生成AI研究室(117) 浴室の扉越しのシャワー場面——文でガラスを強めても透けは変わらず、良かった00131を残してガラス4面だけを後処理した

(117) 浴室の扉越しの入浴、ガラスの透けは後処理で決めた

残業帰宅後の生活の続き。ソファーで寝落ち→シャワー→歯磨き。シャワーは脱衣所側から、閉じた浴室の扉越しに5秒。人物の細部は見せず、浴室の明かりと動きで入浴を伝える。

結論から言うと、生成では決まらなかった「ガラスの透け具合」を、後処理で決めた。

00131 採用v6(5.17秒)。ガラス4面の内側だけをぼかした版。動作・尺・衣類はそのまま
目次

先に要点

  1. 構図と動作は00131で決まった。右に洗面台、左にシャワー、浴槽は扉の下に左右横長にうっすら。人物は画面左を向いて肩や腕を洗う。脱いだ衣類は右へ。
  2. ガラス越しの透けだけが決まらなかった。「型板ガラスの凹凸」「拡散」「色の滲み」を文で強めても(00128〜00129)、人物の輪郭と色の分離は十分に抑えられない。
  3. 生成し直すのをやめた。生成し直すと他の要素まで変わる。00131を残し、ガラス4面の内側だけにGaussian blur+コントラスト・明度の調整を重ねた。
  4. 強→弱に4段階で比べて採用。v3(sigma 40)は強すぎ、本人の「もう一段緩く」でv4・v5・v6と弱め、v6(sigma 20)を採用。右下の面は手前の衣類に重ならないよう斜めの境界(12pxのフェザー)。
  5. 音声はそのまま。元とv6の音声パケットのSHA256が一致。映像は再エンコードなので画素単位の同一ではない。
  6. 固定カメラだから固定マスクで済んだ。カメラや扉が動く映像なら追従マスクが要る。
図1: 上=後処理v3(強)、下=採用v6(弱)の連続フレーム。ガラス4面の内側だけが対象

修正の経緯

段階直したこと
00123着衣のまま浴びる描写と、強い透けが課題。扉を一般的な中折れ型へ
背景の参照 v1〜v7浴槽を右奥に縦長に置く解釈を、赤字の図に合わせて左右横長に修正。シャワーを左へ。すりガラス→凹凸のある型板ガラスの表現へ
00125前後人物と扉の大きさの釣り合い、左向きの洗う動作。途中で人物の参照を差し替えた
00127衣類の参照を足して4枚構成。動作と生活感は良いが、人物の外形が見えすぎる
00128〜00129ガラスの拡散と色の滲みを文で強調。脱いだ衣類は乱雑に、着替えは小さく畳む。透けは十分に変わらず
00130〜00131脱いだ衣類を画面右へ。00131の動作・構図が良い。衣類が台に掛かって見える点は残るが、ガラスだけを別に調整する方針に
後処理 v3ガラス4面だけを強くぼかす(sigma 40)
後処理 v4→v5→v6同じマスクで段階的に弱める。v6採用

後処理の中身(再現できる形で)

入力は00131(672×928・24fps・124フレーム)。ガラス4面の内側を切り出し、ぼかしと調整をかけて元の映像に重ねる。座標は左上基準。

ガラス面x,y幅×高さ
左上104,97126×356
右上254,97122×356
左下104,475126×297
右下254,475122×297(衣類を避ける斜めの境界)
版sigmacontrastbrightness
v3400.600.040
v4320.680.030
v5250.760.020
v6(採用)200.820.015

ffmpegのsplit→面ごとにcrop→gblur=sigma:steps=3→eq→overlay。右下だけformat=rgba+geqで斜めのアルファ。単体はlibx264 CRF16、音声はストリームコピー。これは型板ガラスの物理的な描画ではなく、透過像を含む領域への画像処理で、ガラスの表面模様も少し柔らかくなる。

残っているところ

  • 床の衣類が台に掛かったように見える点。
  • ガラスの模様が後処理で平滑化される点。
  • どちらも今回の採用判断では追加生成しない。

全体編集

23カット版に、ソファー(00055)→シャワー00131 v6→歯磨き(00043)の順で挿入(102.375秒から5.167秒)。全体は24カット・4,147フレーム・172.792秒(約2分53秒)。672×928・24fps。電車の走行音のミックスを含む音声構成はそのまま(全体はAAC再エンコード)。全編デコードとフレーム数の照合、接続部の静止画で順序を確認。

全体 24カット・172.8秒。残業→通用口→駅→改札→電車→帰宅→ソファー→シャワー→歯磨き→消灯→夜の住宅街→朝→走り→ドローン。圧縮版

今回の結論と限界

  • 「ガラスの模様を強める指示」と「人物の輪郭・色の分離を抑える処理」は同じではなかった。文を強めても拡散は十分に出ず、良い演技を残して局所の後処理で見え方を決めるほうが早かった。
  • 生成し直さない判断。動作・構図・衣類が良い版は、触らずに残す。
  • モデル一般の能力不足とは断定しない。今回の条件での制作知見。
  • 固定マスクは固定カメラの特権。動く映像では別の手当てが要る。

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