JP2024077564A - 情報処理システム、情報処理方法、及びプログラム - Google Patents

Abstract

【課題】仮想空間で利用可能な所定アイテムに対して好適な画像等を対応付ける。
【解決手段】ユーザからの所定入力を取得するユーザ入力取得部と、人工知能により構築された第１機械学習モデルを利用して、第１機械学習モデルに所定入力を入力して得られる特定画像を取得する画像取得部と、仮想空間で利用可能な所定アイテムに対して特定画像を対応付ける対応付け処理部とを備える、情報処理システムが開示される。
【選択図】図２０

Description

本開示は、情報処理システム、情報処理方法、及びプログラムに関する。

Ｗｏｒｄ２Ｉｍａｇｅ等に関連して、入力文書に適した画像を付与する技術が知られている。

特開２０１１－２２１７９４号公報

しかしながら、上記のような従来技術では、仮想空間で利用可能な所定アイテムに適用するのが難しかった。

そこで、１つの側面では、本開示は、仮想空間で利用可能な所定アイテムに対してＡＩ（人工知能）が生成した画像を応用することを目的とする。

１つの側面では、ユーザからの所定入力を取得するユーザ入力取得部と、
人工知能により構築された第１機械学習モデルを利用して、前記第１機械学習モデルに前記所定入力を入力して得られる特定画像を取得する画像取得部と、
仮想空間で利用可能な所定アイテムに対して前記特定画像を対応付ける対応付け処理部とを備える、情報処理システムが提供される。

１つの側面では、本開示によれば、仮想空間で利用可能な所定アイテムに対して好適な画像等を対応付けることが可能となる。

本実施形態に係るシステムのブロック図である。 本開示に従ったコンピュータベースのオペレーションを実行する処理回路のブロック図である。 システムにおいて実行されてよい処理の一例の流れの概要を示すフローチャートである。 図３に示す処理の説明図であり、意味空間での混合のイメージ図である。 図３に示す処理の説明図であり、特定画像のイメージ図である。 図３に示す処理の説明図であり、アバター及びそれに装着されるアイテムのイメージ図である。 図３に示す処理の説明図であり、仮想空間内に配置可能なアイテムのイメージ図である。 図３に示す処理の説明図であり、仮想空間内のアバターや家具の組み合わせのイメージ図である。 システムにおいて実行されてよい処理の他の一例の流れの概要を示すフローチャートである。 図９に示す処理の説明図であり、アイテムテクスチャの相違のイメージ図である。 システムにおいて実行されてよい処理の更なる他の一例の流れの概要を示すフローチャートである。 図９に示す処理の説明図であり、アバターに装着可能なアイテムの形状等のイメージ図である。 入力情報の生成／入力や、複数の特定画像を混ぜる指示等が可能なＵＩの一例を示す図である。 色調整が可能なＵＩの一例を示す図である。 アイテム選択が可能なＵＩの一例を示す図である。 型紙やパーツごとに管理可能なアイテム要素の説明図である。 メタバース空間で利用可能な操作子の一例を模式的に示す図である。 システムにおいて実現可能なユーザ側の操作手順の例を概略的に示すフローチャートである。 図１６の手順の説明図であり、アバターの服（着物）をユーザが編集している様子を表す画面である。 ストア審査申請を受けた際にサーバ装置により実現されてもよい処理のフローチャートである。 ユニークネスの評価処理の一例を示す概略的なフローチャートである。 サーバ装置の機能の一例を概略的に示すブロック図である。 複数の所定アイテムへの同時（一括的）反映の説明図である。 コンテストの様子のイメージ図である。

以下、添付図面を参照しながら各実施形態について詳細に説明する。なお、添付図面では、見易さのために、複数存在する同一属性の部位には、一部のみしか参照符号が付されていない場合がある。

図１を参照して、一実施形態に係るシステム１の概要について説明する。図１は、本実施形態に係るシステム１のブロック図である。

システム１は、サーバ装置１０と、１つ以上の端末装置２０と、を備える。図１では簡便のため、３つの端末装置２０を図示しているが、端末装置２０の数は任意である。

サーバ装置１０は、例えば１つ以上の本コンテンツ生成支援サービスを提供する運営者が管理するサーバ等の情報処理装置である。端末装置２０は、例えば携帯電話、スマートフォン、タブレット端末、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、ヘッドマウントディスプレイ、又はゲーム装置等の、ユーザによって使用される装置である。端末装置２０は、典型的にはユーザごとに異なる態様で、複数がサーバ装置１０にネットワーク３を介して接続されうる。

端末装置２０は、本実施形態に係るコンテンツ生成支援アプリケーションを実行可能である。コンテンツ生成支援アプリケーションは、ネットワーク３を介してサーバ装置１０や所定のアプリケーション配信サーバから端末装置２０に受信されてもよく、あるいは端末装置２０に備えられた記憶装置又は端末装置２０が読取可能なメモリカード等の記憶媒体にあらかじめ記憶されていてもよい。サーバ装置１０及び端末装置２０は、ネットワーク３を介して通信可能に接続される。例えば、サーバ装置１０及び端末装置２０が協動して、コンテンツ生成支援に関する多様な処理を実行する。

なお、ネットワーク３は、無線通信網や、インターネット、ＶＰＮ（Ｖｉｒｔｕａｌ Ｐｒｉｖａｔｅ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、有線ネットワーク、又はこれらの任意の組み合わせ等を含んでよい。

本実施形態では、サーバ装置１０は、ブロックチェーンネットワーク５に接続されてよい（矢印Ｒ１０参照）。ブロックチェーンネットワーク５は、多数のコンピュータがお互いに接続されたネットワークであり、接続されている各コンピュータがノードとしてサーバ装置１０からブロックチェーンネットワーク５に通知された処理依頼を記録すると共に、利用者からの処理依頼に応じた処理を実行し、その結果をノードが管理しているストレージに記録する。処理依頼は各ノードに伝達され、それぞれのノードがその処理依頼に対して同じ処理を実行して出力を記録することにより、分散環境下においても各ノードが全く同じ情報を保持することを実現する。なお、このブロックチェーン上で実行する処理のことをスマートコントラクトとも称する。なお、ブロックチェーンネットワーク５のノードの一部又は全部は、端末装置２０により実現されてもよいし、ブロックチェーンネットワーク５に係るネットワークの一部又は全部がネットワーク３により実現されてもよい。

以下では、システム１が、情報処理システムの一例を実現するが、特定の一の端末装置２０の各要素（図１の端末通信部２１～端末制御部２５参照）が、情報処理システムの一例を実現してもよいし、複数の端末装置２０が、協動して情報処理システムの一例を実現してもよい。また、サーバ装置１０が単独で、情報処理システムの一例を実現してもよいし、サーバ装置１０と１つ以上の端末装置２０が、協動して情報処理システムの一例を実現してもよい。

（サーバ装置の構成）
サーバ装置１０の構成について具体的に説明する。サーバ装置１０は、サーバコンピュータにより構成される。サーバ装置１０は、複数台のサーバコンピュータにより協動して実現されてもよい。例えば、サーバ装置１０は、各種のコンテンツを提供するサーバコンピュータや、各種の認証サーバを実現するサーバコンピュータ等により協動して実現されてもよい。また、サーバ装置１０は、Ｗｅｂサーバ８２０（図２参照）を含んでよい。この場合、後述する端末装置２０の機能の一部は、Ｗｅｂサーバ８２０（図２参照）から受領したＨＴＭＬ文書やそれに付随する各種プログラム（ＪａｖａＳｃｒｉｐｔ（登録商標））をブラウザが処理することによって実現されてもよい。

サーバ装置１０は、図１に示すように、サーバ通信部１１と、サーバ記憶部１２と、サーバ制御部１３と、を備える。

サーバ通信部１１は、外部装置と無線又は有線によって通信し、情報の送受信を行うインターフェース（図２のＩ／Ｏインターフェース６１２、ネットワークコントローラ７０２等参照）を含む。サーバ通信部１１は、例えば無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）通信モジュール又は有線ＬＡＮ通信モジュール等を含んでもよい。サーバ通信部１１は、ネットワーク３を介して、端末装置２０との間で情報を送受信可能である。

サーバ記憶部１２は、例えば記憶装置であって、コンテンツ生成支援に係る各種処理に必要な種々の情報及びプログラムを記憶する。

サーバ制御部１３は、専用のマイクロプロセッサ又は特定のプログラムを読み込むことにより特定の機能を実現するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）や、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等を含んでよい（図２のＣＰＵ６０１参照）。例えばサーバ制御部１３は、端末装置２０と協動して、端末装置２０の表示部２３（タッチパネル）に対するユーザ操作に応じてコンテンツ生成支援アプリケーションを実行する。

（端末装置の構成）
端末装置２０の構成について説明する。図１に示すように、端末装置２０は、端末通信部２１と、端末記憶部２２と、表示部２３と、入力部２４と、端末制御部２５とを備える。

端末通信部２１は、外部装置と無線又は有線によって通信し、情報の送受信を行うインターフェース（図２のＩ／Ｏインターフェース６１２、ネットワークコントローラ７０２等参照）を含む。端末通信部２１は、例えばＬＴＥ（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ（登録商標））や、ＬＴＥ－Ａ（ＬＴＥ－Ａｄｖａｎｃｅｄ）、第五世代移動通信システム、ＵＭＢ（Ｕｌｔｒａ Ｍｏｂｉｌｅ Ｂｒｏａｄｂａｎｄ）等のモバイル通信規格に対応する無線通信モジュール、無線ＬＡＮ通信モジュール、又は有線ＬＡＮ通信モジュール等を含んでもよい。端末通信部２１は、ネットワーク３を介して、サーバ装置１０との間で情報を送受信可能である。

端末記憶部２２は、例えば一次記憶装置及び二次記憶装置を含む。例えば端末記憶部２２は、半導体メモリ、磁気メモリ、又は光メモリ等を含んでもよい。端末記憶部２２は、サーバ装置１０から受信する、コンテンツ生成支援に係る種々の情報及びプログラムを記憶する。コンテンツ生成支援に係る情報及びプログラムは、端末通信部２１を介して外部装置から取得されてもよい。例えば、コンテンツ生成支援アプリケーションプログラムが、所定のアプリケーション配信サーバから取得されてもよい。以下、アプリケーションプログラムを、単にアプリケーションともいう。

表示部２３は、例えば液晶ディスプレイ又は有機ＥＬ（Ｅｌｅｃｔｒｏ－Ｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイ等の表示デバイス（図２のディスプレイ６０９も参照）を含む。表示部２３は、多様な画像を表示可能である。表示部２３は、例えばタッチパネルで構成され、多様なユーザ操作を検出するインターフェースとして機能する。なお、表示部２３は、上述したように、ヘッドマウントディスプレイに内蔵される形態であってよい。

入力部２４は、物理キーを含んでもよいし、マウス等のようなポインティングデバイスをはじめとする任意の入力インターフェースを更に含んでもよい。また、入力部２４は、音声入力やジェスチャ入力、視線入力のような、非接触型のユーザ入力を受付可能であってもよい。なお、ジェスチャ入力には、ユーザの各種状態を検出するためのセンサ（画像センサや、加速度センサ、距離センサ等）や、センサ技術やカメラを統合した専用モーションキャプチャー、ジョイパッドのようなコントローラ等が利用されてもよい。また、視線検出用のカメラは、ヘッドマウントディスプレイ内に配置されてもよい。なお、上述したように、ユーザの各種状態は、例えばユーザの向きや位置、動き又はその類であり、この場合、ユーザの向きや位置、動きとは、ユーザの手や身体の向き、位置、動きのみならず、配信ユーザの視線の向き、位置、動き又はその類を含む概念である。

端末制御部２５は、１つ以上のプロセッサを含む。端末制御部２５は、端末装置２０全体の動作を制御する。

端末制御部２５は、端末通信部２１を介して情報の送受信を行う。例えば、端末制御部２５は、コンテンツ生成支援に係る種々の情報及びプログラムを、サーバ装置１０及び他の外部サーバの少なくとも一方から受信する。端末制御部２５は、受信した情報及びプログラムを、端末記憶部２２に記憶する。例えば、端末記憶部２２には、Ｗｅｂサーバ８２０（図２参照）に接続するためのブラウザ（インターネットブラウザ）が格納されてよい。

端末制御部２５は、ユーザの操作に応じてコンテンツ生成支援アプリケーションを起動する。端末制御部２５は、サーバ装置１０と協動して、コンテンツ生成支援に係る処理を実行する。例えば、端末制御部２５は、表示部２３の画面上には、ユーザ操作を検出するＧＵＩ（Ｇｒａｐｈｉｃ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）が出力されてもよい。端末制御部２５は、入力部２４を介して、ユーザ操作を検出可能である。例えば端末制御部２５は、ユーザのジェスチャによる各種操作（タップ操作、ロングタップ操作、フリック操作、及びスワイプ操作等に対応する操作）を検出可能である。端末制御部２５は、操作情報をサーバ装置１０に送信してよい。

図２は、本開示に従ったコンピュータベースのオペレーションを実行する処理回路６００のブロック図である。以下で説明する処理回路６００は、図１に示したサーバ装置１０のサーバ通信部１１からサーバ制御部１３を実現するハードウェア構成として好適である。また、以下で説明する処理回路６００は、図１に示した端末装置２０の端末通信部２１、端末記憶部２２、及び端末制御部２５を実現するハードウェア構成として好適である。

処理回路６００は、任意のコンピュータベースおよびクラウドベースの制御プロセスを制御するために使用され、フローチャートにおける記述またはブロックは、プロセスにおける特定の論理機能またはステップを実装するための１つまたは複数の実行可能命令を含むコードのモジュール、セグメントまたは部分を表すものとして理解することができ、代替実装は、当業者に理解されるように、関連する機能性に応じて実質的に同時または逆順など図示または議論した順序とは異なる順序で機能を実行することができる本先端の例示的実施形態範囲内に含まれる。本明細書に開示された要素の機能は、開示された機能を実行するように構成またはプログラムされた汎用プロセッサ、特殊目的プロセッサ、集積回路、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔｓ）、従来の回路および／またはそれらの組み合わせを含み得る回路または処理回路を使用して実装され得る。プロセッサは、その中にトランジスタ及び他の回路を含むので、処理回路又は回路である。プロセッサは、メモリ６０２に格納されたプログラムを実行するプログラムされたプロセッサであってよい。本開示において、処理回路、ユニット、または手段は、言及された機能を実行する、または実行するようにプログラムされたハードウェアである。ハードウェアは、本明細書に開示された、またはそうでなければ公知の、言及された機能を実行するようにプログラムされるか構成される任意のハードウェアであってよい。

なお、図２では、処理回路６００は、バス６２８を介して接続されるディスプレイコントローラ６０６、ストレージコントローラ６２４、ネットワークコントローラ７０２、メモリ６０２、Ｉ／Ｏインターフェース６１２等が接続されている。この場合、処理回路６００は、ディスプレイコントローラ６０６を介してディスプレイ６０９に接続され、Ｉ／Ｏインターフェース６１２を介して、キーボードやマウス６１４、タッチスクリーン６１６、周辺装置６１８に接続されている。また、処理回路６００は、ネットワークコントローラ７０２を介してネットワーク３にアクセスする。なお、ディスプレイ６０９とディスプレイコントローラ６０６とは、ＶＧＡ、ＤＶＩ、ＤｉｓｐｌａｙＰｏｒｔ、及びＨＤＭＩのような、映像転送用の規格に基づく標準的な接続方法を介して接続されてよい。

図２において、処理回路６００は、本開示で議論される制御プロセスのうちの１つ以上を実行するＣＰＵ６０１を含む。処理データおよび命令は、メモリ６０２に格納されてもよい。また、これらのプロセスおよび命令は、ハードディスクドライブ（ＨＤＤ）または可搬型記憶媒体などの記憶媒体ディスク６０４（図２では、「ディスク」と表記）に格納されてもよいし、リモートで格納されてもよい。さらに、請求項に記載された発展的な特徴は、本開示プロセスの命令が格納されるコンピュータ可読媒体の形態によって制限されない。例えば、命令は、ＣＤ、ＤＶＤ、処理回路６００が通信する情報処理装置のＦＬＡＳＨ（登録商標）メモリ、ＲＡＭ、ＲＯＭ、ＰＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、ハードディスクまたは他の非一時的コンピュータ可読媒体、例えばサーバまたはコンピュータに格納されてもよい。また、プロセスは、ネットワークベースのストレージ、クラウドベースのストレージ、または他のモバイルアクセス可能なストレージに格納され、処理回路６００によって実行可能であってもよい。

さらに、請求項に記載された発展的な特徴は、ＣＰＵ６０１と、Ｍｉｃｒｏｓｏｆｔ Ｗｉｎｄｏｗｓ（登録商標）、ＵＮＩＸ（登録商標）、Ｓｏｌａｒｉｓ（登録商標）、ＬＩＮＵＸ（登録商標）、Ａｐｐｌｅ（登録商標）、ＭＡＣ－ＯＳ（登録商標）、Ａｐｐｌｅ ｉＯＳ（登録商標）および当業者に知られている他のシステムなどのオペレーティングシステムと連携して実行するユーティリティアプリケーション、バックグラウンドデーモン、またはオペレーティングシステムのコンポーネント、またはその組み合わせとして提供されてもよい。

処理回路６００を実現するためのハードウェア要素は、様々な回路要素によって実現され得る。さらに、上述した実施形態の各機能は、１つまたは複数の処理回路を含む回路によって実現されてもよい。処理回路は、特にプログラムされたプロセッサ、例えば、図ＸＸに示すように、プロセッサ（ＣＰＵ）６０１を含む。処理回路はまた、言及された機能を実行するために配置された特定用途向け集積回路（ＡＳＩＣ）および従来の回路構成要素のようなデバイスを含む。

図２において、処理回路６００は、コンピュータまたは特定の特別な目的の機械であってもよい。処理回路６００は、実装される装置（サーバ装置１０や端末装置２０）を制御するための処理を実行するようにプログラムされている。

代替的に、または追加的に、ＣＰＵ６０１は、当業者であれば認識するように、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、ＡＳＩＣ、ＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ）上に実装されてもよいし、ディスクリート論理回路を使用して実装されてもよい。さらに、ＣＰＵ６０１は、各種プロセスの命令を実行するために、並行して協調的に動作する複数のプロセッサとして実装されてもよい。

図２の処理回路６００は、また、ネットワーク３とインターフェースするための、イーサネットＰＲＯネットワークインタフェースカードなどのネットワークコントローラ７０２を含む。理解できるように、ネットワーク３は、インターネットなどの公衆ネットワーク、またはローカルエリアネットワーク（ＬＡＮ）もしくはワイドエリアネットワーク（ＷＡＮ）などのプライベートネットワーク、またはそれらの任意の組み合わせとすることができ、公衆交換電話網（ＰＳＴＮ：Ｐｕｂｌｉｃ Ｓｗｉｔｃｈｅｄ Ｔｅｌｅｐｈｏｎｅ Ｎｅｔｗｏｒｋ）または統合サービスデジタルネットワーク（ＩＳＤＮ：Ｉｎｔｅｇｒａｔｅｄ Ｓｅｒｖｉｃｅｓ Ｄｉｇｉｔａｌ Ｎｅｔｗｏｒｋ）、サブネットワークも含むことができる。ネットワーク３は、また、イーサネットネットワーク、ユニバーサルシリアルバス（ＵＳＢ：Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ケーブルなどの有線とすることができ、またはＥＤＧＥ、３Ｇ、４Ｇ及び５Ｇ無線セルラーシステムを含むセルラーネットワークなどの無線とすることができる。また、無線ネットワークは、Ｗｉ－Ｆｉ（登録商標）、無線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、または公知の他の無線通信形態とすることができる。さらに、ネットワークコントローラ７０２は、Ｂｌｕｅｔｏｏｔｈ（登録商標）、近距離無線通信（ＮＦＣ）、赤外線などの他の直接通信規格に準拠することができる。
また、図２には、サーバ装置１０の構成例が併せて示されている。図２に示す例では、サーバ装置１０は、リモートコンピュータ８１５，Ｗｅｂサーバ８２０、クラウドストレージサーバ８２５、及びコンピュータサーバ８３０を含む。リモートコンピュータ８１５、Ｗｅｂサーバ８２０、クラウドストレージサーバ８２５、及びコンピュータサーバ８３０のハードウェア構成の詳細は、説明しないが、処理回路６００と同様であってよい。

次に、図３以降を参照して、システム１の更なる詳細について説明する。

図３は、システム１において実行されてよい処理の一例の流れの概要を示すフローチャートである。図４から図８は、図３に示す処理の説明図である。

図３では、サーバ装置１０と、端末装置２０とに分けて処理が示されている。なお、機械学習モデル（第１機械学習モデルの一例）により実現される処理は、サーバ装置１０の処理であるが、便宜上、分けて示されている。以下では、一の端末装置２０について説明するが、他の端末装置２０においても同様の機能を実現できる。また、以下では、ユーザとは、特に言及しない限り、一の端末装置２０のユーザを指す。

ユーザは、端末装置２０を介して入力情報（所定入力の一例）を生成し（ステップＳ２１００）、サーバ装置１０に送信する（ステップＳ２１１０）。図３では、入力情報は、ユーザがイメージする画像に関連した情報である。例えば、ユーザが所望の画像を得たい場合、当該所望の画像を表す情報である。入力情報は、テキスト、記号、絵文字、数字、色、テクスチャ、画像、音声、ジェスチャ（モーションを含む）、及びこれらの任意の２つ以上の組み合わせのうちの、少なくともいずれか１つを含んでよい。テキストは、典型的には、意味を有する文字列であるが、意味のない文字列を含んでよい。また、入力情報は、テンプレート形式で入力可能とされてもよい。

サーバ装置１０は、入力情報を取得すると、所定の機械学習モデルに入力情報を入力して得られる特定画像を取得する（ステップＳ２２００、Ｓ２３００）。所定の機械学習モデルは、人工知能により構築された機械学習モデルであり、上述した入力情報のような入力に基づいて画像を生成し出力するモデルである。以下、区別のため、上述した入力情報のような入力に基づいて画像を生成し出力する所定の機械学習モデルを、「画像出力用モデル」とも称する。画像出力用モデルは、任意の態様で構築されてよいが、例えば、入力情報に基づく様々な文脈を反映した画像を生成できるようなモデルが望ましい。画像出力用モデルは、Ｌａｔｅｎｔ Ｄｉｆｆｕｓｉｏｎ Ｍｏｄｅｌｓ又はその類が利用されてもよい。

図４は、入力情報の生成方法の一例の説明図であり、意味空間での混合態様の一例として、各文字列がベクトル表現で示されている。入力情報の生成方法は、任意であるが、２つ以上の文字を組み合わせる概念（意味、文脈等）を混ぜることも可能である。例えば、図４に概念的に示すように、ある文字列Ａ（例えば、鳥）と、他の文字列Ｂ（例えば、海）とに基づいて、文字列Ｃ（例えば、海鳥としてかもめ）の画像を生成するように、画像出力用モデルが構築されてもよい。この場合、ユーザは、複数の文字列の合成だけでなく、複数の文字列の引き算による合成も利用すれば、適切な文字列が思いつかなくても、所望の特定画像を得る可能性を高めることができる。例えば、文字列Ｃと文字列Ｂとの引き算による合成は、文字列Ａの入力に等しいといった具合である。なお、上述したＤｉｆｆｕｓｉｏｎ Ｍｏｄｅｌは、ノイズ除去プロセスに、目的の文字列を近づける方向性を埋め込むため、単純な文字列の合成だけでは表現し難い詳細も画像化可能となりうる点で有利である。

特定画像は、静止画であってもよいし、動画であってもよい。特定画像の種類やサイズなどは、入力情報とは別の情報で指定可能であってもよいし、入力情報に含められてもよい。図５には、かもめが海の上を飛んでいる画像（特定画像）Ｇ５００の一例が示されている。このような特定画像は、例えば、入力情報が“鳥”及び“海”を含む場合に生成されうる。

また、入力情報は、いわゆるネガティブワードに係る文字列を含むことが可能とされてもよい。ネガティブワードは、上述した文字列の合成に係る“引き算”に近い概念であるが、ネガティブワードに係る文字列に関連した画像が含まれないようにするために用いられる。例えば、入力情報が、“鳥”及び“海”を含みつつ、ネガティブワードとして“かもめ”を含む場合、かもめが含まれないような特定画像が生成されてよい。

なお、サーバ装置１０は、入力情報に所定の禁止ワードが含まれているか否かを判定してもよく、所定の禁止ワードが含まれている場合、その旨を端末装置２０に通知して、所定の禁止ワードを含まない入力情報の再生成及び再送信をユーザに要求してもよい。この場合、所定の禁止ワードは、卑猥なワード、誹謗中傷、ヘイト等のような公序良俗違反に相当するワードや、他人の知的財産権を侵害する又はその蓋然性が高いワード等を含んでよい。所定の禁止ワードは、辞書形式でサーバ記憶部１２等に記憶及び蓄積されてよい。

図３に戻り、サーバ装置１０は、特定画像を取得すると、特定画像情報をサーバ記憶部１２に記憶する（ステップＳ２２１０）。特定画像情報は、特定画像の画像データとともに、当該特定画像の生成に用いた入力情報とを、互いに対応付けられた形態で含む。

ついで、サーバ装置１０は、特定画像のプレビュー表示を生成し（ステップＳ２２２０）、端末装置２０上でのプレビュー表示の出力を可能とする。ユーザは、端末装置２０上でプレビュー表示を見ながら（ステップＳ２１２０）、修正等の必要性を判断できる。なお、プレビュー表示は、特定画像自体であってもよいし、仮想空間で利用可能な任意のアイテム（例えばユーザにより指定される所望のアイテム）に反映させた表示として実現されてもよい。後者の場合、アイテムは、仮想空間におけるアバターに対応付け可能なアイテム（例えば図６に示すようなアバターＡ６の衣服６０１、６０２など）や、仮想空間に配置可能なアイテム（例えば図７に示すような家具全体Ｂ７やその構成要素ＩＴ７０１、ＩＴ７０２など）、又はこれらの任意の組み合わせ（例えば図８に示すような仮想空間内のアバターや家具の組み合わせ）等を含んでよい。この場合、プレビュー表示は、３次元表示であってよく、ＣＡＤ（Ｃｏｍｐｕｔｅｒ Ａｉｄｅｄ Ｄｅｓｉｇｎ）のビュワーと同様、パンや回転が可能とされてよい。例えば、アイテムがユーザのアバターの服である場合、特定画像を反映させた服を着せたアバターを生成し、当該アバターとともにプレビュー表示が可能とされてよい。

ユーザは、このようにして生成した特定画像に対して修正等の必要性がないと判断すると、最終版として、仮想空間で利用可能な任意のアイテム（例えばユーザにより指定される所望のアイテム）に対応付けするための対応付け指示を生成し、サーバ装置１０に送信する（ステップＳ２１３０）。対応付け指示は、対応付け対象のアイテムを特定するための情報を含んでよい。

サーバ装置１０は、対応付け指示を受信すると（ステップＳ２２３０）、対応付け対象のアイテムである所定アイテムに対して特定画像を対応付ける（ステップＳ２２４０）。対応付け方法は、任意であり、例えば、所定アイテムがユーザのアバターの服である場合、服の一部や全部が、特定画像を含むことで、特定画像の対応付けが実現されてもよい。このような反映方法は、入力情報とは別の情報で指定可能であってもよいし、入力情報に含められてもよい。

このようにして、図３に示す処理によれば、ユーザは、独自に画像を描画しなくても、自身のイメージに応じた入力情報を生成することで、特定画像を取得可能となり、仮想空間で利用可能な任意のアイテムに当該特定画像を反映させることができる。また、ベースになる画像として特定画像を与えることで任意の領域（例えば仮想空間内の領域）に新規のデザインを生成させることも可能となる。

なお、図３に示す処理において、対応付け対象のアイテムが事前に決まっている場合、ステップＳ２１００で生成される入力情報は、対応付け対象のアイテム（すなわち所定アイテム）の属性や名称を含んでもよい。この場合、所定アイテムの属性等を考慮した特定画像の取得が可能となりうる。また、プレビュー表示が不要な場合、入力情報は、ステップＳ２１３０の対応付け指示を含む態様でサーバ装置１０に一括的に送信されてもよい。

図１１は、システム１において実行されてよい処理の他の一例の流れの概要を示すフローチャートである。図１２は、図１１に示す処理の説明図である。

図１１では、サーバ装置１０と、端末装置２０とに分けて処理が示されている。なお、図３と同様、機械学習モデル（第２機械学習モデルの一例）により実現される処理は、サーバ装置１０の処理であるが、便宜上、分けて示されている。

ユーザは、端末装置２０を介して入力情報を生成し（ステップＳ４１００）、サーバ装置１０に送信する（ステップＳ４１１０）。図１１では、入力情報は、ユーザがイメージするアイテム形状に関連した情報である。例えば、ユーザが所望のアイテム形状を得たい場合、当該アイテム形状を表す情報である。入力情報は、テキスト、記号、絵文字、数字、色、テクスチャ、画像、音声、ジェスチャ（モーションを含む）、及びこれらの任意の２つ以上の組み合わせのうちの、少なくともいずれか１つを含んでよい。テキストは、典型的には、意味を有する文字列であるが、意味のない文字列を含んでよい。また、入力情報は、テンプレート形式で入力可能とされてもよい。

サーバ装置１０は、入力情報を取得すると、所定の機械学習モデルに入力情報を入力して得られるアイテム形状を取得する（ステップＳ４２００、Ｓ４３００）。所定の機械学習モデルは、人工知能により構築された機械学習モデルであり、上述した入力情報のような入力に基づいてアイテム形状を生成し出力するモデルである。以下、区別のため、上述した入力情報のような入力に基づいてアイテム形状を生成し出力する所定の機械学習モデルを、「アイテム形状出力用モデル」とも称する。なお、アイテム形状出力用モデルは、上述した画像出力用モデル等とは別のモデルが、統合的なモデルとして利用されてもよい。

入力情報の生成方法は、任意であり、図４を参照して上述した方法と同様であってもよい。

アイテム形状は、仮想空間で利用可能な任意のアイテムに係る形状であってよい。アイテム形状は、アイテムの属性に応じて、３次元形状であってもよいし、２次元形状であってもよい。例えば、アイテム形状に係るアイテムが服である場合、アイテム形状は、服の型紙の形態であってもよい。また、アイテム形状に係るアイテムが３次元物体である場合、アイテム形状は、３次元物体の図面の形態、３次元の形態、又はこれらの組み合わせであってよい。アイテム形状に係るアイテムの種類やサイズなどは、入力情報とは別の情報で指定可能であってもよいし、入力情報に含められてもよい。

また、入力情報は、いわゆるネガティブワードに係る文字列を含むことが可能とされてもよい。例えば、入力情報が、“車”及び“スポーツ”を含みつつ、ネガティブワードとして“ドイツ”を含む場合、ドイツ車以外のスポーツカーに係るアイテム形状が生成されてよい。

なお、サーバ装置１０は、図３の場合と同様、入力情報に所定の禁止ワードが含まれているか否かを判定してもよく、所定の禁止ワードが含まれている場合、その旨を端末装置２０に通知して、所定の禁止ワードを含まない入力情報の再生成及び再送信をユーザに要求してもよい。この場合、所定の禁止ワードは、卑猥なワード、誹謗中傷、ヘイト等のような公序良俗違反に相当するワードや、他人の知的財産権を侵害する又はその蓋然性が高いワード等を含んでよい。所定の禁止ワードは、辞書形式でサーバ記憶部１２等に記憶及び蓄積されてよい。

サーバ装置１０は、アイテム形状を取得すると、アイテム形状情報をサーバ記憶部１２に記憶する（ステップＳ４２１０）。アイテム形状情報は、アイテム形状のデータとともに、当該アイテム形状の生成に用いた入力情報とを、互いに対応付けられた形態で含む。

ついで、サーバ装置１０は、アイテム形状のプレビュー表示を生成し（ステップＳ４２２０）、端末装置２０上でのプレビュー表示の出力を可能とする。ユーザは、端末装置２０上でプレビュー表示を見ながら（ステップＳ４１２０）、修正等の必要性を判断できる。なお、プレビュー表示は、アイテム形状自体であってもよいし、画像（例えば上述した特定画像）に反映させたアイテム形状として実現されてもよい。プレビュー表示は、３次元表示であってよく、パンや回転が可能とされてよい。例えば、アイテム形状がユーザのアバターの服の形状である場合、アイテム形状は、型紙のような平面上の形態であってもよいし、ユーザのアバターに装着された３次元上の形態であってもよい。いずれの場合でも、プレビュー表示は、３次元的に実現されてもよい。この場合、例えば、図１２に示すように、アイテム形状は、当該アイテム形状を反映させた衣服のアイテムＩＴ６０１Ａ、ＩＴ６０２Ａを着せたアバターＡ６とともにプレビュー表示が可能とされてもよい。

ユーザは、このようにして生成したアイテム形状に対して修正等の必要性がないと判断すると、最終版として、仮想空間で利用可能な任意のアイテム（例えばユーザにより指定される所望のアイテム）を形状付けするための形状付け指示を生成し、サーバ装置１０に送信する（ステップＳ４１３０）。形状付け指示は、形状付け対象のアイテム（所定アイテム）を特定するための情報を含んでよい。

サーバ装置１０は、形状付け指示を受信すると（ステップＳ４２３０）、形状付け対象のアイテムである所定アイテムを形状付ける（ステップＳ４２４０）。形状付け方法は、任意であり、例えば、所定アイテムがユーザのアバターの服である場合、服の一部や全部が、アイテム形状を含むことで、形状付けが実現されてもよい。また、このような形状付けは、所定アイテムのサイズに合わせて実現されてよい。このような反映方法は、入力情報とは別の情報で指定可能であってもよいし、入力情報に含められてもよい。

このようにして、図１１に示す処理によれば、ユーザは、独自にアイテム形状を描画しなくても、自身のイメージに応じた入力情報を生成することで、アイテム形状を取得可能となり、仮想空間で利用可能な任意のアイテムに当該アイテム形状を反映させることができる。

なお、図１１に示す処理において、対応付け対象のアイテムが事前に決まっている場合、ステップＳ４１００で生成される入力情報は、対応付け対象のアイテム（すなわち所定アイテム）の属性や名称を含んでもよい。この場合、所定アイテムの属性等を考慮したアイテム形状の取得が可能となりうる。

図９は、システム１において実行されてよい処理の他の一例の流れの概要を示すフローチャートである。図１０は、図９に示す処理の説明図である。

図９では、サーバ装置１０と、端末装置２０とに分けて処理が示されている。なお、図３と同様、機械学習モデル（第３機械学習モデルの一例）により実現される処理は、サーバ装置１０の処理であるが、便宜上、分けて示されている。

ユーザは、端末装置２０を介して入力情報を生成し（ステップＳ３１００）、サーバ装置１０に送信する（ステップＳ３１１０）。図９では、入力情報は、ユーザがイメージするアイテム表面のテクスチャに関連した情報である。例えば、ユーザが所望のテクスチャを得たい場合、当該テクスチャを表す情報である。入力情報は、テキスト、記号、絵文字、数字、色、テクスチャ、画像、音声、ジェスチャ（モーションを含む）、及びこれらの任意の２つ以上の組み合わせのうちの、少なくともいずれか１つを含んでよい。テキストは、典型的には、意味を有する文字列であるが、意味のない文字列を含んでよい。また、入力情報は、テンプレート形式で入力可能とされてもよい。

サーバ装置１０は、入力情報を取得すると、所定の機械学習モデルに入力情報を入力して得られるアイテムテクスチャを取得する（ステップＳ３２００、Ｓ３３００）。所定の機械学習モデルは、人工知能により構築された機械学習モデルであり、上述した入力情報のような入力に基づいてテクスチャ（アイテムテクスチャ）を生成し出力するモデルである。以下、区別のため、上述した入力情報のような入力に基づいてテクスチャを生成し出力する所定の機械学習モデルを、「テクスチャ出力用モデル」とも称する。なお、テクスチャ出力用モデルは、上述した画像出力用モデルとは別のモデルが、統合的なモデルが利用されてもよい。

入力情報の生成方法は、任意であり、図４を参照して上述した方法と同様であってもよい。

アイテムテクスチャは、仮想空間で利用可能な任意のアイテムに係る表面のテクスチャを表してよい。アイテムテクスチャは、アイテムの属性に応じて、視認可能なテクスチャとなるように粒度等が調整可能とされてよい。テクスチャに係るアイテムの種類やサイズなどは、入力情報とは別の情報で指定可能であってもよいし、入力情報に含められてもよい。

アイテムテクスチャは、無地のテクスチャのみであってもよいが、図１０に示すように、柄などを含むテクスチャであってもよい。この場合、柄は、あくまでテクスチャをわかりやすくするための柄であってもよいし、あるいは、テクスチャとの組み合わせで利用可能な柄であってもよい。なお、図１０に示す例では、上側のテクスチャＴｘ１は、比較的表面の凹凸が少ない形態である一方、下側のテクスチャＴｘ２は、比較的表面の凹凸が多い形態である。

また、入力情報は、いわゆるネガティブワードに係る文字列を含むことが可能とされてもよい。例えば、入力情報が、“外壁”及び“マンション”を含みつつ、ネガティブワードとして“吹付け”を含む場合、吹付け以外のマンション外壁に係るテクスチャ（例えばレンガやタイルを含むテクスチャ）が生成されてよい。

なお、サーバ装置１０は、図３の場合と同様、入力情報に所定の禁止ワードが含まれているか否かを判定してもよく、所定の禁止ワードが含まれている場合、その旨を端末装置２０に通知して、所定の禁止ワードを含まない入力情報の再生成及び再送信をユーザに要求してもよい。この場合、所定の禁止ワードは、卑猥なワード、誹謗中傷、ヘイト等のような公序良俗違反に相当するワードや、他人の知的財産権を侵害する又はその蓋然性が高いワード等を含んでよい。所定の禁止ワードは、辞書形式でサーバ記憶部１２等に記憶及び蓄積されてよい。

サーバ装置１０は、アイテムテクスチャを取得すると、アイテムテクスチャ情報をサーバ記憶部１２に記憶する（ステップＳ３２１０）。アイテムテクスチャ情報は、アイテムテクスチャのデータとともに、当該アイテムテクスチャの生成に用いた入力情報とを、互いに対応付けられた形態で含む。

ついで、サーバ装置１０は、アイテムテクスチャのプレビュー表示を生成し（ステップＳ３２２０）、端末装置２０上でのプレビュー表示の出力を可能とする。ユーザは、端末装置２０上でプレビュー表示を見ながら（ステップＳ３１２０）、修正等の必要性を判断できる。なお、プレビュー表示は、アイテムテクスチャ自体であってもよいし、任意のアイテムに反映させたアイテムテクスチャとして実現されてもよい。プレビュー表示は、３次元表示であってよく、パンや回転が可能とされてよい。例えば、対象のアイテムが、ユーザのアバターの服である場合、アイテムテクスチャに反映させた服を着せたアバターを生成し、当該アバターとともにプレビュー表示が可能とされてよい。

ユーザは、このようにして生成したアイテムテクスチャに対して修正等の必要性がないと判断すると、最終版として、仮想空間で利用可能な任意のアイテム（例えばユーザにより指定される所望のアイテム）に対応付けするための対応付け指示を生成し、サーバ装置１０に送信する（ステップＳ３１３０）。対応付け指示は、対応付け対象のアイテム（所定アイテム）を特定するための情報を含んでよい。

サーバ装置１０は、対応付け指示を受信すると（ステップＳ３２３０）、対応付け対象のアイテムである所定アイテムを、アイテムテクスチャにより対応付ける（ステップＳ３２４０）。対応付け方法は、任意であり、例えば、所定アイテムがユーザのアバターの服である場合、服の一部や全部が、アイテムテクスチャを含むことで、対応付けが実現されてもよい。また、このような対応付けは、所定アイテムのサイズに合わせて実現されてよい。このような反映方法は、入力情報とは別の情報で指定可能であってもよいし、入力情報に含められてもよい。

このようにして、図９に示す処理によれば、ユーザは、独自にアイテムテクスチャを描画しなくても、自身のイメージに応じた入力情報を生成することで、所望のアイテムテクスチャを取得可能となり、仮想空間で利用可能な任意のアイテムに当該アイテムテクスチャを反映させることができる。

なお、図９に示す処理において、対応付け対象のアイテムが事前に決まっている場合、ステップＳ３１００で生成される入力情報は、対応付け対象のアイテム（すなわち所定アイテム）の属性や名称を含んでもよい。この場合、所定アイテムの属性等を考慮したアイテムテクスチャの取得が可能となりうる。

次に、図１３Ａから図１３Ｃを参照して、上述したプレビュー表示の際に好適なＵＩ（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）について説明する。図１３Ａから図１３Ｃに示すＵＩは、仮想空間内で利用可能なＵＩであってよく、ユーザの視野内に配置されてよい。

図１３Ａは、入力情報の生成／入力や、複数の特定画像を混ぜる指示等が可能なＵＩ１３の一例を示す図である。

図１３Ａに示す例では、ＵＩ１３は、４つの特定画像表示領域Ｐ１３と、入力領域Ｋ１３０とを含む。入力領域Ｋ１３０は、入力文字出力領域Ｋ１３１と、文字入力部Ｋ１３２とを含む。４つの特定画像表示領域Ｐ１３は、図３を参照して上述した方法で得られる特定画像を出力する領域であってよい。なお、４つの特定画像表示領域Ｐ１３の一部又は全部は、図３を参照して上述した方法で得られる特定画像に代えて又は加えて、図９を参照して上述した方法で得られるアイテムテクスチャ、及び／又は、図１１を参照して上述した方法で得られるアイテム形状を出力することが可能とされてもよい。

入力文字出力領域Ｋ１３１は、上述した各種入力情報を表示する領域であってよい。また、文字入力部Ｋ１３２は、上述した各種入力情報を入力するためのＵＩであってよく、例えばキーボードの形態であってよい。なお、入力文字出力領域Ｋ１３１への文字等の入力は、音声入力等のような他の入力により実現可能とされてもよい。また、入力文字出力領域Ｋ１３１には、人工知能等に基づいて導出された入力候補ワードが列挙されてもよい。例えば、繰り返しパターンや継ぎ目のないパターンのようなパターンを指示するためのワードや、ブレンド等のような画像合成などの画像操作を指示するワード等、入力情報として好適なワードが列挙されてもよい。この場合、ユーザは、多くの文字を入力することなく、所望の文字を入力できる。これは、特にユーザがヘッドマウントディスプレイを装着してメタバース空間に滞在する場合に好適である。このような環境下では、現実とは異なり、手動による細かい部分の指定や細かい入力に困難を伴う場合が多いためである。

図１３Ａに示すＵＩ１３において、ユーザは、複数の特定画像表示領域Ｐ１３のうちから、所望の１つの特定画像表示領域Ｐ１３を選択することで、選択された特定画像表示領域Ｐ１３に表示されている特定画像等を、選択可能とされてよい。選択された特定画像等は、上述したように、所定アイテムに反映されてよい。また、ユーザは、複数の特定画像表示領域Ｐ１３に表示した特定画像等のうちから、２つ以上を選択することで、特定画像同士の混合や、アイテムテクスチャ同士の混合、特定画像とアイテムテクスチャの組み合わせ、特定画像とアイテム形状の組み合わせ、アイテムテクスチャとアイテム形状の組み合わせ、特定画像とアイテムテクスチャとアイテム形状の組み合わせ等が可能とされてもよい。この場合、多様なパラメータを組み合わせることで、所望のアイテムの形成が容易となり、ユーザの利便性が向上する。

このようなＵＩ１３は、上述したプレビュー表示（例えば図３のステップＳ２１２０参照）の際に好適である。例えば、ユーザは、プレビュー表示上で、ＵＩ１３を操作することで、特定画像の微調整等が可能となる。

図１３Ｂは、色調整が可能なＵＩ１４の一例を示す図である。

図１３Ｂに示す例では、ＵＩ１４は、複数の色を表現した複数の区画（素材の色属性）Ｐ１４０を含む。複数の区画Ｐ１４０のそれぞれには、異なる色が割り当てられ、対応する色により色付けされてよい。図１３Ｂでは、２０×２０のアレイであるが、より多数の区画が用意されてもよい。また、複数の区画Ｐ１４０の色の設定は、ユーザによりカスタマイズ可能であってもよいし、動的に値が変化する変数として与えることもできる。また、ＲＧＢ値に限定されず、透明度やマテリアルの反射等のパラメータを含めることもできる。また、色付け対象のアイテム等に応じて事前に設定されたカラーセットとして提案することができ、色付け対象のアイテム等に応じてＡＩ等により自動的に設定されてもよい。また、ＵＩ１４の全体の形態も任意であり、色付け対象のアイテム等に応じて変化してもよい。例えば顔の目周りの色付けの場合、ＵＩ１４の全体の形態は、化粧品のアイシャドウパレットの形態であってもよい。また、このようなＵＩ１４は、ベースになるカラーセットを含む画像を与えると自動的に生成されてもよい。

図１３Ｂに示すＵＩ１４において、ユーザは、複数の区画Ｐ１４０のうちから、所望の１つの区画Ｐ１４０を選択することで、選択された区画Ｐ１４０に対応付けられている色を、選択可能とされてよい。この場合、選択された色は、上述したように、所定アイテムの一部又は全部に反映されてよい。

このようなＵＩ１４は、上述したプレビュー表示（例えば図３のステップＳ２１２０参照）の際に好適である。例えば、ユーザは、プレビュー表示上で、ＵＩ１４を操作することで、特定画像の一部又は全部（又はそれに伴い当該特定画像が反映された所定アイテムの一部又は全部）の色や色味等の調整が可能となる。また、その他のパラメータとして、反射率やラフネス、マテリアル（例えば描画対象のアイテムの素材の特性）等が調整可能とされてもよい。ただし、反射率等は、テクスチャとして調整可能されてもよい。

図１３Ｃは、アイテム選択が可能なＵＩ１５の一例を示す図である。

図１３Ｃに示す例では、ＵＩ１５は、アイテムごとの複数の区画Ｐ１５０を含む。複数の区画Ｐ１５０のそれぞれには、異なるアイテム又はアイテムの部位（アイテムの一部）が割り当てられ、対応するアイテムの概略形状等が示されてよい。図１３Ｃでは、複数の区画Ｐ１５０の数は、５であり、全体が円環状であるが、数や形状は任意である。このような円環状は、アイテム数が増えた場合（例えば５つから８つへ増加した場合）にも、ボタン等のＵＩを増やすことなく円環状のままその角度を変更するだけでよいので、ボタン等のＵＩに比べて有利である。

図１３Ｃに示すＵＩ１５において、ユーザは、複数の区画Ｐ１５０のうちから、所望の１つの区画Ｐ１５０を選択することで、選択された区画Ｐ１５０に対応付けられているアイテム又はその部位を、選択可能とされてよい。この場合、選択されたアイテム又はその部位は、上述したように、ＵＩ１３及び／又はＵＩ１４による編集が可能とされてよい。なお、複数の区画Ｐ１５０で選択可能なアイテム又はその部位は、ユーザの所持しているアイテム等であってよい。

このようなＵＩ１５は、複数のアイテムを同時に編集するための、上述したプレビュー表示（例えば図３のステップＳ２１２０参照）の際に好適である。例えば、ユーザは、プレビュー表示上で、ＵＩ１５を操作することで、ユーザのアバターの一部又は全部のアイテムを選択しつつ編集が可能となる。

例えば、図１４に示す例では、アバターに装着可能な衣服や装飾について、型紙やパーツごとに管理されている。具体的には、図１４において、上側には、衣服や装飾を身に着けたアバターが模式的に示されており、下側に、衣服や装飾を形成（描画）するための型紙やパーツが模式的に示されている。なお、このような型紙ごとへの描画は、ステンシルバッファ等を利用して実現されてよい。また、型紙への画像の配置態様がＵＶの２軸の位置調整により調整可能されてもよい。一の３次元のアイテムに対して、対応する型紙を介して特定画像の描画を行うことで、３次元の表面上に特定画像を貼り付ける場合に比べて、処理負荷を低減できる。

図１５には、メタバース空間で利用可能な操作子１５００の一例が模式的に示されている。この場合、操作子１５００は、レーザポインタのような形態であり、ポインタの指す位置のＵＩをアクティブにしたり、選択したりすることができる。例えば、図１４には、操作子１５００により選択されている箇所がポイントＰ１４で模式的に示されている。この場合、ユーザは、ポイントＰ１４を所望のアイテムの部位上へと動かすことで、当該部位に対する操作が可能となってよい。また、図１５に示す例では、図１３Ａに示すＵＩ１３を操作するユーザの操作子１５００の状態が示されている。なお、操作子１５００は、実世界でユーザ（ヘッドマウントディスプレイを装着するユーザ）が手に持つ入力装置（例えばコントローラ）からの入力に応じて動くことが可能とされてよい。
なお、図１５に示す例では、操作子１５００を用いた入力方法であるが、上述したように、入力方法は、音声入力による部位等の指示や、文字の代わりにキーワードを入力するといった、多様な形態が可能である。

なお、図１３Ａ等に示した各種ＵＩは、あくまで一例であり、多様な態様で変更可能である。また、図１３Ａ等に示した各種ＵＩ以外のＵＩが利用可能とされてもよい。例えば、アイテムの物理的パラメータ（例えば剛性、重力や抵抗、衝突半径）が設定可能なＵＩが用意されてもよい。なお、重力や抵抗は、アバターの髪の毛や衣服のようなアイテムに対応付けられてよいパラメータであり、髪の毛や衣服の動的な挙動（揺れなど）に影響するパラメータである。また、衝突半径は、仮想空間内での他のアイテムとの衝突（干渉）が発生する際の距離を規定するパラメータである。これらのパラメータは、人工知能によりアイテムの属性ごとに自動的にデフォルト値が用意されてもよい。

次に、図１６を参照して、システム１において実現可能とされてもよい更なる機能を説明する。

図１６は、システム１において実現可能なユーザ側の操作手順の例を概略的に示すフローチャートである。図１７は、図１６の手順の説明図であり、アバターの服（着物）をユーザが編集している様子を表す画面である。なお、図１７に示す画面は、ヘッドマウントディスプレイの形態である端末装置２０の表示部２３上の画面であってよい。

図１６では、図８に示したような仮想空間内に家具等のアイテムＩＴ８００、ＩＴ８０１を配置するとともに、配置したアイテムやユーザのアバターＡ６のアイテムＩＴ６０１、ＩＴ６０２を編集等するための操作手順が一例として示されている。以下の操作手順に基づく各種機能は、ユーザにより例えば端末装置２０の入力部２４を介して実現可能である。

ステップＳ１７００では、ユーザは、仮想空間内に家具等のアイテムを配置する。なお、一のユーザによりアイテムを配置可能な仮想空間は、任意であるが、例えば、当該一のユーザが所有する仮想空間内の領域（土地）上の空間であってもよい。また、配置可能なアイテムは、ユーザが所有するアイテムであってもよい。

ステップＳ１７０２では、ユーザは、仮想空間内の各種アイテムのうちの、編集対象のアイテム又はアイテム内の部位を選択する。この選択は、例えば図１３Ｃに示したＵＩ１５を介して実現されてもよい。

ステップＳ１７０４では、ユーザは、入力情報を生成する。入力情報は、上述したとおりであり、例えばオリジナルキーワード等であってよい。なお、入力情報の生成は、例えば図１３Ａに示したＵＩ１３を介して実現されてもよい。

ステップＳ１７０６では、ユーザは、入力情報の一部として、ネガティブワードを入力する。ネガティブワードは、上述したとおりである。なお、ステップＳ１７０６の操作は、適宜、省略されてもよい。

このようにしてステップＳ１７０４（及びステップＳ１７０６）が終了すると、図４を参照して上述したように、入力情報に応じた特定画像が生成される。このようにして生成された特定画像は、プレビュー表示として、ステップＳ１７０２で選択された部位に反映されてよい。すなわち、ステップＳ１７０２で選択された部位は、生成された特定画像を含む態様で描画されてよい。

ステップＳ１７０８では、ユーザは、特定画像のカラーバリエーションを指定する。特定画像のカラーバリエーションの指定は、例えば図１３Ｂに示したＵＩ１４を介して実現されてもよい。

ステップＳ１７１０では、ユーザは、プレビュー表示の特定画像に、参考画像を混ぜることで、特定画像に変化を与える。参考画像は、例えば図１３Ａに示したＵＩ１３の特定画像表示領域Ｐ１３に表示されていてよく、混合したい参考画像を含む特定画像表示領域Ｐ１３をユーザが選択することで実現されてもよい。なお、参考画像は、混合用にあらかじめ用意された画像であってよいし、上述したように、他の入力情報に基づいて生成された他の特定画像であってもよい。なお、ステップＳ１７１０は、任意の操作であり、適宜、省略されてもよい。

ステップＳ１７１２では、ユーザは、このようにして得られた特定画像が反映された編集対象のアイテム又はアイテム内の部位を、パンや回転などを介して３次元的にレビューする。

ステップＳ１７１４では、ユーザは、編集対象のアイテム又はアイテム内の部位を変化させつつ、編集を繰り返す。例えば、図１７に示すように、図１３Ａから図１３Ｃに示したような各種ＵＩ１３、ＵＩ１４、ＵＩ１５が同時に表示された状態で、ユーザは、図１５に示したような操作子１５００を用いて、各種操作を実現してよい。

ステップＳ１７１６では、ユーザは、満足できる態様で特定画像が反映されたアイテムが得られると、ストア審査申請を行う。ストア審査申請は、サーバ装置１０で受け付けられ、その際の処理は、後述する。

なお、図１６では、特定画像に係る編集を説明したが、上述したアイテム形状やアイテムテクスチャについても同様であってよい。ユーザは、アイテム形状やアイテムテクスチャを編集し終えると、ストア審査申請を行ってよい。ストア審査申請は、アイテムごとに実行されてよい。

図１８は、ストア審査申請を受けた際にサーバ装置１０により実現されてもよい処理のフローチャートである。図１８では、サーバ装置１０と、端末装置２０と、スマートコントラクト（ブロックチェーンネットワーク５）に分けて処理が示されている。

ユーザは、端末装置２０を介してストア審査申請を生成し（ステップＳ５１００）、サーバ装置１０に送信する（ステップＳ５１１０）。ストア審査申請は、申請対象のアイテムを指定する情報を含んでよい。

サーバ装置１０は、ストア審査申請を受信すると、申請対象の情報を取得する（ステップＳ５２００）。申請対象の情報は、申請対象のアイテム、申請対象のアイテムに対応付けられている特定画像、申請対象のアイテムを形状付けているアイテム形状、及び申請対象のアイテムに対応付けられているアイテムテクスチャの情報を含んでよい。

サーバ装置１０は、取得した申請対象の情報に基づいて、申請対象のアイテムのユニークネスを評価する（ステップＳ５２１０）。ユニークネスとは、独自性（オリジナリティ）に相関するパラメータである。なお、ユニークネスの評価に代えて、等価的に、他のアイテムとの類似性を評価してもよい。ユニークネスの高／低は、類似性の低／高に対応するためである。従って、以下の説明では、ユニークネスは、類似性と読み替えることができ、その際、ユニークネスの高い状態は、類似性の低い状態に対応し、かつ、ユニークネスの低い状態は、類似性の高い状態に対応する。

ユニークネスの評価方法は、任意であるが、好ましくは、以下の通りである。申請対象のアイテムが、入力情報に基づき生成された特定画像を含む場合、ユニークネスは、特定画像と、他の画像との間の外観等の類似性に基づいて評価されてもよい。この際、ユニークネスは、特定画像の生成に利用された入力情報（画像出力用モデルへの入力情報）が考慮されてもよい。例えば、一の特定画像の生成に利用された入力情報が、他の画像の生成に利用された入力情報に類似する場合、当該一の特定画像のユニークネスは、低い値に算出されてもよい。この場合、入力情報同士の比較に基づいて、ユニークネスを算出できるので、処理負荷を低減しつつ、算出結果の信頼性を高めることができる。入力情報同士の比較は、例えばＷｏｒｄ２ｖｅｃのような自然言語処理における単語の埋め込みが利用されてもよい。Ｗｏｒｄ２ｖｅｃの場合、入力情報に含まれる各文字（単語）のうちの、ベクトル空間内で近くに配置される単語ベクトル同士は、高い類似関係を有すると判定されてもよい。このような自然言語処理を利用することで、入力情報同士の類似性を効率的に判定できる。また、各種多様な種類の言語に対しても、入力情報同士の類似性を効率的に判定できる。また、Ｄｉｆｆｕｓｉｏｎ ＭｏｄｅｌのようにＬａｔｅｎｔ ｓｐａｃｅでの比較や、内部で使用されてよいＣＬＩＰ（Ｃｏｎｔｒａｓｔｉｖｅ Ｌａｎｇｕａｇｅ－Ｉｍａｇｅ Ｐｒｅ－ｔｒａｉｎｉｎｇ）におけるワードの編集距離やユークリッド距離に基づくことも可能である。

サーバ装置１０は、更に、取得した申請対象の情報に基づいて、知的財産権に関する評価を行ってもよい（ステップＳ５２２０）。知的財産権に関する評価は、申請対象のアイテムの外観が他人の意匠権等を明らかに侵害しているか否かの観点から実行されてもよい。また、知的財産権に関する評価は、申請対象のアイテムに他人の商標権に係る商標が含まれているか否かの観点から実行されてもよい。なお、図１８では図示しないが、申請対象のアイテムの外観が、明らかに公序良俗に反するか否かの観点からの評価（チェック）が実行されてもよい。

サーバ装置１０は、ユニークネスの評価結果を通知する（ステップＳ５２３０）。通知結果は端末装置２０上に表示されてよい（ステップＳ５１２０）。なお、この際、知的財産権の評価結果は、通知しなくてもよいが、明らかに他人の権利を侵害する場合やその蓋然性が高い場合は、その旨の通知を行ってもよい。また、明らかに公序良俗に反する場合やその蓋然性が高い場合についても同様である。明らかに他人の権利を侵害する場合やその蓋然性が高い場合、及び／又は、明らかに公序良俗に反する場合やその蓋然性が高い場合は、申請が不能とされてもよい。

ついで、サーバ装置１０は、申請対象のアイテムを、所定のデータベース等に記憶する申請完了処理を行う（ステップＳ５２４０）。このようにして記憶されたアイテムは、別の申請対象のアイテムのユニークネスの評価（ステップＳ５２１０）の際に利用されてもよい。なお、図１８では図示しないが、申請完了処理が終了すると、端末装置２０にその旨の通知が実行されてもよい。

その後、サーバ装置１０は、申請完了処理を経たアイテムに対して、ユーザがＮＦＴ化要求を行うと（ステップＳ５１３０）、ＮＦＴ化処理を実行する（ステップＳ５２５０）。ＮＦＴ化処理は、対象のアイテムをＮＦＴ（Ｎｏｎ－Ｆｕｎｇｉｂｌｅ Ｔｏｋｅｎ）として発行することを含む。この場合、サーバ装置１０は、ブロックチェーンネットワーク５上のスマートコントラクトを介してミントされてよい（ステップＳ５３００）。なお、ＮＦＴ化処理は、発行されたＮＦＴを更にマーケットプレイス等でリストすることを含んでもよい。

図１９は、ユニークネスの評価処理の一例を示す概略的なフローチャートである。

ステップＳ１０００では、サーバ装置１０は、判定対象の特定画像の特定画像情報に基づいて、当該特定画像に対応付けられている入力情報を取得（抽出）する。

ステップＳ１００２では、サーバ装置１０は、比較対象の画像を抽出する。比較対象の画像は、所与のデータベース内に蓄積されていてよい。比較対象の画像は、１つずつ抽出されてよい。

ステップＳ１００４では、サーバ装置１０は、比較対象の画像と判定対象の特定画像との間で外観要素同士の類似性を算出する。外観要素とは、例えば、色、テクスチャ、及び模様、のうちの少なくともいずれか１つを含んでよい。また、外観要素は、構図（配置）などの他の要素を含んでもよい。外観要素同士の類似性の算出方法は、任意であるが、例えばスコアとして算出されてもよい。例えば、服を装着したアバターを方位角３６０度の範囲にわたり及び／又は仰角９０度の範囲にわたり回転させ、撮影した画像の類似性（色・形状）を数値として評価してもよい。

ステップＳ１００６では、サーバ装置１０は、比較対象の画像に係る入力情報を取得（抽出）する。比較対象の画像に係る入力情報とは、当該比較対象の画像の生成に用いた入力情報であって、画像出力用モデルに入力された入力情報である。かかる入力情報は、比較対象の画像と対応付けて、所与のデータベースに記憶されてよい。なお、本実施形態では、比較対象の画像は、かかる入力情報が対応付けられている画像だけであってもよい。

ステップＳ１００８では、サーバ装置１０は、判定対象の特定画像に係る入力情報と、比較対象の画像に係る入力情報とに基づいて、入力情報同士の類似性を算出する。入力情報同士の類似性は、上述したように、Ｗｏｒｄ２ｖｅｃを利用して算出されてもよい。これは、画像出力用モデルに入力される入力情報に含まれる文字が一致又は類似していると、同様の特定画像が生成される可能性が高くなるためである。

ところで、画像出力用モデルに入力される入力情報は、画像出力用モデルに依存するが、生成される特定画像のユニークネスを確保する等のために、乱数のシード値を含む場合がある。この場合、画像出力用モデルに入力される入力情報に含まれる乱数のシード値が一致していると、同様の特定画像が生成される可能性が高くなる。従って、この場合、サーバ装置１０は、更に、乱数のシード値同士の関係に基づいて、入力情報同士の類似性を算出してもよい。

ステップＳ１０１０では、サーバ装置１０は、ステップＳ１００４で算出した外観要素同士の類似性と、ステップＳ１００８で算出した入力情報同士の類似性とに基づいて、ユニークネス値を算出する。この場合、ユニークネス値は、ステップＳ１００４で算出した外観要素同士の類似性と、ステップＳ１００８で算出した入力情報同士の類似性とのうちの、一方（例えば類似性が高い方）だけを利用して算出されてもよいし、平均や組み合わせにより算出してもよい。

ステップＳ１０１２では、サーバ装置１０は、比較対象の画像をすべて抽出したか否かを判定する。すなわち、すべての比較対象の画像に対する判定対象の特定画像のユニークネスの評価が完了したか否かを判定する。判定結果が“ＹＥＳ”の場合、ステップＳ１０１４に進み、それ以外の場合は、ステップＳ１００２に戻り新たな比較対象の画像を抽出して、ステップＳ１００４からの処理を繰り返す。

ステップＳ１０１４では、サーバ装置１０は、すべての比較対象の画像に対する判定対象の特定画像のユニークネスの評価結果に基づいて、ユニークネス値を出力する。この場合、比較対象の画像ごとのユニークネス値が出力されてもよいし、最小値（最も類似する比較対象の画像に対するユニークネス値）のような特定の値だけが出力されてもよい。

図１９に示す例によれば、外観要素同士の類似性と、入力情報同士の類似性とに基づいて、判定対象の特定画像のユニークネスを評価するので、一方だけに基づいてユニークネスを評価する場合に比べて、評価結果の信頼性を高めることができる。ただし、変形例では、外観要素同士の類似性及び入力情報同士の類似性のいずれか一方だけに基づいて、判定対象の特定画像のユニークネスを評価してもよい。

次に、図２０以降を参照して、システム１におけるサーバ装置１０の機能の一例を説明する。

なお、以下の説明では、主にサーバ装置１０の機能については説明するが、以下のサーバ装置１０の機能の一部又は全部は、１つ以上の端末装置２０により実現されてもよい。

図２０は、サーバ装置１０の機能の一例を概略的に示すブロック図である。

図２０に示す例では、サーバ装置１０は、操作入力取得部１５０、画像取得部１５２、画像対応付け処理部１５４、形状情報取得部１５６、形状付け処理部１５８、付加情報取得部１６０、アイテム表面処理部１６２、編集処理部１６４、判定部１６６、パラメータ算出部１６８、出力処理部１７０、情報管理部１７２、画像管理部１７３、アイテム管理部１７４、トークン管理部１７６、コンテスト処理部１７８、評価用情報記憶部１９０、及びユーザ情報記憶部１９２を含む。なお、操作入力取得部１５０等の各処理部は、図１に示したサーバ通信部１１やサーバ制御部１３により実現できる。また、評価用情報記憶部１９０やユーザ情報記憶部１９２のような記憶部は、図１に示したサーバ記憶部１２により実現できる。

操作入力取得部１５０は、端末装置２０の入力部２４を介して入力される各ユーザによる各種ユーザ入力を取得する。各種入力は、上述したとおりである。

画像取得部１５２は、ユーザからの入力情報に基づいて、特定画像を取得する。特定画像の取得方法は、図３のステップＳ２２００に関連して上述したとおりであってよい。

画像対応付け処理部１５４は、仮想空間で利用可能な所定アイテムに対して特定画像を対応付ける。所定アイテムは、上述したとおりであってよい。また、特定画像の対応付け方法は、図３のステップＳ２２４０に関連して上述したとおりであってよい。

画像対応付け処理部１５４は、取得した特定画像又は特定画像の一部を変更した派生画像を、複数のアバターに係る所定アイテムに同時に対応付けてもよい。特定画像の一部を変更した派生画像とは、全く同じ画像ではないものの、共通の特徴や、統一感を組み合わせで出すことができる特徴等を有する画像であってよい。この場合、特定の関係を有する複数のアバターの所定アイテムに対して、一度に特定画像等を対応付けることができ、それぞれ別々に類似の特定画像を取得して対応付ける場合に比べて、処理負荷を低減できる。図２１には、バンド演奏を行う４人のアバターＡ１からＡ４が模式的に示されている。画像対応付け処理部１５４は、このような仲間同士の複数のアバターに対して、特定画像又は特定画像の一部を変更した派生画像を、同時に対応付けてもよい。この場合、対応付け指示（図９のステップＳ３１３０参照）は、複数のアバターに係るユーザのうちの、任意の１人以上のユーザにより生成されてもよい。あるいは、すべてのユーザからの対応付け指示（図９のステップＳ３１３０参照）に基づいて、複数のアバターに係る所定アイテムに対して同時に対応付けるための対応付け指示が生成されてもよい。

なお、上述した特定の関係は、複数のアバターが、一のユーザにすべて紐付けられている関係（１人のユーザがグループのアバターに対応付けられている場合）を含んでよい。また、上述した特定の関係は、このような関係に代えて又は加えて、一のユーザと一のアバターが紐付けられているが、複数のユーザ同士が紐付けられている関係（例えばユーザ同士がフレンド関係）を含んでもよい。

形状情報取得部１５６は、ユーザからの入力情報に基づいて、アイテム形状（形状情報の一例）を取得する。アイテム形状の取得方法は、図１１のステップＳ４２００に関連して上述したとおりであってよい。

形状付け処理部１５８は、アイテム形状に基づいて所定アイテムを形状付ける。所定アイテムの形状付け方法は、図１１のステップＳ４２４０に関連して上述したとおりであってよい。

形状付け処理部１５８は、画像対応付け処理部１５４と同様、取得したアイテム形状又はアイテム形状の一部を変更した派生アイテム形状に基づいて、複数のアバターに係る所定アイテムを同時に形状付けてもよい。この場合、例えばフレンド関係等のような特定の関係を有する複数のアバターの所定アイテムに対して、一度に形状付けることができ、それぞれ別々に類似のアイテム形状を取得して対応付ける場合に比べて、処理負荷を低減できる。

付加情報取得部１６０は、ユーザからの入力情報に基づいて、所定アイテムの表面（外観）に反映可能なアイテム表面情報を取得する。アイテム表面情報は、所定アイテムの模様、生地、装飾、テクスチャのうちの少なくとも１つを設定又は変更するための情報であってよい。アイテムテクスチャの取得方法は、図９のステップＳ３２００に関連して上述したとおりであってよい。他のアイテム表面情報の取得方法も同様であってよい。また、複数のアイテム表面情報を取得する場合、同時に取得されてもよいし、別々に取得されてもよい。

アイテム表面処理部１６２は、アイテム表面情報に基づいて、所定アイテムの模様、生地、装飾、テクスチャのうちの少なくとも１つを設定又は変更する。アイテムテクスチャに基づく所定アイテムのテクスチャの設定又は変更方法は、図１１のステップＳ４２４０に関連して上述したとおりであってよい。他のアイテム表面情報に係る設定又は変更方法も同様であってよい。

アイテム表面処理部１６２は、画像対応付け処理部１５４と同様、取得したアイテム表面情報又はアイテム表面情報の一部を変更した派生アイテム形状に基づいて、複数のアバターに係る所定アイテムの模様、生地、装飾、テクスチャのうちの少なくとも１つを同時に設定又は変更してもよい。この場合、例えばフレンド関係等のような特定の関係を有する複数のアバターの所定アイテムに対して、一度に設定又は変更でき、それぞれ別々に類似のアイテム表面情報を取得して設定又は変更する場合に比べて、処理負荷を低減できる。

編集処理部１６４は、所定アイテムの対応付け対象のアバターに関する情報や、所定アイテムの配置対象の空間に関する情報に基づいて、アイテム形状を編集する。例えば、編集処理部１６４は、アイテム形状に合ったアバターのサイズが、形状付け対象のアバターのサイズよりも大きい場合や小さい場合、かかるサイズ差に応じてアイテム形状を相似的に変化させてもよい。また、編集処理部１６４は、所定アイテム（例えば橋台）に合った配置対象の空間のサイズが、形状付け対象のアイテムが配置される空間のサイズよりも大きい場合や小さい場合、かかるサイズ差に応じてアイテム形状を相似的に変化させてもよい。これにより、アイテム形状の汎用性を高めることができ、その結果、処理負荷（例えば、サイズ違いごとにアイテム形状を取得する等の処理に要する負荷）の低減を図ることができる。

また、編集処理部１６４は、所定アイテムの対応付け対象のアバターに関する情報に基づいて、アイテム表面情報を編集する。例えば、編集処理部１６４は、アイテム表面情報に係る装飾に合ったアバターのサイズが、対応付け対象のアバターのサイズよりも大きい場合や小さい場合、かかるサイズ差に応じてアイテム表面情報に係る装飾を相似的に変化させてもよい。これにより、アイテム表面情報の汎用性を高めることができ、その結果、処理負荷（例えば、サイズ違いごとにアイテム表面情報を取得する等の処理に要する負荷）の低減を図ることができる。

ここで、編集処理部１６４は、例えば３次元アバター向け共通規格であるＶＲＭに基づいて、対応するアバターの３次元モデルを編集用に評価してもよい。この場合、複数のアバタープラットフォーム（種々のサービス）で用いることが可能な所定アイテム（及び当該所定アイテムが対応付けられているアバター）を得ることができる。

判定部１６６は、ユーザから取得される入力情報が所定条件を満たすか否かを判定する。所定条件は、多様な観点から設定されてもよい。例えば、所定条件は、入力情報に所定の禁止ワードが含まれていること等を含んでよい。所定の禁止ワードは、上述したとおりであってよい。また、所定条件は、他人の知的財産権を侵害する可能性が所定基準以上高い場合、又は、公序良俗に反する可能性が所定基準以上高い場合、に満たされてよい。なお、所定条件は、本サービスの運営側により適宜設定されてもよい。

パラメータ算出部１６８は、上述したユニークネス値のような、所定アイテム同士の類似性や、特定画像同士の類似性、アイテム形状同士の類似性、アイテムテクスチャ同士の類似性等、各種の類似性に係るパラメータ（所定パラメータの一例）の値を算出する。なお、所定アイテム同士の類似性は、特定画像、アイテム形状、及びアイテムテクスチャのうちのいずれか１つが反映された状態で評価されてもよい。

各種の類似性に係るパラメータやその値の算出方法は、任意であるが、例えば図１９を参照して上述したとおりであってよい。

本実施形態では、パラメータ算出部１６８は、第１パラメータ算出部１６８１と、第２パラメータ算出部１６８２とを含む。

第１パラメータ算出部１６８１は、比較対象の画像と判定対象の特定画像との間で外観要素同士の類似性を算出する。外観要素同士の類似性の算出方法は、例えば図１９を参照して上述したステップＳ１００４のとおりであってよい。

また、第１パラメータ算出部１６８１は、特定画像が対応付けられる所定アイテムの属性に基づいて、外観要素同士の類似性を算出してもよい。例えば、第１パラメータ算出部１６８１は、比較対象の画像が対応付けられるアイテムの属性と、特定画像が対応付けられる所定アイテムの属性との関係に基づいて、外観要素同士の類似性を算出してもよい。この場合、第１パラメータ算出部１６８１は、それぞれの属性が一致していたり非常に類似していたり共通点を有したりする場合、そうでない場合に比べて、外観要素同士の類似性が高くなる態様で、外観要素同士の類似性を算出してもよい。

また、第１パラメータ算出部１６８１は、特定画像が対応付けられる所定アイテムの属性に応じて、外観要素同士の類似性の算出方法を変化させてもよい。例えば、特定画像が対応付けられる所定アイテムが３次元のアイテムである場合、第１パラメータ算出部１６８１は、複数の視点からの３次元のビューに基づいて、外観要素同士の類似性を算出してもよい。あるいは、特定画像が対応付けられる所定アイテムが３次元のアイテムでない場合でも、アバターのアイテムである場合、第１パラメータ算出部１６８１は、アバターに装着した状態での複数の視点からの３次元のビューに基づいて、外観要素同士の類似性を算出してもよい。

第２パラメータ算出部１６８２は、入力情報同士の類似性を算出する。入力情報同士の類似性の算出方法は、例えば図１９を参照して上述したステップＳ１００８のとおりであってよい。

この場合、第１パラメータ算出部１６８１による算出値と、第２パラメータ算出部１６８２による算出値とは、図１９を参照して上述したように組み合わせで利用されてもよい。

出力処理部１７０は、パラメータ算出部１６８により算出された類似性に係るパラメータの値を出力する。類似性に係るパラメータの値の出力方法は、任意であり、例えば後述するアイテム管理部１７４等の処理のための出力であってよい。あるいは、類似性に係るパラメータの値の出力は、判定対象の所定アイテムの所有者等への通知等により実現されてもよい。

情報管理部１７２は、入力情報に対応付けて、特定画像等を管理（記憶や抽出等）する。具体的には、情報管理部１７２は、図３を参照して上述した特定画像情報（ステップＳ２２１０）を生成及び管理してよい。その他、情報管理部１７２は、図９を参照して上述したアイテムテクスチャ情報（ステップＳ３２１０）や、図１１を参照して上述したアイテム形状情報（ステップＳ４２１０）等を生成及び管理してよい。情報管理部１７２により生成及び管理される各種情報は、上述したように、パラメータ算出部１６８による各種の類似性に係るパラメータの算出に好適に利用できる。

画像管理部１７３は、判定部１６６による判定結果に基づいて、入力情報が所定条件を満たす場合に、当該入力情報に基づいて取得された特定画像について、仮想空間での利用又は流通を、禁止又は制限する。上述したように所定条件は、例えば仮想空間の運営側が定めることができる。これにより、仮想空間で利用できるアイテムに特定画像が無秩序に対応付けられるような事態等を適切に防止できる。なお、仮想空間での流通とは、仮想空間でのマーケットでの販売等を含んでよい。

アイテム管理部１７４は、所定アイテムごとに、パラメータ算出部１６８により算出された所定パラメータの値に基づいて、仮想空間での利用又は流通を、許可、禁止又は制限する。例えば、所定アイテムに画像対応付け処理部１５４により特定画像が対応付けられている場合、アイテム管理部１７４は、特定画像が対応付けられている状態での所定アイテムについて、パラメータ算出部１６８により算出された所定パラメータの値に基づいて、仮想空間での利用又は流通を、許可、禁止又は制限する。同様に、所定アイテムに形状付け処理部１５８により所定アイテムが形状付けられている場合、アイテム管理部１７４は、形状付けられている状態での所定アイテムについて、パラメータ算出部１６８により算出された所定パラメータの値に基づいて、仮想空間での利用又は流通を、許可、禁止又は制限する。同様に、所定アイテムにアイテム表面処理部１６２によりアイテム表面情報が対応付けられている場合、アイテム管理部１７４は、アイテム表面情報が対応付けられている状態での所定アイテムについて、パラメータ算出部１６８により算出された所定パラメータの値に基づいて、仮想空間での利用又は流通を、許可、禁止又は制限する。

また、アイテム管理部１７４は、画像管理部１７３と同様、判定部１６６による判定結果に基づいて、入力情報が所定条件を満たす場合に、当該入力情報に基づいて取得された特定画像が対応付けられているアイテムについて、仮想空間での利用又は流通を、禁止又は制限してもよい。

トークン管理部１７６は、所定アイテムに関して非代替性トークン（ＮＦＴ）のようなトークンを発行及び管理する。所定アイテムに係るＮＦＴの発行方法等は、図１８を参照して上述したステップＳ５２５０のとおりであってよい。また、トークン管理部１７６は、発行以外の管理として、所有権者やその所有権移転を記録したり、システム１に係るシステム外部のマーケットやスマートコントラクト、分散処理モジュールにおいて有料又は無料の申請によって複製したり破棄してもよい。

また、トークン管理部１７６は、画像管理部１７３と同様、判定部１６６による判定結果に基づいて、入力情報が所定条件を満たす場合に、当該入力情報に基づいて取得された特定画像に基づくトークンについて、その発行や流通を禁止又は制限してもよい。

コンテスト処理部１７８は、仮想空間における各種コンテストの開催等に関する処理を実行する。各種コンテストは、任意であるが、上述したような所定アイテムに関するコンテストを含んでよい。図２２は、コンテストの様子のイメージ図である。図２２では、ファッションコンテストの形態であり、複数のユーザが、上述した特定画像が対応付けられる所定アイテムを装着したアバターＡ１１、Ａ１２、Ａ１３を介して、仮想空間内の壇上で所定アイテムを披露している様子が示されている。

画像対応付け処理部１５４により特定画像が対応付けられる所定アイテム、又は、所定アイテムが対応付けられたアバターに関して、仮想空間において複数のユーザからの評価結果（例えば投票結果）を収集してもよい。そして、コンテスト処理部１７８は、評価結果に基づいて、ランキングを発表したり、優勝者等に商品などを付与したり等の各種処理を実行してもよい。この場合、複数のユーザによる評価結果に代えて又は加えて、所与のロジックによる人工知能が利用されてもよい。例えば、あるテーマやミッションが提示されているコンテストでは、当該テーマに一致してるかミッションがクリアされているか等が、人工知能に基づいて判定されてもよい。より具体的には、例えば、大人かっこいいというテーマの場合、アバターの装着している所定アイテムの大人度や、かっこいい度、可愛い度、といったパラメータが設定され、それらのパラメータの値に基づいて、優劣が人工知能により判定されてもよい。この場合、人工知能は、人間（例えば信頼性の高い評価者や運営側）による過去の評価結果を学習して構築されてもよい。

評価用情報記憶部１９０には、アイテム管理部１７４により生成及び管理される上述した各種情報が記憶されてよい。

ユーザ情報記憶部１９２には、ユーザごと（例えばユーザＩＤごと）に、上述した各種処理を実現するために必要な情報が記憶されてもよい。例えば、ユーザごとに、対応するアバターの情報（例えばＶＲＭファイル）や、所有する各種の所定アイテムの情報等が記憶されてもよい。

なお、図２０に示す例では、画像対応付け処理部１５４、形状付け処理部１５８、及びアイテム表面処理部１６２は、それぞれ互いに独立して処理を実行しているが、これに限られない。すなわち、画像対応付け処理部１５４、形状付け処理部１５８、及びアイテム表面処理部１６２のうちの、任意の２つ以上の組み合わせが同時に機能してもよい。例えば、画像対応付け処理部１５４及び形状付け処理部１５８が同時に機能することで、上述した態様で得られるアイテム形状や特定画像が同時に反映された所定アイテムが生成されてもよい。

以上、各実施形態について詳述したが、特定の実施形態に限定されるものではなく、特許請求の範囲に記載された範囲内において、種々の変形及び変更が可能である。また、前述した実施形態の構成要素の全部又は複数を組み合わせることも可能である。

例えば、上述した実施形態では、特定画像、アイテム形状、及びアイテムテクスチャは、それぞれ互いに独立して取得されるが、これに限られない。すなわち、特定画像、アイテム形状、及びアイテムテクスチャのうちの、任意の２つ以上の組み合わせが同時に取得されてもよい。この場合、機械学習モデルについても統合して構築されてもよい。

なお、以上の実施形態に関し、さらに以下の付記を開示する。

（付記１）
ユーザからの所定入力を取得するユーザ入力取得部と、
人工知能により構築された第１機械学習モデルを利用して、前記第１機械学習モデルに前記所定入力を入力して得られる特定画像を取得する画像取得部と、
仮想空間で利用可能な所定アイテムに対して前記特定画像を対応付ける対応付け処理部とを備える、情報処理システム。

（付記２）
前記所定アイテムは、対応する型紙に前記特定画像を反映させることで、仮想空間において視認可能に描画され、
人工知能により構築された機械学習モデルを利用して、前記型紙を生成する型紙生成部を更に備える、付記１に記載の情報処理システム。

１ システム
３ ネットワーク
５ ブロックチェーンネットワーク
１０ サーバ装置
１１ サーバ通信部
１２ サーバ記憶部
１３ サーバ制御部
２０ 端末装置
２１ 端末通信部
２２ 端末記憶部
２３ 表示部
２４ 入力部
２５ 端末制御部
１５０ 操作入力取得部
１５２ 画像取得部
１５４ 画像対応付け処理部
１５６ 形状情報取得部
１５８ 形状付け処理部
１６０ 付加情報取得部
１６２ アイテム表面処理部
１６４ 編集処理部
１６６ 判定部
１６８ パラメータ算出部
１６８１ 第１パラメータ算出部（第１算出部）
１６８２ 第２パラメータ算出部（第２算出部）
１７０ 出力処理部
１７２ 情報管理部
１７３ 画像管理部
１７４ アイテム管理部
１７６ トークン管理部
１７８ コンテスト処理部
１９０ 評価用情報記憶部
１９２ ユーザ情報記憶部

Claims (25)

1. ユーザからの所定入力を取得するユーザ入力取得部と、
   人工知能により構築された第１機械学習モデルを利用して、前記第１機械学習モデルに前記所定入力を入力して得られる特定画像を取得する画像取得部と、
   仮想空間で利用可能な所定アイテムに対して前記特定画像を対応付ける対応付け処理部とを備える、情報処理システム。
2. 前記所定アイテムは、仮想空間におけるアバターに対応付け可能なアイテム、及び、仮想空間に配置可能なアイテム、のうちの少なくともいずれか一方を含む、請求項１に記載の情報処理システム。
3. 人工知能により構築された第２機械学習モデルを利用して、前記第２機械学習モデルに前記所定入力を入力して得られる前記所定アイテムの形状情報を取得する形状情報取得部と、
   前記形状情報に基づいて前記所定アイテムを形状付ける形状付け処理部とを更に備える、請求項１に記載の情報処理システム。
4. 人工知能により構築された第３機械学習モデルを利用して、前記第３機械学習モデルに前記所定入力を入力して得られるアイテム表面情報を取得する付加情報取得部と、
   前記アイテム表面情報に基づいて、前記所定アイテムの模様、生地、装飾、テクスチャのうちの少なくとも１つを設定又は変更するアイテム表面処理部とを更に備える、請求項１に記載の情報処理システム。
5. 前記所定アイテムは、仮想空間におけるアバターに対応付け可能なアイテム、及び、仮想空間に配置可能なアイテム、のうちの少なくともいずれか一方を含み、
   前記所定アイテムの対応付け対象のアバターに関する情報、又は、前記所定アイテムの配置対象の空間に関する情報に基づいて、前記形状情報を編集する編集処理部を更に備える、請求項３に記載の情報処理システム。
6. 前記所定アイテムは、仮想空間におけるアバターに対応付け可能なアイテムを含み、
   前記所定アイテムの対応付け対象のアバターに関する情報に基づいて、前記アイテム表面情報を編集する編集処理部を更に備える、請求項４に記載の情報処理システム。
7. 前記所定入力は、テキスト、記号、絵文字、数字、色、テクスチャ、画像、音声、ジェスチャ及びこれらの任意の２つ以上の組み合わせのうちの、少なくともいずれか１つを含む、請求項１に記載の情報処理システム。
8. 前記対応付け処理部により前記特定画像が対応付けられる前記所定アイテム、又は、前記所定アイテムが対応付けられたアバターに関して、仮想空間において複数のユーザからの評価結果を収集するコンテスト処理部を更に備える、請求項１に記載の情報処理システム。
9. 前記対応付け処理部は、複数のアバターに係る前記所定アイテムに対して、前記特定画像又は前記特定画像の一部を変更した派生画像を、同時に対応付ける、請求項１に記載の情報処理システム。
10. 前記対応付け処理部により前記特定画像が対応付けられる前記所定アイテムと、仮想空間で利用可能な他のアイテムとの類似性に関連する所定パラメータの値を算出する算出部と、
    前記算出部により算出された前記所定パラメータの値を出力する出力処理部とを更に備える、請求項１に記載の情報処理システム。
11. 前記算出部は、前記特定画像が対応付けられる一の前記所定アイテムに係る前記所定パラメータの値を、前記一の所定アイテムに対応付けられる前記特定画像と、該特定画像の取得に用いられた前記所定入力とに基づいて、算出する、請求項１０に記載の情報処理システム。
12. 前記算出部は、前記特定画像が対応付けられる一の前記所定アイテムに係る前記所定パラメータの値を、更に、前記一の所定アイテムの属性に基づいて、算出する、請求項１１に記載の情報処理システム。
13. 前記算出部は、前記特定画像と、前記他のアイテムに対応付けられている画像との間の類似性に関連する第１パラメータの値を算出する第１算出部を含み、
    前記所定パラメータの値は、前記第１算出部により算出された前記第１パラメータの値又はそれに基づく値を含む、請求項１１に記載の情報処理システム。
14. 前記第１算出部は、色、テクスチャ、及び模様、のうちの少なくともいずれか１つに基づいて、前記第１パラメータの値を算出する、請求項１３に記載の情報処理システム。
15. 前記第１算出部は、複数の視点からの３次元のビューに基づいて、前記第１パラメータの値を算出する、請求項１３に記載の情報処理システム。
16. 前記算出部は、前記特定画像の取得に用いられた前記所定入力と、前記他のアイテムに対応付けられている画像の生成に用いられた前記所定入力に対応する他の入力との間の類似性に関連する第２パラメータの値を算出する第２算出部を含み、
    前記所定パラメータの値は、前記第２算出部により算出された前記第２パラメータの値又はそれに基づく値を含む、請求項１０に記載の情報処理システム。
17. 前記第２算出部は、前記所定入力に含まれるテキストと、前記他の入力に含まれるテキストとの関係に基づいて、前記第２パラメータの値を算出する、請求項１６に記載の情報処理システム。
18. 前記所定入力、及び、前記他の入力は、ともに、乱数のシード値を更に含み、
    前記第２算出部は、前記所定入力に含まれる前記シード値と、前記他の入力に含まれる前記シード値との関係に基づいて、前記第２パラメータの値を算出する、請求項１６に記載の情報処理システム。
19. 前記算出部により算出された前記所定パラメータの値に基づいて、前記対応付け処理部により前記特定画像が対応付けられる前記所定アイテムについて、仮想空間での利用又は流通を、許可、禁止又は制限するアイテム管理部を更に備える、請求項１０に記載の情報処理システム。
20. 前記所定入力に対応付けて、前記特定画像、又は、前記特定画像が対応付けられた前記所定アイテムを、管理する情報管理部を更に備える、請求項１から１７のうちのいずれか１項に記載の情報処理システム。
21. 前記所定入力が所定条件を満たすか否かを判定する判定部を更に備え、
    前記所定入力が前記所定条件を満たす場合に、前記所定入力に基づいて取得された前記特定画像について、仮想空間での利用又は流通を、禁止又は制限する画像管理部を更に備える、請求項１から１７のうちのいずれか１項に記載の情報処理システム。
22. 前記所定条件は、他人の知的財産権を侵害する可能性が所定基準以上高い場合、又は、公序良俗に反する可能性が所定基準以上高い場合、に満たされる、請求項２１に記載の情報処理システム。
23. 前記特定画像、又は、前記特定画像が対応付けられた前記所定アイテムに基づいて、非代替性トークンを発行及び管理するトークン管理部を更に備える、請求項１から１７のうちのいずれか１項に記載の情報処理システム。
24. ユーザからの所定入力を取得し、
    人工知能により構築された第１機械学習モデルを利用して、前記第１機械学習モデルに前記所定入力を入力して得られる特定画像を取得し、
    仮想空間で利用可能な所定アイテムに対して前記特定画像を対応付けることを含む、コンピュータにより実行される情報処理方法。
25. ユーザからの所定入力を取得し、
    人工知能により構築された第１機械学習モデルを利用して、前記第１機械学習モデルに前記所定入力を入力して得られる特定画像を取得し、
    仮想空間で利用可能な所定アイテムに対して前記特定画像を対応付ける
    処理をコンピュータに実行させるプログラム。