1. おちつきAI 短編集〜生成AIのポイントを短く解説〜
  2. 写真の外側をAIはどう作る?世..
写真の外側をAIはどう作る?世界モデルと学習データ拡張の仕組み
2026-11-18 12:15

写真の外側をAIはどう作る?世界モデルと学習データ拡張の仕組み

おたよりを送る

【短編集】この動画は、ポッドキャスト「おちつきAIラジオ」ep.102 の本編から1つのテーマを取り出し、短くお届けする公式動画です。
▼本編はこちら(Spotify)
open.spotify.com/episode/7Cpob7ziRyy1e1om3ad11U

▼本編はこちら(Apple Podcasts)
podcasts.apple.com/jp/podcast/id1841316430?i=1000788413645

この切り抜きは世界モデルとデータ拡張を軸に話している。世界モデルとはから始まり、反転できない例まで進む。具体例と二人のやり取りを通じて、結論だけでなく判断の留保も示す。視聴者は、仕組みと使いどころを順に確認できる。

※発言は本編公開時点のものです。

▼目次
世界モデルとは
写真から別視点へ
使えるのはまだ先
映像と空間の用途
自動運転データ
想像で補う精度
反転できない例

【番組公式Webサイト】※お便りはこちら
ochitsuki-ai.com/

【番組公式ハッシュタグ】
#おちつきAI

【番組公式X】
x.com/ochitsuki_AI

【パーソナリティ(MC)】
▼しぶちょー
・AIエンジニア
・技術士(機械部門)
x.com/sibucho_labo

▼かねりん(金田勇太)
・KANERIN Podcast Studios 代表
・一般社団法人 地方WEB3連携協会 理事
x.com/kanerinx

【制作】
番組演出(トーク・BGM・効果音):Aviv Haruta
プロデューサー:金田勇太(かねりん)
制作:KANERIN Podcast Studios
著作:株式会社KANERIN
kanerin.co.jp

感想

まだ感想はありません。最初の1件を書きましょう!

サマリー

世界モデルは、画像生成ではなく、空間の形や別視点、時間経過、物理現象を推定してワールドを作るモデルとして説明される。World Labsの「アトラス」は、写真から3D空間を復元したり、映像・ゲーム・ロボットシミュレーションに使ったりできるが、当時は一部パートナー向けの先行提供段階だった。自動運転では、晴れの映像を雨天に変えたり、車種や視点を置き換えたりして、現実だけでは集めにくい学習データを増やせる。こうしたデータ拡張は、画像の反転や色変更にも使われる一方、数字や記号、方向など意味が変わる対象には適用できない。

世界モデルとWorld Labsのアトラス
スピーカー 1
【音楽】
KANERIN かなぁって思うね。
スピーカー 2
しぶちょー うーん。
スピーカー 1
KANERIN っていうことで、その関連の次のニュースがございますね。
【音楽】
スピーカー 1
KANERIN 世界モデル、アストラが話題と。ちょっとややこしいんだけど、すごいややこしい。
スピーカー 2
しぶちょー アトラス?
KANERIN あ、そう、アトラス、ごめん、アトラス。
スピーカー 2
しぶちょー ややこしすぎて言いました。
スピーカー 1
KANERIN ややこしすぎて間違えました。ややこしい、この逆だよなって思ったら。ややこしいがややこしくなって。
KANERIN 間違えました。はい、すみません。アトラス。
スピーカー 2
しぶちょー アトラス?
スピーカー 1
KANERIN アトラスが話題です。
KANERIN アトラスというモデルがすごく話題になっておりますと。
スピーカー 2
しぶちょー GPTのアストラじゃなくて。
スピーカー 1
KANERIN GPTのアストラじゃないし、オープンAIの前出してたブラウザーのアトラスでもないと。
スピーカー 2
しぶちょー そんなブラウザーあったっけ?
KANERIN あったよ。そう、AIブラウザーアトラス。
スピーカー 2
しぶちょー アトラスね。
スピーカー 1
KANERIN もう最終になりましたけども。
スピーカー 2
しぶちょー 前、しぶちょーが使っちゃダメだって言ってたやつね。
スピーカー 1
KANERIN そうそうそう。今回紹介するのは、いわゆる世界モデルというもので、ワールドラボという会社が作ったものですね。
しぶちょー 世界モデル。
KANERIN 世界モデルっていうのは、画像生成とかじゃなくて、空間生成みたいな感じ。
スピーカー 2
しぶちょー ワールドを作るみたいな。
スピーカー 1
KANERIN ワールドを作ると。空間がどのような形になっているかとか、別の箇所から回り込んでみたらどういうふうに見えるかみたいな。
KANERIN あと時間が。
スピーカー 2
しぶちょー ゲームみたいな感じ?ゲーム。
スピーカー 1
KANERIN そう。あと時間軸を持ってて、じゃあその空間で10秒後どうなってますかみたいな。
物理法則も加味して、空間を推定していくみたいな。そういう空間を取り扱うモデルなんだけども。
これのなんかすごいやつができたよみたいな。
ので、そのワールドラボズっていうところが発表していて。
それがアトラスっていう名前で。
今週発表される。ちょっとややこしいなって話だったんだけど。
スピーカー 2
しぶちょー 名前変えてほしかったね。
スピーカー 1
KANERIN そうね。
しぶちょー 前なんか紹介したことある?
スピーカー 1
KANERIN ワールドモデルは。
写真から別視点・3D空間を作る
スピーカー 2
しぶちょー なんか一回あったよね。
スピーカー 1
KANERIN なんだっけ。
スピーカー 2
しぶちょー ちょっとゲームみたいなやつ。
スピーカー 1
KANERIN うん。なんかゲームができますよねみたいなやつね。
スピーカー 2
しぶちょー うん。
スピーカー 1
KANERIN あれなんだっけ。
スピーカー 2
しぶちょー それとは全然違う。
KANERIN あれとは全然違う。
スピーカー 1
あれこそ自分じゃなかったっけ。
しぶちょー ゲームみたいな。
KANERIN Google作ったんだよね確かね。
しぶちょー Googleか。
スピーカー 1
KANERIN ちょっと詳細忘れちゃいましたけど。
スピーカー 2
しぶちょー これはなんですかこれ。
ゲームみたいに遊ぶんすかこれは。
スピーカー 1
KANERIN まあそうね。
その写真を別の視点から見れたりとか、
その3D空間を復元したりとか、その。
スピーカー 2
しぶちょー ああこれ。これもXで見たな。
スピーカー 1
KANERIN Xでバズってた。だからちょっと紹介したんだけど。
スピーカー 2
しぶちょー ああなんか渋谷のスクランブル交差点のところこうやって。
スピーカー 1
KANERIN ぐるぐるぐるぐるってこう。
しぶちょー やるとドローンみたいにこう映像が出てきます。
スピーカー 1
KANERIN そう上から俯瞰して見れたらいいみたいな。
スピーカー 2
しぶちょー すごーって思って。
驚き屋さんになりそうだったけど。
しぶちょー の顔がチラッと余儀ってやめた。
スピーカー 1
KANERIN 笑い声
KANERIN 驚いた方がいいんじゃないかな。
スピーカー 1
KANERIN ああすごいなみたいな。
スピーカー 2
しぶちょー こんなんで驚いてんのか。
スピーカー 1
KANERIN 驚き屋さんはあれだから。
KANERIN すごいこれすごいぞ。は驚き屋さんじゃないから。
スピーカー 2
しぶちょー ああそっか。
スピーカー 1
KANERIN それは驚いてる人だから。
スピーカー 2
しぶちょー 驚き屋さんよりも格下だね。
しぶちょー ただの驚いてる人。
KANERIN ただの驚きです。いいと思います。
スピーカー 1
KANERIN 驚き屋さんはもうこれで世界が変わる。
KANERIN これがなくなりますみたいな。
スピーカー 2
しぶちょー 世界終わった。
スピーカー 1
KANERIN 世界終わりました。
KANERIN ああこれでもうゲーム作ってる人たちいませんみたいな。
スピーカー 1
KANERIN 3Dモデルは終了ですみたいな人のことだから。
スピーカー 2
しぶちょー ああそっかそっか。
しぶちょー これ使えるの?ちょっとなんかやってみたいよなこれ。
スピーカー 1
KANERIN まだねちょっと我々は使えないと。
KANERIN 研究プレビューみたいな感じで申し込まないと使えないものなんだけど。
KANERIN まあなんか映像を綺麗に生成できますよ。
スピーカー 2
しぶちょー なんかそれこそ落ち着きAIのさオープニング映像みたいなの作れそうじゃんとか思っちゃったんだけど。
しぶちょー なんかねかっこいいの。
スピーカー 1
KANERIN あのてんてん落ち着きAIの時にこれを使ってやるの落ち着かなくない?
しぶちょー そう。落ち着かなくない?
スピーカー 1
KANERIN もっとアクロバティックなさSFチックななんか。
映像制作やリモート空間への活用
しぶちょー あれやっぱり宇宙だよな。
スピーカー 1
KANERIN ああそういうことね。
スピーカー 2
しぶちょー 宇宙の彼方からの通信のイメージ。
スピーカー 1
KANERIN だんだん地球に向かってビューって降りてくるみたいな。
スピーカー 2
しぶちょー そうだね。ビーコンみたいな。いつか作りたいですねオープニングムービーを。
スピーカー 1
KANERIN 多分そういうオープニングムービーとか映像を生成する上でも使えるし、あとはシミュレーション文脈だよね。
さっきの足とつながるんだけど物理現象を正しく予想するみたいなことを前提とした空間を作るみたいな。
だからシミュレーション用の空間を作るみたいなこともやっぱり使えると。
スピーカー 2
しぶちょー 物理現象を理解しちゃってるみたいな。
KANERIN そう。写真の生成もそうだし、ロボットシミュレーションの空間とかあとはゲームもそうだしみたいな。
スピーカー 1
そういう主には撮影とか3D空間作りの手間を減らすことができるよねというものではあるんだけども。
そういうところにすごく使えるんじゃないかということで、今は一部のパートナー向けに先行提供段階にあると。
誰でもすぐに使える完成済みアプリの紹介じゃなくて、こういうことができますよねっていう技術的なアピールみたいなところに近いかな、今は。
またこれがもしもみんなに使えるっていう世界に降りてきたら驚けるかもしれない。
スピーカー 2
しぶちょー 驚けるんだろうな。主にどんなことに使って驚くことになるの?これは。
スピーカー 1
KANERIN でもまあ、普通に我々が使うのだったら3Dの背景とか映像のクリエイティブだよね。
スピーカー 2
しぶちょー ビデオポッドキャストの背景がこんな感じですみたいな。
スピーカー 1
KANERIN そうそうそう。我々が撮ってるところを、喋ってるところを後ろからも見えますみたいな。
しぶちょー クルクル回って。 KANERIN クルクル回って。
スピーカー 1
あくまでもパフォーマンス的なものだけど、そういう使い方もできるよねっていう感じかな。
しぶちょー かっこいいね。 KANERIN っていうのも出てきたんで、これもまたちょっと一段進化してるなっていう感じで。
スピーカー 2
しぶちょー そうだね。だからリアルで合わなくてもなんかすっげー、すごい世界遺産のところで喋ってますみたいな。
スピーカー 1
KANERIN 笑
スピーカー 2
しぶちょー ビデオポッドキャストにあふれるわけだよね。
スピーカー 1
KANERIN 確かにそういうことはできそうだよね。
スピーカー 2
しぶちょー リモートでもね。
スピーカー 1
KANERIN どうなんだろう、現実世界、まあまあそうだね。
スピーカー 2
しぶちょー リモートで会う意味がどんどん連れてくんじゃん。
スピーカー 1
KANERIN いやいやいや、本人たちは別にね。そこにいる感じはしないからさ。
KANERIN あ、でもするのか。それでVRゴグルをかければそこにいるみたいな感じになるのか。
スピーカー 2
しぶちょー ゲームみたいね。
スピーカー 1
KANERIN そうね。っていう空間をどこでも簡単に作れるよねみたいな。
KANERIN まあ今は別にね、iPhoneでもできるけどね。
スピーカー 1
KANERIN 部屋を測ってさ、自分の部屋を立体化するみたいな。
スピーカー 2
しぶちょー ああ、そうなんだね。
スピーカー 1
KANERIN できるじゃん、3Dスキャン。
KANERIN それよりも、すごく多分写真をちょっと与えるだけでできるようになるのかなっていう。
スピーカー 2
しぶちょー そういうので、ちょっとポッドキャスト遊んだら面白そうだよね。
スピーカー 1
KANERIN ね。
しぶちょー 今日は世界遺産どこだろうみたいな。
スピーカー 1
KANERIN 確かに。
自動運転データを増やす仕組み
スピーカー 1
KANERIN 前なんかね、こういう似たような技術、同じ技術じゃないかもしれないけど、
KANERIN じゃんすんファンに会いに行ったときにさ、NVIDIAのときに近い技術がちょっとあって、
KANERIN なんかそれはAIのっていうか、あれか、自動運転用のデータセットを作ると。
KANERIN こうさ、自動運転って車運転して、車にカメラつけてさ、いろんな画角を取って、それを学習データにするのね。
KANERIN どこか人が飛び出てきたとか、車がこうツイートしてるだろうとか、障害物があるよねっていうのをいろいろその映像で学習させて、
KANERIN その自動で運転するようなAIを学習していくんだけど。
スピーカー 2
しぶちょー なるほど。
スピーカー 1
KANERIN いろんなパターンを取りたいじゃん。例えば雨の日のデータとかさ、ほんと欲しいのよ。
KANERIN なんだけど、雨の日のデータって全然ないじゃん。ないというか、雨が降った日じゃないとないじゃん。
スピーカー 2
しぶちょー 少ないね。
スピーカー 1
KANERIN こういう車が出てきた時の雨の日のデータとかさ、何色の車が出てきた時の雨の日のデータ、
KANERIN トラックがすれ違う時の雨の日のデータ、砂嵐の日のデータ、霧の日のデータとか、いろんなシチュエーションで取りたいんだけど、
KANERIN 全部を現実世界のデータで取ろうと思うと全然やっぱデータのばらつきがあったりして足りないわけね。
KANERIN だからその3Dの空間とか、モデルみたいなものを保管して違う視点に変えて、映像のデータにするみたいな技術があって。
スピーカー 2
しぶちょー 雨じゃない晴れのデータだけど、雨のデータにするってこと?
スピーカー 1
KANERIN するとか、トラックじゃなくて乗用車なんだけどトラックに入れ替えるとか。
KANERIN 車の視点は本当は軽自動車ぐらいの目の高さなんだけどトラックぐらいに上げちゃうみたいな。
そうすると同じ映像なんだけど、明らかに視点が上がっていって成り立つ映像になってるみたいな。
KANERIN 全部違うんだよね。でも同じ映像なの。視点が違うから。
KANERIN 無茶にキリンだったらみたいなことを言ったら、キリンの視点でその映像をまた見れたらいいっていう、そういう映像を作れて。
KANERIN 空間を把握しながら、足りない部分をAIで保管しながら映像を作っていくっていう。
KANERIN それでデータセットを増やしていくみたいな技術があって。
スピーカー 2
そのデータいいの?それ合ってんの?それね。想像で埋めてるんでしょ?
スピーカー 1
KANERIN そう想像で埋めてはいる。
それを学習データにするんだ。
スピーカー 1
KANERIN それを学習データにする。
スピーカー 2
なんかデータの品質悪そうだけど、そうでもないんだ。
スピーカー 1
KANERIN でもないよりはマシなんじゃない?
スピーカー 2
なんか間違った学習しちゃうみたいな、そんなことにはならないぐらいの精度ではある。
スピーカー 1
KANERIN 精度ができてる。明らかに点で急にガタガタしだすみたいな感じじゃなくて、
KANERIN 映像を見た、でも見せてもらった感じはすごく綺麗に。
スピーカー 2
ちゃんとキリンさんの視点になってる。
KANERIN キリンの視点とかネズミの視点みたいなさ。
スピーカー 1
あー。
KANERIN すげー低くから見るのよ。なんだけどちゃんと車がこう、上の方通っていってるような。
でも視点は同じ。同じところ通るし、同じ車が通ってるんだけど、視点がやっぱり切り替わるんだよね。
データ拡張と反転できない例
スピーカー 1
それは一個の映像からそれを作ってるみたいな。っていう技術があって。
それはデータセットに作るんだよみたいな話を聞いて、あ、なるほどなーみたいな。
そういう視点を変えるとか空間を違う方から見るっていうのは、データを水増しするっていう上でも結構重要なんだなと思って。
スピーカー 2
なるほどねー。
スピーカー 1
KANERIN だからそういう感じの活用も多分なされていくんだろうね。と思いました。
スピーカー 2
なるほどなるほど。データ、学習するデータがめちゃめちゃ増えるんだ。
スピーカー 1
KANERIN そうね。やっぱデータの量大事だからAIにとって。
スピーカー 2
データって水増ししていいんだね。
KANERIN もちろん。
スピーカー 2
なんか全部本ちゃんで取らなきゃいけないものじゃないんだね。
スピーカー 1
KANERIN そんなことないね。普通に一般的な、一般的なってあれだけど、画像分類とかさ、猫ですよ犬ですよみたいな見分けるような、いわゆるその畳込みニューラルネットワークCNNと呼ばれるものとかも水増
しするからね。
犬のデータ10枚しかないよってなったら犬を反転させたりとかさ、白黒にしたりとか色変えたりとかちょっとマスキングしてみたりみたいな。
でして1枚の画像から10枚とか20枚とか増やして画質拡張する。
スピーカー 2
なるほどね。その1枚だけじゃないんだ。
スピーカー 1
KANERIN それだけじゃない。それでもその精度が上がっていくから。
スピーカー 2
なるほど。
スピーカー 1
KANERIN オキメンテーション、データ拡張っていう概念があるんだけど。
スピーカー 2
データ拡張。
スピーカー 1
KANERIN よく出る。それは結構あれだよ、チャンス問題だよね多分ね。
チャンス問題なんだ。
スピーカー 1
KANERIN こういう場合はこういうことしていいですかみたいな。その反転すると意味が変わるものはダメだから。
例えば数字のQとかをひっくり返しちゃうと違う意味になっちゃうから。
スピーカー 2
なるほど。
スピーカー 1
KANERIN そういうのは反転かけちゃダメだよねみたいなやつがあるのよ。
グッドとかバッドとかも逆になっちゃうからさ。
方向に意味があるものは反転はかけないけどみたいな。
スピーカー 1
犬とか猫だったら別に反転させようが何しようが変わんないよねみたいな。
でも反転させると違う絵になるからみたいな。
これはやっていい、これがやっちゃ悪いみたいなやつもいっぱいあるから。
そこをなんかね。
12:15

コメント

スクロール