カメラの角度を数値で指定して画像を編集、3D視点を精密制御する「UniGeo」

生成AIに対して「カメラの位置を少し右にずらして」と頼んだことがある人なら、その難しさはよくご存知でしょう。

一般的な画像生成ツールにそう指示しても、AIはカメラを動かすのではなく、画像を丸ごと新しく描き直してしまうことがほとんどです。その結果、被写体の形が変わったり、背景の構造が破綻したりします。

研究チームが発表した「UniGeo」は、まさにこの課題をクリアするために設計されたカメラ制御対応の画像編集フレームワークです。単一の2D画像を3Dの幾何学的表現へと変換し、ユーザーが指定した正確な数値通りにカメラを動かして再レンダリングしてくれます。

三脚を操作するように視点を数値指定

UniGeoの最大の強みは、定量的で精密なカメラ制御にあります。

曖昧な言葉で指示するのではなく、具体的な角度や移動量を入力できます。被写体の中心を軸にした回転だけでなく、3D空間内での自由なパンやチルトに対応しており、カメラ位置を特定の位置に縛る必要もありません。

さらに、一連のカメラワークを連続して指示することも可能です。例えば「左に16度パンしてから、上方向に7度傾ける」といった複合的な動きを指定すると、指定されたカメラ軌道に沿って崩れのない目標視点の画像を出力します。

Nano BananaやGPT Image 2といった一般的な編集ツールでは難しかった、思い通りの画角調整が現実的なものになります。

ビデオモデルの連続性を活かす仕組み

これまでのカメラ制御技術は、カメラを大きく動かすと幾何学的な歪みや構造の崩壊が発生しやすいという弱点を抱えていました。

従来の画像拡散モデルは離散的な視点の切り替えに頼っており、幾何情報の注入も断片的だったためです。そこでUniGeoは、滑らかな視点変化の事前知識を持つビデオ生成モデルを活用するアプローチを採用しました。

技術的には3つの階層で一貫した幾何ガイダンスを注入しています。表現層では入力画像を3D点群として再構成して幾何情報を参照させ、アーキテクチャ層では幾何アンカーアテンションによって複数視点の特徴を整列させます。さらに損失関数層で軌道終点の幾何学的整合性を厳しく監督しています。

公開ベンチマークでは、小さなアングル調整から大胆なカメラ移動まで、既存手法を上回る視覚品質と立体的一貫性を実証しています。プロジェクトページには「近日公開（coming soon）」と記載されており、モデルのオープンソース化が期待されています。

なぜ重要か

ECサイトの商品写真やコンセプトアートを手がけるクリエイターにとって、この機能は作業フローを大きく変える可能性があります。1枚の完成画像があれば、3Dモデリングをゼロから組み直すことなく、指定した角度からのバリエーションカットを素早く揃えられるようになるためです。

業界全体で見ても、画像生成のトレンドが「見た目の綺麗さ」から「決定論的な操作性」へと移りつつあることを象徴しています。ビデオモデルの時間的連続性と点群による3D幾何拘束を組み合わせた設計は非常に合理的です。

一方で、3D点群の復元とビデオモデルの推論を組み合わせる処理は計算負荷が高くなりやすい点に注意が必要です。また、死角になっていた領域を大幅なアングル変更時にどこまで自然に補完できるのかは、モデルが実際に公開された後の検証が待たれます。