文献

J-GLOBAL ID：202102279860082443   整理番号：21A1187883

アニメ制作の品質管理工程における密な画素対応を用いた作画ミス検出

著者 (3件)： 沖川翔太 (早稲田大) ,  山口周悟 (早稲田大) ,  森島繁生 (早稲田大 理工学術院研)
資料名： 情報処理学会研究報告(Web)  (IPSJ Technical Report (Web))
巻： 2021  号： CVIM-225  ページ： Vol.2021-CVIM-225,No.43,1-6 (WEB ONLY)  発行年： 2021年02月25日 
JST資料番号： U0451A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： アニメ制作の品質管理において,ミスの発見・修正を行うために膨大な量のアニメーション画像を精査しなければならず,制作現場の大きな負担となっている.そこで,精査するべき画像の枚数を減らし,負担を軽減することを本研究の目的とする.本研究では,アニメーション画像の連続性を利用して,色の塗りミスの検出を行う.まず,ターゲット画像とその1フレーム前の画像同士で画素ごとの意味的な対応を取る.ターゲット画像に色の塗りミス箇所がある場合,双方向の対応関係が取得できない箇所が現れる.このような箇所が検出された画像を異常画像とする.本手法では,カット内に1フレームだけ色の塗りミスが発生する場合に,ミスを検出することを可能とした.(著者抄録)

シソーラス用語： *画像処理 ,  *アニメーション ,  品質管理 ,  誤り検出 ,  画素 ,  画像認識 ,  比較試験 ,  機械学習 ,  類似性
準シソーラス用語： GAN ,  *アニメ制作 ,  オートエンコーダ ,  異常検知 ,  画素対応 ,  画像類似性

分類 (1件)： 図形・画像処理一般  (JE04010I)

引用文献 (10件)：

• Dehaene. D, Frigo. O, Combrexelle. S and Eline. P, ”Iterative energy-based projection on a normal data manifold for anomaly localization”, In proc of ICLR 2020.
• Schlegl. T, et al., “Unsupervised anomaly detection with generative adversarial networks to guide marker discovery”, In proc of IPMI, 2017.
• Krizhevsky. A, Sutskever I, Hinton. G. E, “ImageNet classification with deep convolutional neural networks”, In proc of NIPS, 2012.
• Simonyan. K and Zisserman A, “Very deep convolutional networks for large scale image recognition”, In proc of ICLR, 2015.
• Saito. M and Matsui. Y, “Illustration2-Vec: a semantic vector representation of Illustrations”, In proc of SIGGRAPH Asia, 2015.

タイトルに関連する用語 (6件)： アニメ ,  制作 ,  品質管理 ,  画素 ,  作画 ,  ミス