観光や展示の文脈で、記念品や小物を3Dモデルとして扱うケースを考えると、モデル生成そのものより先に、ファイル管理が問題になります。

1個だけなら適当な名前でも困りません。しかし、展示品、地域小物、AR用素材、ブログ用検証モデルが増えてくると、どの画像から作ったのか、何に使ってよいのか、どの形式で出力したのかが分からなくなります。

最初に決めたい命名規則

Hi3D などで画像から3Dモデルを作る前に、入力画像、生成モデル、確認用スクリーンショットの名前をそろえておくと後で楽です。

tourism_item_001_input.jpg
tourism_item_001_model.glb
tourism_item_001_model.stl
tourism_item_001_preview_front.png
tourism_item_001_preview_back.png
tourism_item_001_meta.json

メタデータに残す項目

項目	目的
id	画像、モデル、スクリーンショットを紐づける
source_image	元画像のファイル名を残す
object_type	souvenir、prop、exhibitなどを分類する
usage	blog、AR、prototype、printなど用途を分ける
rights_note	自分で撮影、許諾済み、要確認などを記録する
exports	GLB、OBJ、STLなど出力形式を残す

JSON manifestの例

{
  "id": "tourism_item_001",
  "title": "small ceramic souvenir house",
  "source_image": "tourism_item_001_input.jpg",
  "object_type": "souvenir",
  "usage": ["blog", "prototype"],
  "rights_note": "self-shot original object, no logo",
  "generated_with": "image-to-3d workflow",
  "exports": {
    "glb": "tourism_item_001_model.glb",
    "stl": "tourism_item_001_model.stl"
  },
  "review": {
    "scale_checked": false,
    "texture_checked": true,
    "print_ready": false
  }
}

CSVで一覧化する

import json
from pathlib import Path
import pandas as pd

rows = []
for path in Path("models").glob("*_meta.json"):
    data = json.loads(path.read_text(encoding="utf-8"))
    rows.append({
        "id": data["id"],
        "title": data["title"],
        "object_type": data["object_type"],
        "usage": ",".join(data["usage"]),
        "rights_note": data["rights_note"],
        "glb": data["exports"].get("glb", ""),
        "stl": data["exports"].get("stl", ""),
        "texture_checked": data["review"]["texture_checked"],
        "print_ready": data["review"]["print_ready"],
    })

df = pd.DataFrame(rows)
df.to_csv("model_catalog.csv", index=False, encoding="utf-8-sig")

3Dモデル生成AI で素材を作ると、出力そのものに注目しがちです。ただ、後で使える資産にするには、名前とメタデータを残すことも同じくらい重要です。

まとめ

観光や展示向けの3D小物は、単発の実験で終わらせるなら管理は不要です。しかし、数が増えるなら、生成前に命名規則とメタデータを決めておくと後工程がかなり楽になります。