像を観照し、
空気感を保ち、
根拠を束ね、
世界を立ち上げる。
ビジュアルRAG Visual Retrieval-Augmented Generation
テキストのプロンプトをどれほど精緻に重ねても、ブランド固有の色彩の深み、人物の佇まい、余白の息遣い、手仕事の空気感をAIに完璧に伝えることはできません。 Kamosの「ビジュアルRAG」は、厳選されたブランドキット画像やスケッチ、トーン＆マナーの参照画像を直接AI（Gemini Vision）の「視覚的根拠（Visual Grounding）」として同時注入する手法です。言葉による解釈ブレを排し、確立された世界観と美意識を崩すことなく、新たなグラフィックやUI、出版物をブレなく自律具現化します。
視覚的グラウンディングの3つの跳躍
テキストだけの検索拡張（RAG）を超え、視覚DNAそのものをモデルの推論空間へダイレクトに接続する3つの跳躍（Leaps）です。
視覚的DNAの体系化と意味タグ
Visual DNA Curation & Semantic Tags単なる画像の寄せ集めではなく、ブランドの根幹を成す美意識を構造化して管理します。
公式キャラクターの世界観（Character Vibe）、ブランド固有のHSL色彩パレット、描画技法や紙の質感、シーン＆コンポジション（余白と陰影の呼吸）などを「ブランドキット（Brand Kit）」として体系化。各アセットに詳細なコンテキスト意味論（意味タグ）を付与して蓄積し、瞬時に検索・引き出し可能なナレッジベースを構築します。
プロンプトとタグの意味ベクトル照合
Prompt-to-Tag Vector Retrievalユーザーが入力したプロンプト（文脈・目的・世界観）を高次元ベクトル空間へ埋め込み（Embedding）、ストックされた画像群の意味タグ・コンテキストベクトルとコサイン類似度で照合します。
膨大なアセット群の中から、「今回の生成意図を最も忠実に再現するために参照すべき最適な画像セット（1〜10枚）」をAIエージェントがミリ秒単位で自律的に引き当て（Retrieval）ます。人間がいちいち画像ファイルを手動で探して選定する手間を完全になくします。
複数画像を参照したトーンの維持
Multi-Image Anchoring & Synthesis選定された複数枚の参照画像を、テキストの指示（プロンプト）と一緒にAIモデルへ渡します。
指示内容に参照画像の特徴（キャラクターの表情、色合い、技法や質感）がしっかりと反映されるため、AI特有の「生成するたびに顔やトーンが変わってしまう」ブレを大幅に抑え、ブランドの世界観を保った新しい構図を生み出します。
ビジュアルRAGのマルチモーダル接地構造
意味タグのベクトル照合からマルチ画像の同時アンカリングまで、トーンの崩れない表現を生み出すパイプラインです。
プロンプトとタグの意味ベクトル照合
プロンプト埋め込み × タグ高次元ベクトル ➔ コサイン類似度による最適参照画像の自律選定
複数画像を参照したトーンの維持
選定された複数の参照画像をプロンプトと一緒に投入。キャラクターや世界観を崩さず、トーンを保った新しい構図を描き出します。