学習不要、すぐに使えるAI
フィジカルAI時代のための産業特化型VFMです。
ZERO 2.2 アップデート
テキストプロンプトによる検出精度が向上— 複雑な指示でも高精度な検出を実現
自然言語プロンプト理解が進化 — 複雑なプロンプトから対象を正確に検出
検出結果の信頼性をより明確に — 現場ニーズに合わせた精度調整が容易に
ZERO：産業現場のため世界初のVFM
CVPR 2026 物体検出チャレンジで1位を獲得
現場データを軸に磨いてきたビジョンAIのノウハウで、世界最高峰のコンピュータビジョンAI学会CVPR 2026のFew-Shot物体検出チャレンジで1位を獲得しました。
53.9mAP
2位 51.6・主催者ベースライン 33.3
5
7つの評価カテゴリー中5つで1位
1位
2025年の4位から1年で1位に
ビジョンAI導入のゲームチェンジャー、ZERO
従来のビジョンAI導入プロセス
1問題の定義
2データ収集
3データラベリング
4モデル学習
5デプロイ
ZEROならすぐに使える
1問題の定義
2デプロイ
フィジカルAI時代のための産業特化型VFMです。
従来の画像認識AIのように事前学習した対象だけを見るのではなく、自然言語のプロンプトから意図を理解し、「見て」「探して」「理解する」。変化の多い現場でも、柔軟かつ高精度なビジュアル認識を実現します。
| ZERO | 従来型AI | 従来型SI | |
|---|---|---|---|
| 新しい要件への即時対応 | 事前に学習した内容しか対応不可 | 開発期間：2～6ヶ月 | |
| 柔軟なビジネス拡張性 | 追加開発およびコストが発生 | ||
| 持続可能かつ効率的な運用 | 複数ベンダーの導入で運用負荷増 | 保守費用の発生 |
ZEROが見れば、すぐにわかります
テキストプロンプト
自然言語の説明だけで、目的の対象を正確に検出します。
画像プロンプト
画像のアップロードまたはボックス・ポイント指定で、直感的に対象を検出します。
これまでのAIとは違う、ZEROの真価
リアルタイム推論と圧倒的な性能
軽量モデルでは0.329 TFLOPs（640×640）の演算量でリアルタイム推論。自社の産業ベンチマークで、公開モデル比最高水準の検出精度です。
モデルラインアップを見る
直感的な入力方式
自然言語とビジュアルプロンプト（ボックスやポイント）を組み合わせて、より正確で直感的な対象物の指定が可能です。
自由度の高い自然言語プロンプト
「窓の横にある赤い椅子」のような自然言語だけで、あらかじめ定義されたクラスがなくても正確に対象を見つけられます。
継続的な性能向上の仕組み
自動化されたデータパイプラインにより、新しいドメインやシナリオに対する性能を継続的に改善します。
柔軟なデプロイ
クラウドにもオンプレミスにも対応可能です。GPU、NPU、エッジデバイスなど、さまざまなハードウェア環境で最適なパフォーマンスを発揮します。
スムーズなシステム連携
使用量ベースのAPIで簡単に連携。AWS MarketplaceからSageMakerエンドポイントとしてすぐにデプロイできます。
リアルタイム推論と圧倒的な性能
軽量モデルでは0.329 TFLOPs（640×640）の演算量でリアルタイム推論。自社の産業ベンチマークで、公開モデル比最高水準の検出精度です。
モデルラインアップを見る直感的な入力方式
自然言語とビジュアルプロンプト（ボックスやポイント）を組み合わせて、より正確で直感的な対象物の指定が可能です。
自由度の高い自然言語プロンプト
「窓の横にある赤い椅子」のような自然言語だけで、あらかじめ定義されたクラスがなくても正確に対象を見つけられます。
継続的な性能向上の仕組み
自動化されたデータパイプラインにより、新しいドメインやシナリオに対する性能を継続的に改善します。
柔軟なデプロイ
クラウドにもオンプレミスにも対応可能です。GPU、NPU、エッジデバイスなど、さまざまなハードウェア環境で最適なパフォーマンスを発揮します。
スムーズなシステム連携
使用量ベースのAPIで簡単に連携。AWS MarketplaceからSageMakerエンドポイントとしてすぐにデプロイできます。
サイズ・速度・用途を最適化。
用途に応じて選べる3つのZEROモデル
精度を重視する大規模環境から、エッジデバイス上のリアルタイム推論まで。3つのモデルサイズすべてで、テキスト・ビジュアルプロンプトによる柔軟な検出を実現します。
| モデル | モデルサイズ（デプロイパラメータ） | 推論時アクティブパラメータ | 推奨用途 |
|---|---|---|---|
| ZERO-Tiny | 440M | 65M | エッジ・リアルタイム処理 |
| ZERO-Base | 500M | 125M | 汎用 |
| ZERO-Large | 610M | 235M | 最高精度 |
軽量モデルZERO-Tinyは、640×640入力で0.329 TFLOPsの演算量によるリアルタイム推論を実行します。上位モデルの検出性能をほぼ維持しながら、現場の運用コストを抑えるよう開発されました。
リアルタイムモデルでも、検出精度は2倍以上
SPBEval Text-G / Visual-G AP・640×640基準
| モデル | アクティブパラメータ | 推論時演算量 | Text AP | Visual AP |
|---|---|---|---|---|
| ZERO-Tiny | 65.0M | 0.329 TFLOPs | 29.7 | 23.7 |
| YOLOE-26x | 69.9M | 0.197 TFLOPs | 14.2 | 15.4 |
同規模のリアルタイム検出モデルと比べ、2倍以上の検出精度。プロンプトキャッシングでリアルタイムの処理速度を維持します。
圧倒的性能、ZERO
産業用途に特化した自社ベンチマーク「SPBEval」により、ZEROの最新バージョンにおける性能と、継続的な改善の軌跡を可視化しています。
ZERO 2.2 vs 公開モデル
SPBEval Text AP・ZERO 2.2（Large）基準
- ZERO 2.231.3
- LLMDet20.6
- Grounding DINO17.9
- Qwen3-VL16.2
- YOLOe13.8
- OWLv212.9
- DINO-X12.8
SPBEval — Superb AI自社の産業ドメインベンチマーク・Visual APチャートも同一構成（ZERO 2.2 Visual-G 26.2 / Visual-I 56.3）
継続的な改善で進化するZERO
SPBEval Text AP・バージョン別推移
ご不明な点がございますか？
よくあるご質問をご覧ください。
ZEROの主な性能面の強みは何ですか？
• 精度 — 自社産業ベンチマーク（SPBEval）で公開モデル比最高水準の検出精度（ZERO 2.2 Text AP 31.3、次点20.6）
• 演算効率 — 軽量モデルは推論時アクティブパラメータ65M・0.329 TFLOPs（640×640）でリアルタイム処理
• 拡張性 — Tiny / Base / Largeの3サイズ、エッジから高精度検査まで同じ使い方
AWS経由で導入できますか？
はい。ZERO 2.2はAWS Marketplaceでいますぐご利用いただけます。Amazon SageMakerエンドポイントとしてデプロイし、APIで呼び出せます。すでにAWSをご利用中であれば、別途契約手続きなしに既存のAWSアカウントで導入できます。
ZEROと従来のAIの最大の違いは何ですか？
ZEROは、テキスト、ボックス、スケッチなどの簡単なプロンプトだけで、対象物や状況を即座に検出・分析できる、Superb AIの革新的なビジョンファウンデーションモデル（VFM）です。従来のビジョンAIが必要としていたデータ収集、ラベリング、モデル学習、デプロイといった複雑なプロセスを省略し、AI導入にかかる時間・コスト・専門性のハードルを大幅に下げた点が、最大の違いです。
ZEROを使うにはAIの専門知識やデータラベリング作業が必要ですか？
いいえ、必要ありません。VFM ZEROは、AIの専門知識がない方でも使いやすいように設計されています。直感的なプロンプト入力を採用しているため、複雑なコーディングや大規模なデータラベリング作業なしで、すぐに使い始めることができます。
ZEROはどのような対象や状況を検出できますか？ 学習していない新しい対象にも対応できますか？
ZEROは、あらかじめ定義されたカテゴリに縛られることなく、ユーザーがプロンプトで説明するほぼすべての対象・行動・状況を検出できます。特に、モデルが事前に学習していない対象やシナリオであっても、ユーザーの自然言語による説明だけで識別・検出できる、高度なゼロショット(Zero-Shot)機能を備えています。
ZEROを実際の業務に導入するまでにどれくらい時間がかかりますか？ 既存の映像機器との互換性はありますか?
ZEROの大きな強みの一つは「即時導入が可能」であることです。追加のモデル学習が不要なため、システム連携やプロンプト設定などの準備が整えば、すぐに実務での活用を開始できます。また、ZEROを搭載したSuperb AIの映像解析ソリューションを導入すれば、標準プロトコルに対応した既存のCCTV、IPカメラ、ドローンなど、さまざまな映像機器と柔軟に連携可能です。