LIFULL Creators Blog

LIFULL Creators Blogとは、株式会社LIFULLの社員が記事を共有するブログです。自分の役立つ経験や知識を広めることで世界をもっとFULLにしていきます。

Ltech#18 AIで住まい探しをスムーズに!【おとり物件予測&3D間取り】開催レポート

こんにちは。Ltech運営チームの河西です。今回は、2021年7月13日(火)に開催した「Ltech#18 AIで住まい探しをスムーズに!【おとり物件予測&3D間取り】」についてレポートします。

lifull.connpass.com

Ltechとは

Ltech(エルテック)とは、LIFULLがお送りする、技術欲をFULLにするイベントです。特定の技術に偏らず、様々な技術の話を展開していく予定です。

AIで住まい探しをスムーズに

Ltech#18のテーマは、住まい探しをより便利にするためのAIを使った取り組みです。LIFULLでは2018年よりAI戦略室を立ち上げ、「創造と革進で喜びを届ける」をビジョンに掲げ、様々な取り組みを行ってきました。今回はその中でも

  • 物件間取り図の3D化
  • おとり広告予測モデルの開発

といった内容の取り組みを語ってもらいました!

それではさっそく発表レポートに行きたいと思います。

3D間取りを支える技術

最初は3D間取りを支える技術の発表です。

www.slideshare.net

3D間取り図とは、LIFULL HOME'Sにおける2次元の間取り図をディープラーニング技術の活用により、画像認識・ポリゴン化して3Dモデルとして可視化し、より実際の物件に近い形で見ることができるサービスです。 これにより、従来1件あたり数万円の作成コストがかかっていた3Dモデルを安価・大量に生成ができるようになるようになりました。

※3D間取りはこちらから実際に体験できます! https://www.homes.co.jp/3dmadori

次にそんな3D間取り図サービスを支えている技術を見ていきます。

f:id:LIFULL-202104042:20210714091730j:plain 3D間取りを支える技術は非常に広範囲に渡っています。特に、LIFULLでの全社アプリケーション実行基盤である「KEEL」を活用することにより、AIに特化したエンジニアでもシステム構築の負荷が軽減され、サービスの早期リリースが実現できたとのことです!

※KEELは過去CreatorsBlogでも紹介しています。 www.lifull.blog

次に間取り図画像の認識や、工夫しているポイントについてです。

f:id:LIFULL-202104042:20210714092026j:plain 間取り画像の認識については、3つの層に分け出力を行い、3Dモデル化しているそうです。3Dモデルとして可視化する際にも工夫している点として、

  • 3Dモデル内の移動を簡単にするために、ポリゴン化したデータに移動点を作成して、移動データを付与
  • 2次元間取り図内に浴室やトイレといったアイコンがない場合でも、独自のルールで設置し、可視化

などといった点についても話してもらいました。

最後に今後の展望については360度カメラを使ったフォトグラメトリの活用・家具配置シュミレートなども実現していきたいと語ってもらいました。

3D間取り図の開発には2~3年を要し、データの収集に苦労したり、機械学習モデルを何度も変更したりと、このような素晴らしいサービス誕生の裏には絶え間ない努力があるのだと感じました!

LIFULL HOME'Sのおとり広告予測モデルの開発

続いておとり広告予測モデルの開発の発表です。

www.slideshare.net

おとり広告とは、LIFULL HOME'S上で「成約済み物件の広告の消し忘れ」や「呼び込みのための架空物件の広告」など実際には契約ができない物件広告が存在している状態です。おとり広告があることにより、ユーザーは安心して住まい探しができないといった問題があります。LIFULL HOME'Sでは、

  • 専属の情報審査チームによる能動調査
  • 不動産管理会社とデータ連携
  • 掲載110番

といった形でおとり広告をなくす取り組みを行っていますが、今回は「専属の情報審査チームによる能動調査」にAIを取り込み、募集終了物件の特徴を学習させて、募集終了確率を予測するAIを開発しました。

次に実際の能動調査の流れやAI学習から調査対象予測までの流れを見ていきます。

f:id:LIFULL-202104042:20210714093436j:plain 従来の専属の情報審査チームによる能動調査では審査チームが一定のルールに基づいて、調査対象物件リストを調査しています。そのため

  • ルールでは選定できない物件がある
  • ルールの複雑化への対応が難解

などの問題がありました。

f:id:LIFULL-202104042:20210714095036j:plain AIを用いた機械学習フローの導入では、一定ルールに基づいた物件リストデータを用いますが、今度はAI学習用データに偏りが生じ、結果的に募集終了確率の精度が悪化してしまう問題が発生しました。そこで、精度を向上させるために、一定ルールではなく、無作為にデータを抽出することで、偏りをなくし、学習モデルの精度を向上させる取り組みを行ったそうです。

また、このようなモデル開発を効率的に行うための工夫として、BigQueryを用いたデータ加工、AutoML Tablesでの学習自動化、一連の流れをAirflowでスケジューリングし、機械学習フローを全自動化する効率化も合わせて行ったとのことでした!

最後に、おとり物件をゼロにすることが最終的な目標と語ってもらい、ユーザーがより安心して住まい探しができる未来の実現に向けて、素晴らしい取り組みだと感じました!

まとめ

今回はAIを用いて住まい探しをよりスムーズにするための取り組みをお二方に発表してもらいました。今回発表されたもの以外にもAI戦略室では様々な施策を計画中とのことで、今後どのようなサービスが出てくるのか非常に楽しみです!

最後に

Ltechでは、LIFULLエンジニアが中心となって皆様の技術欲を満たすよう実例を交えた勉強会を開催しています。今後も Ltech を積極的に開催していきますので、ぜひ気になった方は、connpass で LIFULL のメンバー登録をよろしくお願いします!

lifull.connpass.com