のためのブランド セーフティの構築: PYLER の文脈を考慮した AI プラットフォーム

PYLER は、広告主の広告が有害な動画と共に表示されることを確実に防ぎ、ブランド イメージを保護します。その代わり、文脈に即した関連性の高い場所に広告を配置することで、ブランド価値とマーケティング効果を高めます。このソリューションは、市場が求める中立的で説明可能な検証レイヤーを提供します。

PYLER は、動画の理解とブランドの信頼が交わる領域で機能し、動画の文脈の意味的な単位である「セマンティック プリミティブ」を定義して、それらを時間軸を考慮した豊かなセマンティック空間として整理します。これらの空間をブランド セーフティおよび適合性ポリシーに照らして構成および評価することで、PYLER は YouTube から新興の CTV インベントリに至るまで、プラットフォームやフォーマットを問わず機能する透明性の高い信頼レイヤーを企業に提供します。

Samsung、LG、Kenvue などの大手ブランドは、数十億回のインプレッションに及ぶ動画環境の検証に PYLER を活用しており、PYLER はすでに韓国の大手企業 20 社および「フォーチュン500」企業 10 社にサービスを提供しています。この規模を支えるために、PYLER の Antares モデルは、1 日に約 100 GB の動画、200 万件の動画、累計で 7 億件の動画を処理します。これは、毎日 60 年分以上のコンテンツに相当します。

NVIDIA のプラットフォームを採用する以前の PYLER の主な課題は、技術的な規模と複雑さでした。動画データは大容量で、マルチモーダルであり、極めて情報密度が高いため、既存の断片化されたパイプラインでは対応しきれませんでした。ヒューマン イン ザ ループによるサンプリング、機能に特化したモデル、ルールベースの検証は、高い遅延とコストを生み出し、スループットを制限し、新しいポリシーやユース ケースの反復開発を遅らせました。

PYLER は、本番環境でのデプロイのために動画あたりのコストを十分に抑えながら、膨大なビデオ ストリームをほぼリアルタイムで埋め込み、検索、ラベル付けできるインフラを必要としていました。NVIDIA Blackwell アーキテクチャ、CUDA、AI フレームワークを基盤とする NVIDIA DGX システムを含む NVIDIA のアクセラレーテッド コンピューティング スタックは、大規模なマルチモーダル推論と検索に必要なスループットと遅延を実現する唯一の実行可能な選択肢として浮上しました。

PYLER は、動画の各瞬間に固有のデジタル フィンガープリントを割り当てる動画ベクトル埋め込みパイプラインを実装し、マルチモーダル入力 (映像、音声、テキスト、メタデータ) の一元化した表現に統合しました。これらの埋め込みデータは、pgvector を用いた PostgreSQL ベースのベクトル データベースに格納され、高スループットなサービス提供のために SingleStore で補完されています。これにより数百万もの動画にわたる高速な類似性検索と文脈のマッチングが可能になります。

Blackwell アーキテクチャと高帯域幅の NVIDIA NVLink 相互接続を備えた NVIDIA DGX システムは、この高性能なトレーニングおよび推論パイプラインに基盤となる処理能力を提供します。NVIDIA Mission Control を活用して複雑なトレーニング ワークロードをオーケストレーションし、NVIDIA NeMo Curator を活用してデータ キュレーションとフィルタリングを自動化することで、PYLER は、従来の社内パイプラインと比較して、動画の前処理スループットを 4 倍に向上させました。このハードウェアとソフトウェアの相乗効果により、PYLER は膨大なデータセット全体にわたる動画分析と検索を、かつてない効率で処理できるようになりました。

DGX B200 への移行も、PYLER の開発速度を根本的に変えました。向上した演算密度を活かして、ハイパーパラメーター検索機能を 5 倍に高めることで、チームはモデル トレーニングの反復サイクルを 3 か月から、わずか 1 か月に短縮することができました。さらに、Blackwell ベースのシステムへの移行により、マルチモーダル モデルのトレーニング速度が前世代と比較して 3 倍に向上し、PYLER のモデルをこれまで以上に迅速に開発およびデプロイできるようになりました。

VSS (ビデオ検索と要約) 向けの NVIDIA Blueprint を拡張し、NVIDIA NV-Embed を活用して埋め込み生成を高速化することで、このシステムは膨大な動画データセット全体にわたる動画分析と検索を効率的に処理します。PYLER のモデルは、「車」を認識するだけでなく、「雨が降る中を運転していてイライラしている人」がいるという状況を理解するため、これまでは大量処理では不可能だった、文脈に基づいた正確な配置と安全監査が可能になります。

PYLER の技術的な強みは、表現レベルで動作するベクトルベースの時間を考慮した文脈の推論にあり、これにより、ポリシーや安全性の定義を完全な再トレーニングを行うことなく迅速に更新できます。このアーキテクチャは、ブランド セーフティとコンテンツの適切性の両面で、顧客に明確で定量化可能な成果をもたらしました。

Nongshim (農心) の KPOP Demon Hunters (HUNTRIX) キャンペーンで、PYLER の AiD Brand Safety ソリューションは、ブランド セーフティに反するコンテンツに費やされる予算の割合をベンチマーク値の 19.3% から、わずか 1 か月以内に 4.67% にまで削減し、その期間中に 200 万件以上の動画において不適切な掲載箇所を検証しました。Kenvue の Tylenol (タイレノール) キャンペーンでは、PYLER の AiM Brand Suitability ソリューションが、人間のレビュー担当者による約 30 秒の平均検証時間 (外部業界ベンチマークに基づく) が 0.011 秒へと短縮され、ブランド マネージャーは非常にきめ細やかな動画レベルのメディア戦略を実行できるようになったほか、審査コストを 99.963% 以上削減しました。