最初のサイクルは、ファインダー本体をエンドツーエンドで作ることでした。一人ぶんの参照写真を数枚使ってenrollを実行すると、各写真で最大の顔を検出し、そのArcFaceエンベディングを平均してプロファイルにします。次にscanが、アルバムでもフォルダでも、保育園のzipファイルを届いたままでも受け取り、すべての写真のすべての顔を見つけ、プロファイルとのコサイン類似度でスコアを付けます。十分に近いものはkeep、際どいものはmaybe、残りはnoへ。サムネイルと、何をどのスコアで判断したかを記録したmanifest.jsonを書き出すので、ブラックボックスを信じる代わりに、その判断の根拠を見られます。
デフォルトは見た目以上に効いてきます。しきい値を高くしすぎると、フレームの端で半分振り向いている希穏のスナップを取りこぼし、低くしすぎると、またよその子たちをスクロールする羽目になります。そこでcalibrateを足しました。yesとnoのラベルを付けた小さなセットを歩き、本物の一致をすべて捕まえつつ、誤検出を扱える範囲に保てる、いちばん高いしきい値を提案します。数値は表示しますが、自分では適用しません。娘の本物の写真を取りこぼすかどうかの判断は、自分の手にあるべきだからです。写真はHEICで届くので、HEIC対応は譲れず、これも入れました。その日の終わりには、ひと月ぶんのアルバムを渡すと、ほとんど希穏だけのフォルダを返してくれるようになっていました。