この記事で解決すること
AIキャラクターの画像生成では、単発の見栄えよりも「同じ人物として認識できる状態」が複数の衣装、背景、ポーズ、動画フレームで続くことが重要です。
本稿では、次の3点を再現できる最小構成を作ります。
- 基準画像と生成結果を同じ条件で比較する
- 顔、色、衣装、ポーズ、時間変化を別々に採点する
- モデルやプロンプト更新後の回帰を自動で見つける
この記事は Ponys.ai チーム がキャラクター画像と短尺動画を検証するときの観点を、特定サービスに依存しない形へ整理したものです。
先に結論：1つの総合点だけでは足りない
総合点が高くても、髪飾りだけが消える、動画の途中で目の色が変わる、といった重大な破綻は起こります。そこで指標ごとに最低点を設定します。
| 指標 | 目的 | 最低点の例 |
|---|---|---|
| 顔特徴 | 同一人物に見えるか | 0.78 |
| 色パレット | 髪・瞳・衣装色が保たれるか | 80/100 |
| 衣装属性 | 固有の服装や装飾が残るか | 85/100 |
| ポーズ | 指示した構図が再現されるか | 75/100 |
| 時間的一貫性 | 動画内で外見が揺れないか | 80/100 |
数値はモデルや画風で変わるため、最初の30〜50サンプルから自分の基準を校正してください。
1. 評価データセットを固定する
まず、1キャラクターにつき次の12ケースを保存します。
- 正面・通常表情
- 正面・笑顔
- 左右の横顔
- 上半身
- 全身
- 明るい屋内
- 暗い屋内
- 屋外
- 基本衣装
- 別衣装
- 座りポーズ
- 3〜5秒の短尺動画
キャラクターを新規作成する場合は、キャラクター作成フローで基準となる説明と画像を先に固定します。途中で設定を変えると、モデル差ではなく入力差を測ってしまいます。
保存形式は簡単なJSONで構いません。
{
"character_id": "char_001",
"reference_version": "v1",
"hair_color": "black",
"eye_color": "green",
"signature_items": ["silver hairpin", "navy jacket"],
"cases": ["front", "profile_left", "full_body", "night", "video_5s"]
}
2. 顔特徴の類似度
基準画像と生成画像から顔埋め込みを取得し、コサイン類似度を計算します。
from numpy import dot
from numpy.linalg import norm
def cosine_similarity(a, b):
return float(dot(a, b) / (norm(a) * norm(b)))
正面画像だけで閾値を決めると横顔を誤判定しやすいため、正面・横顔・表情変化を別グループで集計します。顔を検出できなかったケースも除外せず、失敗として記録します。
3. 色パレットの安定性
髪、瞳、主要衣装をセグメント化し、Lab色空間の色差で比較します。RGB距離より知覚差に近く、照明変化と設定崩れを切り分けやすくなります。
実際の比較画像は、AI画像生成ページとキャラクター画像ギャラリーのように、生成条件とキャラクター選択を分けて用意すると管理しやすくなります。
よくある誤判定
- 夕方の照明で髪色全体が暖色になる
- 背景色が輪郭へ混ざる
- 小さな瞳領域を肌として認識する
平均色だけでなく、対象領域の面積と信頼度も保存してください。
4. 衣装属性の一致率
衣装は画像全体の類似度ではなく、構造化属性へ分解します。
- 上着の種類
- 主色と補助色
- 袖丈
- 靴の形状
- 固有アクセサリー
キャラクター識別に重要なアクセサリーへ高い重みを与えます。たとえば髪飾りを40%、上着を25%、色を20%、その他を15%とすれば、「似た服だが別人に見える」ケースを検出しやすくなります。
5. ポーズと外見を分離する
外見の一貫性とポーズ再現性を同じスコアにすると原因分析が難しくなります。骨格キーポイントの誤差はポーズ指標、顔・衣装・色は外見指標として保持します。
失敗時の切り分け
| 現象 | 最初に確認する項目 |
|---|---|
| 顔は同じだが構図が違う | ポーズ指定、アスペクト比 |
| 服装だけ変わる | 衣装属性、参照画像の重み |
| 背景変更で別人になる | 顔の参照強度、背景記述 |
| 横顔だけ崩れる | 横顔サンプルの不足 |
6. 動画化後の時間的一貫性
静止画で合格しても、動画では目、指、髪飾りがフレーム間で揺れる場合があります。画像から動画への生成では、開始・25%・50%・75%・終了フレームを抽出します。
隣接フレーム差分は平均値だけでなく、中央値と95パーセンタイルを保存します。短時間の大きな破綻は平均値では埋もれるためです。
7. 回帰テストとして運用する
モデル、プロンプト、参照画像のいずれかを変更したら、同じ12ケースを再生成します。
baseline/v1
├── prompts.json
├── reference.png
└── scores.json
candidate/v2
├── prompts.json
├── outputs/
└── scores.json
次の条件を満たさない変更は公開しません。
- 全指標が最低点以上
- 基準版より5%以上低下した指標がない
- 固有アクセサリーの欠落がない
- 動画の95パーセンタイルが許容範囲内
実務チェックリスト
- 基準画像と設定文をバージョン管理した
- 12ケースを同じ乱数・サイズ・比率で実行した
- 顔、色、衣装、ポーズを別々に採点した
- 動画の中間フレームを確認した
- 失敗画像も削除せず保存した
- 更新前後の差分レポートを残した
FAQ
画像が少ない段階でも評価できますか？
できます。最初は正面、横顔、全身、別衣装、短尺動画の5ケースから始め、失敗が見つかった条件を追加します。
画風が違う画像を同じ閾値で比較できますか？
おすすめしません。実写、アニメ、イラストは顔特徴や色分布が異なるため、画風別に基準を作ります。
どの指標を最優先にすべきですか？
ユーザーがキャラクターを識別するための固有要素です。一般には顔と特徴的な衣装・アクセサリーを優先し、その後にポーズと背景を評価します。
まとめ
品質改善で重要なのは最高の1枚を選ぶことではなく、条件変更後も同じキャラクターとして維持されるかを継続的に測ることです。データセット、指標、最低点、差分レポートを固定すると、モデル更新による回帰を短時間で特定できます。