4 分で読了
1 views

動画から再照明可能なニューラル人体表現

(Relighting4D: Neural Relightable Human from Videos)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る
\n

田中専務
\n

拓海先生、最近部下が『動画だけで人物の見た目を変えられる技術が来ます』と言っておりまして、正直ピンと来ないのですが、これは工場や販促に使える技術でしょうか。

\n

\n

\n

AIメンター拓海
\n

素晴らしい着眼点ですね!大丈夫、一緒に整理しますよ。端的に言うと、動画だけから『人の形と素材(色や光の反射の性質)』を分けて学び、別の光環境でその人を再描画できる技術ですよ。

\n

\n

\n

田中専務
\n

動画だけで、ですか。従来は光を一つずつ当てる特殊な装置が必要と聞いていますが、それが要らないということでしょうか。費用対効果が一番の関心事です。

\n

\n

\n

AIメンター拓海
\n

いい質問です。要点は3つで説明しますね。1) 特殊装置(OLAT: One-Light-At-a-Time)の代わりに一般動画から学べる、2) 視点を変えても再照明できる、3) 学習は自己教師ありで行える、という点です。これで初期投資を抑えられる可能性がありますよ。

\n

\n

\n

田中専務
\n

ちょっと待ってください。専門用語が入ると混乱するので、まずは仕組みの想像図をお願いします。結局、映像から何を分けるんですか。

\n

\n

\n

AIメンター拓海
\n

素晴らしい着眼点ですね!身近な比喩で言うと、映像は『被写体(人)+照明(その場の光)』が混ざった写真です。この技術は映像を『形(ジオメトリ)』『表面の性質(反射や色)』『影になる部分(オクルージョン)』『光の当たり方の法則(法線)』に分解します。それぞれを別々に扱えると、違う光で再描画できますよ。

\n

\n

\n

田中専務
\n

これって要するに、動画だけで人物の形と光の受け方を分けて、別の照明で見せ直せるということ?例えば販促写真の照明を後から変える、といった応用が可能という理解で合っていますか。

\n

\n

\n

AIメンター拓海
\n

その理解で正しいですよ。具体的には、学習した『ニューラルフィールド』という内部表現から、物理に基づいたレンダラー(Physically Based Rendering: PBR 物理に基づくレンダリング)で再照明します。言い換えれば、後から光の配置を変えても自然に描けるということです。

\n

\n

\n

田中専務
\n

導入のハードルはどこにありますか。現場の撮影方法、計算コスト、現実との違いが気になります。ROIを考えるとここが肝心です。

\n

\n

\n

AIメンター拓海
\n

良い視点です。要点を3つで整理します。1) 撮影は普通の動画で良いが、多視点や人が動く映像が望ましい、2) 計算は重いがクラウドに置けば運用コストは平準化できる、3) 完璧ではないが販促や仮想試着のような用途では十分実用的です。現場では段階的に試して、効果が出る用途から投資するのが合理的です。

\n

\n

\n

田中専務
\n

わかりました。最後に、私が部長会で一言で説明するとしたらどんなフレーズが良いでしょうか。専門用語を混ぜずに頼みます。

\n

\n

\n

AIメンター拓海
\n

いいですね、忙しい経営者向けの要約はこれです。「既存の動画から人物の見た目と照明を分離し、後から自然に光を当て直せる技術で、初期投資を抑えつつ販促や仮想試着に応用できる可能性があります」。これなら現場の判断材料になりますよ。

\n

\n

\n

田中専務
\n

承知しました。では私の言葉で整理します。動画で人の形と素材と影を分けて学び、後で別の光で自然に見せ直せる技術で、特に販促写真や試着サービスで初期投資を抑えつつ効果を試せる、という理解で間違いないです。

\n

\n

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
連続時間解析が変えた多目的最適化の見方
(Continuous-time Analysis for Variational Inequalities: An Overview and Desiderata)
次の記事
SMACS0723 背後のJWST画像におけるレンズ銀河の解読
(Unscrambling the lensed galaxies in JWST images behind SMACS 0723)
関連記事
説明可能な人工知能における信念投影の緩和:ベイジアン・ティーチングによるアプローチ
(Mitigating belief projection in explainable artificial intelligence via Bayesian Teaching)
U-DeepONetによる地中CO2貯留の演算子学習
(U-DeepONet for CO2 Sequestration)
Look Wider to Match Image Patches with Convolutional Neural Networks
(画像パッチの照合における広域参照を可能にする畳み込みニューラルネットワーク)
差分プライバシー対応言語モデル整合化の改善アルゴリズム
(Improved Algorithms for Differentially Private Language Model Alignment)
テスト時スケーリング則の再考
(Kinetics: Rethinking Test-Time Scaling Laws)
技術のハイプサイクルに対する研究による抵抗
(Research as Resistance: Recognizing and Reconsidering HCI’s Role in Technology Hype Cycles)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む