基本情報 平成25年度 春期 問27：テクノロジ系に関する問題

答えは a です。

モーフィングとは「ある絵から別の絵へ、なめらかに変身する」アニメーション技法。

たとえば「人の顔が動物の顔にゆっくり変わっていく動画」「赤ちゃんがおじいちゃんになる動画」を見たことありませんか？あれがモーフィング。AからBの間の絵をコンピュータが自動で作ってくれます。

👉 覚え方：「モーフ＝変形（morph）＝AからBへ滑らかに変身」。

ほかの選択肢：b モーションキャプチャ（実際の動きを取り込む）／c 多重スクロール（背景を奥行きごとに動かす）／d 自動彩色（線画に色をつける）。

なぜこれが正解か

正解は a。モーフィング（morphing）は、2つの画像 A と B の間を補間する中間画像を複数生成し、A から B へ滑らかに変形する映像表現技法。形状の対応点（特徴点）を指定し、それらを徐々に変位させる「ワーピング」と、色の補間を組み合わせて実現する。

各選択肢の解説

• b 身体の動きをデジタルデータで取得 → モーションキャプチャ：マーカー・センサーを使い実演者の動きをCGに移植。
• c 視点から遠い順に重ねる2次元アニメ → 多重スクロール（パララックススクロール）：奥行き表現に使用。
• d 線画に同一色で彩色処理 → 自動彩色（オートペイント）：アニメ制作の効率化技法。

覚え方・ひっかけ注意

「モーフィング＝A→B滑らか変身」「モーションキャプチャ＝実演取り込み」「マルチスクロール＝奥行き表現」を区別。映画『ターミネーター2』のT-1000液体金属、マイケル・ジャクソン『Black or White』MVが古典的モーフィング応用例。

理論的背景

モーフィングは「形状のワーピング（warping）」と「色の補間（cross-dissolve）」の組合せで実現される。アルゴリズムとして：

• メッシュベース：画像をメッシュ分割し、対応する頂点間を補間
• フィーチャライン方式（Beier-Neely法）：特徴線セグメントを定義し、各画素を線に対する相対位置で写像
• フィールドベース：特徴点周辺の影響範囲を重み付け
• GANベース（深層学習）：StyleGAN等で潜在空間の補間によりリアルな中間生成

対応点の自動検出は特徴点抽出（SIFT、SURF）、顔ランドマーク検出（dlib、MediaPipe）で実装される。

実務での使われ方

映画・CM・ミュージックビデオの特殊効果、医療画像の経時変化表示（CT/MRI）、UI/UXのトランジションアニメーション、顔交換アプリ（Snapchat、TikTok）、ディープフェイク（GANベースの高度モーフィング）で活用。Adobe After EffectsのMesh Warp、MorphAge、FaceMorpher等が実務ツール。リアルタイムモーフィングはARフィルタ（FaceTime SDK、ARCore Face Mesh）で広く利用。

試験での位置づけ

FE・APマルチメディア分野で頻出。3DCG技法（モデリング・レンダリング・テクスチャマッピング）、アニメーション技法（モーフィング・モーションキャプチャ・キーフレーム法・トゥイーニング）、画像処理アルゴリズム（フィルタ・エッジ抽出・色補正）と関連付けて出題。応用情報・スペシャリスト試験ではGPU並列処理、CUDA、OpenGL/Vulkanパイプラインまで踏み込む。

関連事項・発展補足

モーションキャプチャ（b）は光学式（マーカー＋赤外線カメラ：Vicon）、磁気式、慣性式（IMUセンサー：XSensスーツ）、画像認識式（マーカーレス：Kinect、MediaPipe）に分類。映画・ゲーム業界で必須技術。多重スクロール（c）は8bit時代のゲームから現代Webデザイン（パララックスサイト）まで利用継続。自動彩色（d）は近年Pix2Pix・PaintsChainer等の機械学習による高品質化が進展し、アニメ制作の省力化（中割り生成、線画クリンアップ含む）に貢献。生成AI時代は、テキスト→画像、動画→動画変換、Style Transferと結合し新たな映像表現が拓かれる。