生成AI研究室(115) 東京駅の入口を実写参照にしたら、昼の日差しまで夜のシーンに入った——5本直して人物が浮き、最後は「元の夜景シートの看板だけ直す」00118で採用

(115) 実写参照で昼の日差しが夜のシーンに入った

(113)で改札に使った実写を、今度は駅の入口にも使った。目的は看板の文字。(92)の入口(00104)は生成した参照シートが元で、看板の文字がはっきりしなかった。結果は、6本目でやっと採用。途中で方針を変えた記録。

全体 22カット・162.5秒。入口(00104)を00118に、通用口(00102)を00112に、改札(00108)を00111に置換。672×928・24fps、圧縮版
目次

先に要点

  1. 実写を参照にすると、昼の光まで入る。参照は昼に撮った入口の画像。プロンプトで「夜23時」と書いても、左壁に日光の白い帯が出た(00113)。
  2. 画像を段階的に暗くしても、今度は人物が浮いた。左壁(00114)→床(00115)→画像全体を夜景に変換(00116)→人物の照明を文で明示(00117)。夜らしさは上がったが、女性が背景の光と合わない。
  3. 方針を変えて採用。「昼の実写を夜に変換する」のをやめ、元々の夜景の参照シートを土台に、看板だけを実写に合わせて直した画像を参照にした00118で、本人評価「いい感じ」→採用。
  4. 参照の役割を絞る。実写は「看板の表記を正す」ためだけに使い、照明と構図は元の夜景シートに任せた。
  5. 原因は確定していない。参照画像とプロンプトを毎回同時に変えているので、どれが効いたかは切り分けていない。「昼画像の人工的な夜景化がH3の光の理解を妨げた」は仮説のまま。
図1: 上=00113(実写参照・左壁に日光の帯)、中=00116(画像全体を夜景化・人物が浮く)、下=00118(元の夜景シート+看板修正・採用)。右=00118の参照シート(上段のみ使用)

6本の経緯

版参照③(入口の画像)文の変更本人評価
00113昼の実写から切り出した入口B夜23時を指定全体は良いが、左壁の日光が白い帯として残る
00114左壁の強い日光を抑えた版(v1)同じ悪くない。奥の床にも日光が残る
00115奥の床も抑えた版(v2)夜22時に変更、日没後の暗い屋外・既設の駅照明・床の拡散光を指定明るく昼の印象。左端の壁の縦帯が残る
(画像v3)左端の石壁をさらに暗く—動画は作らず次の方針へ
00116入口B全体を元の夜景シートの照明に変換(v4)同じ夜らしさは上がったが、女性が浮く。背景と人物の光・影が合わない
00117v4のままスタジオ光を引き継がない・環境光のみ・接地影を明示悪くないが、人物のなじみは不十分
00118元々の夜景シートを土台に、上段の看板だけを実写に合わせて修正新プロンプト。上段「01 EXTERIOR」だけを使い、下段のホール・改札は描かないと指定いい感じ → 採用

画像の修正はすべて生成編集で、実写のピクセルを貼り付けたものではない。看板は「丸の内北口」「Marunouchi North Entrance」の主文字を優先し、小さな文字や路線記号の正確さには限界がある。

00118(5.17秒)。全体動画からの切り出し。元の夜景シートを土台に、看板だけ直した参照で生成

00118で入れた文(抜粋)

Use ONLY its upper panel, “01 EXTERIOR”, for this shot’s entrance architecture, framing, materials, and lighting. The lower hall and ticket-gate panels are not locations shown in this shot.

Preserve the nighttime lighting already present in the upper panel of Picture 3. Do not redesign or brighten the scene. … No daylight patches, sunlight streaks, or bright white bands on the walls.

参照は①女性のキャラシート、②トート、③看板を直した夜景シートの3枚。音声も白動画も入れていない。女性の背後斜め右から、疲れた様子で駅へ歩く5秒。

00118の出来と、残っているところ

  • 通った点: 1秒間隔の5コマで、元の夜景に近いレンガの外壁と幅広い入口、女性が駅の方へ進むことを確認。日光の帯は出ていない。
  • 到達位置: 遠めの構図のため、確認したコマでは終盤も入口の手前にいる。「5秒で敷居を越える」までは達していない。
  • 看板: 主文字は読める。細字と路線記号は要確認。
  • 人物の照明・影: 00116・00117より背景に寄ったが、物理的に正しいとは言わない。
  • 音: 聴取評価はしていない。

実行の条件

項目値
機材RTX 5060 Ti 16GB(Windows 11)
サイズ0.6MP・5秒指定・10step → 672×928・24fps・124フレーム(5.17秒)
生成時間00113〜00115 約652〜655秒 / 00117 約524秒 / 00118 約639秒
空きRAM計算中 約4.4〜5.9GB(監視した時点の値)。メモリ不足や保護停止はなし

全体編集

22カットのうち入口の00104を00118に置き換えた。通用口は(114)の00112、改札は(113)の00111。全体は162.458秒・672×928・24fps・3,899フレーム。ほかのカットの順序と長さ、電車の走行音のミックスはそのまま。全編のデコードとフレーム数の照合で確認した。

今回の結論と限界

  • 参照の役割を絞る。実写は「看板の表記」だけに使い、照明と構図は夜景シートに任せた版が採用になった。(113)の「参照は足すより整理する」と同じ向き。
  • シーンの照明と素材の照明の整合を先に考える。昼の画像を文で夜にするより、最初から夜の画像を土台にする方が早かった。
  • モデルの能力不足と即断しない。00113〜00117が通らなかった原因を、H3の光の理解に帰属させる根拠はない。
  • 単一の変更の比較ではない。各版で参照画像と文を同時に変えている。
  • 00111(改札)の宿題は残っている。左右のレーンの板・表示・歩行は、入口の差し替えで片づいた扱いにしない。

続報(11月22日): 次は夜の住宅街のBロール。参照を外しても残った左右の白い帯が、シードの変更だけで消えた → (116)

関連

よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!

この記事を書いた人

コメント

コメントする

目次