Afsluitend projectdossier · 31 juli — 1 augustus 2026
Van zichtbaar verschil
naar controleerbaar bewijs
REVYR begon met één vraag: kan een systeem zonder vooraf te weten waar de schade zit een uitgiftefoto en retourfoto vergelijken en de twee zichtbare afwijkingen terugvinden?
Het antwoord voor deze vaste case is ja. De actuele suite scheidt dertig pixel- en registratietests van tien echte GPT-5.6-verificatieruns. Alle veertig voldoen aan vooraf vastgelegde pass-regels; eerdere mislukte pogingen zijn niet verwijderd.
MODELVOORSTELLEN · ONAFHANKELIJK GECONTROLEERDDe exacte conclusie
Vier keer 10/10
binnen deze vaste suite
Dit bewijst dat het lokale model op tien schadevarianten de vervorming en kras lokaliseert, tien nulvarianten schoon houdt, tien registraties doorstaat en dat GPT-5.6 de twee labelvrije voorstellen tien keer bevestigt.
Wel bewezen
Bekijk het bewijsarchief →
40 van 40 geslaagde evaluaties: schade, nulcontrole, registratie en onafhankelijke voorstelverificatie op één vaste case.
Niet bewezenGeen algemene nauwkeurigheid van 100% voor ieder voertuig, iedere camera, ieder lichttype of onzichtbare schade.
Projectvenster
Van beeldpaar
tot bevroren suite
Het eerste REVYR-bronbeeld werd vastgelegd op 31 juli 2026. Op 1 augustus werd het eerdere 60/60-archief uitgebreid met aantoonbaar verschillende testbeelden, registratievarianten en een echte GPT-5.6-controlelaag. Dit is een ontwikkeltijdlijn, geen productvalidatie.
- 15:1601 · De moeilijke beeldcase
Dezelfde Volkswagen stond op twee verschillende plaatsen, met een andere uitsnede, perspectief, achtergrond en reflectie. Eén foto was de uitgifte; de andere bevatte zichtbare schade.
- 15:2102 · Concept en interface
Naam, merkbeeld, donkere inspectiestijl, interactieve vergelijker en dossierweergave maakten van de technische proef een begrijpelijk SaaS-concept.
- Avond03 · Registratie over 144 ankers
De beelden werden geometrisch gekoppeld en op voertuigkenmerken uitgelijnd. Daardoor kwam hetzelfde carrosseriedeel onder dezelfde vergelijkingspositie te liggen.
- Avond04 · De gemiste kras
De eerste route vond de vervorming, maar de dunne kras ging verloren tussen reflectie en paneelstructuur. Dat werd het centrale falsificatiepunt van de proef.
- Nacht05 · Meerdere controlesporen
Lokaal contrast, dunne-lijnrespons, randresidu, kleurresidu en hotspotvergelijking maakten duidelijk dat één opvallend kleurvlak nog geen schadebewijs is.
- 00:4506 · Voertuigspecifiek model
Een CarDD-gebaseerd YOLOv8-segmentatiemodel werd naar ONNX geëxporteerd en als lokaal browsermodel gekoppeld. Het model beoordeelt de pixels zonder vooraf ingevulde schadecoördinaten.
- 01:4407 · Presentatie en coördinaten
De schaal tussen modelruimte, natuurlijke beeldgrootte en zichtbare interface werd gelijkgetrokken. Kaders, detailuitsneden, selectiegedrag en scananimatie werden op dezelfde broncoördinaten gebaseerd.
- 04:5708 · Bewijs bevroren
De vaste regressiesuite behaalde twee keer 30/30. De herhaalrunner werd daarna uit de publieke pagina gehaald en vervangen door een controleerbaar archief.
- 12:2109 · Suite opnieuw gefalsificeerd
Dertig unieke invoeren en een vooraf bevroren evaluator brachten eerst een 7/10-fout aan het licht. Na een klassebrede drempelcorrectie haalden schade, nulcontrole en registratie elk 10/10; de live GPT-verifier kreeg een eigen tienrunspoort.
Onder de motorkap
Geen magische blik.
Een controleketen
De werkende proef is geen enkel kleurfilter en geen taalmodel dat zelfstandig een schadeclaim verzint. Het is een reeks afgebakende beeldstappen: een lokaal model stelt voor, GPT-5.6 controleert en een medewerker beslist.
Capture gate
Hoek, scherpte, dekking en licht bepalen of vergelijken zinvol is.
Registratie
Voertuigankers brengen dezelfde panelen in dezelfde vergelijkingsruimte.
ONNX-detectie
Het lokale CarDD-model voorspelt schadevorm, klasse, score en kader.
Referentievergelijking
Alleen nieuwe retourdetecties die niet in de uitgifte voorkomen gaan door.
Kalibratie
Klassebrede drempels en kaderregels onderdrukken ruis zonder casecoördinaten.
GPT-5.6-verificatie
Afzonderlijke visionpassages beoordelen ieder voorstel; minimaal twee bevestigingen zijn nodig.
Menselijke beslissing
REVYR markeert, verklaart en vraagt zo nodig een gerichte detailfoto.
Wat exact is getest
Vier poorten.
Één vaste case
De dertig lokale invoeren verschillen aantoonbaar in pixels en hash. De tien GPT-runs meten de stabiliteit van onafhankelijke voorstelverificatie. Het zijn nadrukkelijk geen veertig voertuigen en geen claim over vlootbrede nauwkeurigheid.
Twee juiste meldingen
Per invoer precies één vervorming en één kras, nul extra meldingen en minimaal 0,50 kaderoverlap met de pas na inferentie geopende evaluatiezones.
Geen verzonnen verschil
Tien fotometrisch verschillende referentievarianten leveren exact nul nieuwe schade op.
Geometrie binnen grens
Tien perspectief-, rotatie- en translatievarianten halen de vooraf vastgelegde match-, inlier- en foutdrempels.
Twee voorstellen bevestigd
Iedere live run bevestigt exact M001 en M002 met minimaal 60% confidence en minimaal twee afzonderlijke GPT-5.6-passages.
Lokale suite30/30 · ruwe inferentie vóór evaluator geladen
AI-verifier10/10 · publieke endpoint, volledig per-run JSON-log
Integriteitsaudit
Hoe beïnvloeding
is uitgesloten
De audit keek niet alleen naar de uitslag, maar naar het actieve pad dat die uitslag produceert: van modelbestand en pixels tot evaluatievolgorde en netwerkverkeer.
Actieve inferentieONNX lokaal, daarna GPT-5.6 visionverificatieVoorstel en controle zijn gescheiden
ModelinvoerReferentie- en retourpixelsGeen labels, typen of schadecoördinaten
EvaluatieEvaluator pas na opgeslagen ruwe uitvoer geladenNiet aan ONNX of GPT meegegeven
KalibratieKlassebrede scores en kadercorrectiesGeen foto-specifieke coördinaten
ModelherkomstCheckpoint van 16 mei; REVYR-beeld van 31 juliExact-case-lekkage onwaarschijnlijk, dataset-lineage blijft pilotwerk
BestandsintegriteitSHA-256 voor model, controllers, beelden en logsWijzigingen zijn controleerbaar
Kosten per live runLokale inferentie plus meerdere GPT-5.6-verifierpassagesPublieke proef heeft een veiligheidslimiet
Wat we hebben geleerd
De foto is onderdeel
van het model
De grootste stap vooruit kwam niet van één extra kleurlaag, maar van de combinatie van betere registratie, voertuigspecifieke detectie, eerlijke nulcontroles en een interface die exact dezelfde coördinaten gebruikt als de analyse.
Een verschilkaart is een kandidatenkaart
Reflectie, regen, schaduw en achtergrondwissels produceren ook hotspots. Een kleurresidu wijst aan waar je moet kijken, maar bewijst niet zelfstandig dat er schade is.
Dunne krassen vragen eigen signalen
Een lijn kan een brede reflectieband kruisen. Lokale contrastverbetering, top-hat/black-hat-respons en randresidu zijn nuttige controlelagen naast de schadedetector.
Uitlijning voorkomt schijnschade
Een paar pixels perspectiefverschil kan een paneelrand veranderen in een vals alarmsignaal. Registratie en paneelmatching horen vóór de schadebeslissing.
Een 10/10-poort moet vooraf vaststaan
Het passcriterium is niet achteraf aangepast: twee juiste typen, voldoende kaderoverlap, geen extra melding en schone nulcontroles.
Modelscore is geen zakelijke beslissing
De eerste controlelaag mag sturen en prioriteren; claim, aansprakelijkheid en herstelbedrag blijven menselijk en polisgestuurd totdat veldvalidatie dat anders rechtvaardigt.
Bewijs heeft een bereik
40/40 is overtuigend voor deze suite. De volgende geloofwaardige stap is geen honderden varianten van dezelfde auto, maar een grotere geblindeerde set met andere voertuigen, hoeken en omstandigheden.
Van POC naar product
Wat REVYR hierna
kan toevoegen
De vaste beeldcase heeft de technische kern aangetoond. Productbetrouwbaarheid ontstaat daarna uit bredere data, gecontroleerde opname, extra sensoren en een auditeerbare koppeling met de verhuurworkflow.
Een echte vlootproef
Geblindeerde voertuigparen over modellen, kleuren, weersituaties en schadegroottes. Meet recall per schadesoort, fout-positieven per voertuig en lokalisatie-IoU.
Camera- en tabletbegeleiding
Live hoekoverlay, scherptescore, lichtwaarschuwing, volledige dekking, authenticiteitscheck en automatische koppeling aan huurcontract, kenteken en vestiging.
Detector plus anomaliezoeker
Combineer voertuigschadeklassen met SAM 2-pixelmaskers, DINOv2-paneelfeatures en PatchCore/anomalib voor afwijkingen buiten bekende klassen.
Gecontroleerde fotoruimte
Vaste cameraposities, diffuus licht, strijklicht en kruislings gepolariseerde opnamen verminderen reflectieruis en maken dezelfde opname reproduceerbaar.
Diepte, licht en deflectometrie
Photometric stereo, geprojecteerde lijnen, structured light of ToF kunnen deukreliëf en oppervlaktekromming meten waar één RGB-foto ambigu blijft.
Dossier, polis en herstel
API’s voor verhuursoftware, schadetaxatie, inspectieopdrachten, herstelpartners, polisregels en een ondertekend auditlog per voertuigoverdracht.
Infrarood en thermografie kunnen aanvullend zijn voor materiaal-, vocht- of temperatuurafwijkingen, maar zijn niet vanzelf een betere krasdetector. Iedere sensor krijgt pas productstatus na een eigen geblindeerde benchmark.
Technische bronnen
Gebouwd op
controleerbare patronen
De huidige POC en de uitbreidingsroute sluiten aan op openbare onderzoeks- en productbronnen. Licenties, dataset-lineage en voertuigspecifieke validatie blijven expliciete productvereisten.
CarDD4.000 beelden, ruim 9.000 schade-instanties en zes schadecategorieën↗
ONNX Runtime WebLokale modelinferentie in JavaScript via browserruntimes↗
SAM 2Promptbare segmentatie voor nauwkeurige pixelsneden en video↗
PatchCoreIndustriële anomaliedetectie voor onbekende afwijkingen↗
ProovStationVaste camera’s, gecontroleerd licht en geprojecteerde-lijninspectie↗
PolarisatieMateriaalinformatie die robuuster kan zijn bij wisselende beeldcondities↗
Photometric stereoOppervlakte- en normaalreconstructie uit meerdere lichtcondities↗