JP7263864B2 - 画像処理装置、画像処理方法、画像処理プログラム及び製品開発システム - Google Patents

Description

本発明は、画像処理装置、画像処理方法、画像処理プログラム及び製品開発システムに関する。

新製品の構想段階において、試作を行わずに構想を可視化する手法として画像処理によるシミュレーションが活用される。画像シミュレーションであれば、例えば構想を一から考えることをせずとも、既存の製品画像に対し部分的な変更を行い、思惑通りの新しい製品又はデザインの表現等が可能となる。

例えば、特許文献１（特開２００２－２９７６８９号公報）には、建築関連製品に対する柄デザインのシミュレーションを行い、建築関連製品の全体的な見栄えを確認可能とした柄デザインシミュレーションシステムが開示されている。この柄デザインシミュレーションシステムは、対象となる建築関連製品の構成パーツ及びサイズ等を判断して、ユーザが選択した柄デザインの最適な方向及び配置を決定する。これにより、実際の完成品の見た目に近いシミュレーションを行うことができる。

ここで、製品をデザインする場合、例えば「かわいく」、「スポーティな感じ」、又は、「かっこよく」等のように、ユーザが意図しているデザインが曖昧に表現されることが多い。

しかし、特許文献１の柄デザインシミュレーションシステムを含め、製品のデザインを電子的に行う従来のシステムの場合、このような曖昧な表現での指定により選択可能なパーツを提供することは困難であった。このため、ユーザの思惑に沿ったデザインを表現することが困難なシステムとなっていた。

本発明は、上述の課題に鑑みてなされたものであり、ユーザの思惑に沿ったデザインを表現した製品画像を提供可能な画像処理装置、画像処理方法、画像処理プログラム及び製品開発システムの提供を目的とする。

上述した課題を解決し、目的を達成するために、本発明は、入力画像のデザイン対象に施すデザインをあいまいに表現したあいまい情報に基づいて、あいまい情報を所定の分類に基づいて数値化した第１の情報を生成する第１の情報生成部と、入力画像を解析して、少なくとも入力画像のデザイン対象の態様を示す画像情報を出力すると共に、入力画像のデザイン対象を所定の分類に基づいて数値化した第２の情報を生成する第２の情報生成部と、あいまい情報を所定の分類に基づいて数値化した第１の情報、画像情報、及び、入力画像のデザイン対象を所定の分類に基づいて数値化した第２の情報に基づいて、デザイン対象に付加するパーツ画像を生成するパーツ画像生成部と、入力画像のデザイン対象にパーツ画像を付加した合成画像を生成する画像生成部と、少なくとも任意画像と任意画像に関する画像情報と任意画像の印象を含む情報を複数の任意画像に対して収集した情報群を学習情報とし、学習情報を学習して画像学習モデルを生成する学習部と、を有し、第２の情報生成部は、学習部からの画像学習モデルに基づいて、入力画像を解析して画像情報を生成すると共に、入力画像のデザイン対象を所定の分類に基づいて数値化した第２の情報を生成する。

本発明によれば、ユーザの思惑に沿ったデザインを表現した製品画像を提供できるという効果を奏する。

図１は、第１の実施形態に係る画像処理装置を有する製品開発システムのシステム構成の一例を示す図である。 図２は、画像処理装置のハードウェア構成図である。 図３は、画像処理装置の機能ブロック図である。 図４は、画像解析部における対象あいまい情報の算出方法を説明するための図である。 図５は、入力部における変換あいまい情報の算出方法を説明するための図である。 図６は、各種イメージ情報の指標の一例を示す図である。 図７は、画像解析部の解析結果の一例を示す図である。 図８は、画像情報の評価値の一例を示す図である。 図９は、学習部の機能構成の一例を示す図である。 図１０は、学習情報の一例を示す図である。 図１１は、パーツ画像生成部の処理の一例を示す図である。 図１２は、画像生成部で生成される変換画像の一例を示す図である。 図１３は、企画担当者の端末に表示される入力画像及びあいまい情報の選択画面（画像変換サービス画面）の一例を示す図である。 図１４は、企画担当者の端末に表示される変換画像の表示画面（画像変換サービス結果画面）の一例を示す図である。 図１５は、端末に表示される画像変換サービス画面の変形例を示す図である。 図１６は、画像処理装置の画像変換の処理の流れを示すフローチャートである。 図１７は、第２の実施の形態の製品開発システムに設けられている学習部の機能ブロック図である。 図１８は、第２の実施の形態の製品開発システムに設けられている画像処理装置の機能ブロック図である。 図１９は、第３の実施の形態の製品開発システムに設けられている画像処理装置の機能ブロック図である。 図２０は、画像変換サービス画面に対して印刷ボタンを設け、変換画像等を印刷可能とした例を説明するための図である。 図２１は、学習情報の形成動作の流れを模式的に示す図である。

以下、添付図面を参照して、実施の形態の製品開発システムの説明をする。

［第１の実施の形態］
（システム構成）
図１は、第１の実施の形態の製品開発システムのシステム構成を示す図である。一例ではあるが、この図１に示す製品開発システム１００は、衣服のデザインを行うシステムとなっており、企画担当者１０１が有する端末１０２と、画像処置装置１０３と、情報処理担当者１０６が有する端末１０７とを有する。企画担当者１０１の端末１０２と画像処置装置１０３は、インターネット等の公共網又はＬＡＮ（Local Area Network）等のプライベート網等のネットワーク１０８を介して相互に接続されている。また、画像処置装置１０３と、情報処理担当者１０６の端末１０７は、ライン接続又はネットワークを介して相互に接続されている。

なお、企画担当者１０１と情報処理担当者１０６は同一であってもよく、企画担当者１０１の端末１０２と情報処理担当者１０６の端末１０７は同一であってもよい。

企画担当者１０１の端末１０２は、企画担当者１０１が所望する製品のデザインについて、画像変換処理を実行する。企画担当者１０１の端末１０２は、画像変換処理を実行するにあたり、画像処理装置１０３に「入力画像１０９」及び「あいまい情報１１０」を送信する。「入力画像１０９」は、デザインを施す衣服の撮像画像である。

また、「あいまい情報１１０」とは、物品又は人物が人に与える印象であり、前記物品を用いるユーザの性別、年齢、前記物品が利用される場面又は条件を含む人の主観による指標を示す情報である。換言すると、「あいまい情報１１０」とは、入力画像に対して施すことを希望するデザインを曖昧に表現した情報であり、例えば性別、年齢、テーマ、雰囲気、着用場所等を示す語句で指定されたデザインの情報である。性別のあいまい情報は、例えば男性又は女性となる。年齢のあいまい情報は、例えば２０代、３０代等となる。テーマのあいまい情報は、例えばカジュアル又はスポーティ等となる。雰囲気のあいまい情報は、例えばかわいい、かっこいい等となる。着用場所のあいまい情報は、例えばオフィス、学校、公園等となる。

第１の実施の形態の製品開発システムの場合、企画担当者は、このようなあいまい情報１１０による曖昧な表現で、所望のデザインを指定可能となっている。

また、企画担当者１０１の端末１０２は、画像処理装置１０３から「変換画像１１１」及び「対象あいまい情報」を受信し、モニタ装置等の表示部に表示する。「変換画像１１１」とは、入力画像に対して、あいまい情報１１０により曖昧な表現で指定されたデザインに対応するパーツ画像を付加して生成（合成）した画像である。「パーツ画像」とは、入力画像に合成するための部品となるパーツのシミュレーション画像である。図１の例の場合、「リボン」の画像があいまい情報１１０に基づいて選択されたパーツ画像であり、この「リボン」の画像が付加されたＴシャツの画像が、変換画像１１１を示している。

また、「対象あいまい情報」とは、入力画像１０９のテーマ又は雰囲気等の曖昧な指標を含む情報であり、詳細は後述する。企画担当者１０１は、表示された変換画像１１１が、自分の思惑に沿ったデザインであった場合に、操作部を介して決定操作を行う。これにより、変換画像１１１のデザインが、例えば新製品のデザインとして決定される。

画像処理装置１０３は、情報処理担当者１０６の操作により端末１０７から送信された「データ」の入力を受け付ける。「データ」とは、入力画像１０９に対する適切なパーツ画像の選択を学習する際に用いる「学習情報」を作成するための情報である。「データ」及び「学習情報」の詳細はそれぞれ後述する。

また、画像処理装置１０３は、学習情報を用いて学習した関係に基づいて、所定の入力画像１０９に対する最適なパーツ画像を合成することで変換画像１１１を生成し、企画担当者１０１の端末１０２に送信する。

（画像処理装置のハードウェア構成）
図２は、画像処理装置１０３のハードウェア構成を示すブロック図である。この図２に示すように、画像処理装置１０３は、ＣＰＵ（Central Processing Unit）２０１、ＲＯＭ（Read Only Memory）２０２、ＲＡＭ（Random Access Memory）２０３を有する。また、画像処理装置１０３は、補助記憶装置２０４、表示装置２０５、操作装置２０６、インタフェース装置（Ｉ／Ｆ装置）２０７、及び、ドライブ装置２０８を有する。ＣＰＵ２０１～ドライブ装置２０８は、バスライン２０９を介して相互に接続されている。

ＣＰＵ２０１は、補助記憶装置２０４にインストールされている各種プログラム（例えば、画像処理プログラム等）を実行する演算デバイスである。ＲＯＭ２０２は、不揮発性メモリである。ＲＯＭ２０２は、補助記憶装置２０４にインストールされている各種プログラムをＣＰＵ２０１が実行するために必要な各種プログラム、データ等を格納する、主記憶デバイスとして機能する。具体的には、ＲＯＭ２０２は、ＢＩＯＳ（Basic Input Output System）やＥＦＩ（Extensible Firmware Interface）等のブートプログラム等を格納する、主記憶デバイスとして機能する。

ＲＡＭ２０３は、ＤＲＡＭ（Dynamic Random Access Memory）やＳＲＡＭ（Static Random Access Memory）等の揮発性メモリである。ＲＡＭ２０３は、補助記憶装置２０４にインストールされている各種プログラムがＣＰＵ２０１によって実行される際に展開される作業領域を提供する、主記憶デバイスとして機能する。補助記憶装置２０４は、各種プログラムや、各種プログラムが実行される際に用いられる情報を格納する補助記憶デバイスである。表示装置２０５は、画像処置装置１０３の内部状態を表示する表示デバイスである。操作装置２０６は、画像処理装置１０３に対して各種指示を入力する際に用いられる入力デバイスである。

Ｉ／Ｆ装置２０７は、ネットワーク１０８またはサーバ装置（不図示）に接続するための接続デバイスである。ドライブ装置２０８は、記録媒体２１０をセットするためのデバイスである。記録媒体２１０としては、例えばＣＤ－ＲＯＭ、フレキシブルディスク、光磁気ディスク等のように情報を光学的、電気的あるいは磁気的に記録する媒体を用いることができる。また、記録媒体２１０としては、ＲＯＭ、フラッシュメモリ等のように情報を電気的に記録する半導体メモリ等を用いることができる。

なお、補助記憶装置２０４にインストールされる各種プログラムは、例えば、配布された記録媒体２１０がドライブ装置２０８にセットされ、記録媒体２１０に記録された各種プログラムがドライブ装置２０８により読み出されることでインストールされる。あるいは、補助記憶装置２０４にインストールされる各種プログラムは、Ｉ／Ｆ装置２０７を介して、ネットワーク１０８よりダウンロードされることでインストールされてもよい。

（画像処理装置の機能構成）
図３は、画像処理装置１０３の機能ブロック図である。上述したとおり、画像処理装置１０３には、画像処理プログラムがインストールされている。ＣＰＵ２０１は、この画像処理プログラムを実行することで、入力部３００、画像解析部３０１、データ入力部３０２、学習部３０３、パーツ画像生成部３０４、画像生成部３０５として機能する。

入力部３００は、企画担当者１０１の端末１０２からの、入力画像１０９及びあいまい情報１１０を取得する。入力部３００は、第１の情報生成部の一例であり、取得した入力画像１０９を、画像解析部３０１及び画像生成部３０５に送信する。また、入力部３００は、「変換あいまい情報（第１の情報の一例）」を算出し、前記変換あいまい情報をパーツ画像生成部３０４に送信する。「変換あいまい情報」とは、あいまい情報１１０から算出される雰囲気又はテーマ等の曖昧な情報の指標であり、詳細は後述する。

データ入力部３０２は、情報処理担当者１０６の端末１０７から送信されたデータを取得し、学習部３０３で学習モデルを生成する際に用いられる学習情報を生成する。生成された学習情報は、学習部３０３に送信される。学習部３０３は、データ入力部３０２より学習情報を取得し、「画像情報」及び「対象あいまい情報」の関係を示す画像学習モデルを学習する。「画像情報」は、画像上の対象物の位置、向き及び大きさ等が定義された指標である。「対象あいまい情報」は、変換あいまい情報と同様に、画像の雰囲気又はテーマ等のあいまいな情報が定義された指標である。学習部３０３で生成された画像学習モデルは、画像解析部３０１に送信される。

また、学習部３０３は、対象あいまい情報及び変換あいまい情報と、画像情報とパーツ画像との関係を示すパーツ学習モデルを学習して生成する。この学習により生成されたパーツ学習モデルは、パーツ画像生成部３０４に送信される。

画像解析部３０１は、第２の情報生成部の一例であり、入力部３００から送信された入力画像１０９と、学習部３０３から送信された画像学習モデルに基づいて、入力画像１０９の画像情報及び対象あいまい情報（第２の情報の一例）を推定する。推定された画像情報は、パーツ画像生成部３０４に送信され、対象あいまい情報は、パーツ画像生成部３０４及び企画担当者１０１の端末１０２に送信される。

パーツ画像生成部３０４は、画像解析部３０１から送信された画像情報及び対象あいまい情報と、入力部３００から送信された変換あいまい情報と、学習部３０３から送信されたパーツ学習モデルを受信する。パーツ画像生成部３０４は、受信したパーツ学習モデルを用いて、画像情報、対象あいまい情報及び変換あいまい情報から適切なパーツ画像を生成する。生成したパーツ画像は、画像生成部３０５に送信される。

画像生成部３０５は、入力部３００から送信された入力画像１０９と、パーツ画像生成部３０４から送信されたパーツ画像を受信する。受信した入力画像１０９に対して、パーツ画像を合成することで、あいまい情報１１０で指定された企画担当者１０１の思惑に沿ったデザインが反映された変換画像１１１（合成画像の一例）を生成する。生成された変換画像１１１は、企画担当者１０１の端末１０２に送信される。

（対象あいまい情報の算出動作）
図４は、画像解析部３０１における対象あいまい情報の算出動作を模式的に示す図である。対象あいまい情報４００は、入力画像１０９の衣服が対象とする性別、年齢、テーマ等の指標の大分類と、各大分類にそれぞれ属する小分類と、各小分類の評価値である「スコア４０２」、及び、これらに基づいて抽出された小分類の集合情報である抽出あいまい情報を含んで生成されている。

「スコア４０２」は、各小分類の評価する数値化した指標となっている。図４の例は、スコア４０２を、０以上１以下の値で算出した例である。例えば、「性別」の大分類が、「男性」及び「女性」の小分類に分類されており、「男性」の小分類には「０．２」のスコアが付されており、「女性」の小分類には「０．８」のスコアが付されている。

大きな値のスコア４０２の小分類ほど、見た目のあいまいさに対する影響が大きい。画像解析部３０１は、各大分類において、最も大きな値のスコア４０２の小分類をそれぞれ抽出して抽出あいまい情報４００を生成する。図４に示す例は、「女性」、「１０代」、「カジュアル」、「おとなしい」及び「学校」の各小分類が抽出されて対象あいまい情報４００が生成された例である。

このような画像解析部３０１の動作をまとめると、画像解析部３０１は、後述する画像学習モデル４０４を用いて、入力画像１０９に対する全小分類のスコア４０１を推定する。推定されたスコア４０１を、入力画像１０９に対する各小分類のスコア４０２とする。次に、画像解析部３０１は、各大分類において最も高い値のスコアの小分類を一つずつ抽出し、抽出した小分類で抽出あいまい情報を生成する。画像解析部３０１は、大分類、小分類、スコア及び抽出あいまい情報を含む対象あいまい情報を、パーツ画像生成部３０４に供給する。

（変換あいまい情報の算出動作）
次に、図５は、入力部３００における変換あいまい情報の算出動作を模式的に示す図である。変換あいまい情報５００は、対象あいまい情報４００と同様に、大分類、小分類、スコア、及び、入力されたあいまい情報１０９を含んで生成されている。入力部３００は、入力されたあいまい情報１０９に対応する小分類のスコアを「１」、それ以外の小分類のスコアを「０」とする。そして、大分類、小分類、スコア及び入力されたあいまい情報を含む変換あいまい情報を、パーツ画像生成部３０４に供給する。

（大分類及び小分類の具体例）
図６は、指標となっている大分類及び小分類の一例を示す図である。一例ではあるが、対象あいまい情報４００及び変換あいまい情報５００の大分類は、この図６に示すように「性別」、「年齢」、「テーマ」、「雰囲気」及び「着用場所」等の項目に分類されている。また、「性別」の大分類は、「男性」及び「女性の」小分類に分類されている。「年齢」の大分類は、「１０代」、「２０代」、「３０代」、「４０代」、「５０代」及び「６０代」等の小分類に分類されている。「テーマ」の大分類は、「カジュアル」、「スポーティ」、「エスニック」、「ガーリー」、「コンサバ」、「フェミニン」、「モード」、「ロック」、「ナチュラル」及び「ストリート」等の小分類に分類されている。

「雰囲気」の大分類は、「かわいい」、「かっこいい」、「おとなしい」、「きれい」、「さわやか」、「派手」、「地味」及び「華やか」等の小分類に分類されている。「着用場所」の大分類は、「オフィス」、「学校」、「公園」、「ショッピングモール」、「遊園地」及び「病院」等の小分類に分類されている。

この図６に示す例の場合、大分類が５個、小分類が合計３２個である。このため、対象あいまい情報４００及び変換あいまい情報５００には、大分類及び小分類に加えて、３２個のスコア及び５個の抽出あいまい情報又はあいまい情報が含まれることとなる。

（画像処理装置の各部の処理の詳細）
次に、画像処理装置１０３の各部（画像解析部３０１、学習部３０３、データ入力部３０２、パーツ画像生成部３０４、画像生成部３０５）の処理動作の詳細について説明する。

（画像解析部の処理の詳細）
まず、画像解析部３０１の処理の詳細について説明する。図７は、画像解析部３０１の解析動作を模式的に示す図である。画像解析部３０１は、入力部３００から入力された入力画像１０９に対し、学習部３０３から入力される画像学習モデルを用いて、画像情報及び対象あいまい情報を算出する。

画像情報は、入力画像１０９の客観的な指標であり、入力画像１０９の衣服全体、襟又は袖等の位置を示す対象領域の座標情報と、Ｔシャツ、ブラウス等の衣服の種類を示すカテゴリと、衣服の色と、袖丈等を含んで生成される。対象あいまい情報は、入力画像１０９の主観的で曖昧な指標であり、図４を用いて説明したように、入力画像１０９のイメージ及びスコア４０２を含んで生成される。なお、この図６の例では、スコアの値が高い「女性」及び「カジュアル」の各小項目が、抽出あいまい情報として抽出されている。

図８は、画像情報の評価値の一例を示す図である。この図８の例では、画像情報の指標は、対象領域の座標情報、カテゴリ、色及び袖丈の４種類に分類されている。このうち、例えば「色」の評価値としては、赤、緑、青、白、黒の５つの評価値が存在する。また、対象領域の座標情報は、例えば襟、袖口等の対象領域の位置を示す座標情報である。例えば、対象領域が矩形である場合、対象領域の座標情報は、基準座標と辺の長さで定義された情報となる。ただし、対象領域は矩形とは限らない。また、画像情報は図８で示した種類に限らない。

（データ入力部の処理の詳細）
図２１に、データ入力部３０２における学習情報の形成動作の流れを模式的に示す。この図２１において、情報処理担当者１０６は、端末１０７を介して、ＳＮＳ（Social Networking Service）又は衣服のＥＣ（Electronic Commerce）サイトから、様々なタグ情報が対応付けられた画像を収集する。または、情報処理担当者１０６は、端末１０７を介して、収集画像にタグ情報を付加してもよい（この場合は、担当者が正確なタグ情報を付加できることが前提である）。タグ情報は、例えば衣服のカテゴリ、雰囲気、着用場所等を示す情報である。情報処理担当者１０６は、このように収集してタグ情報を付加したタグ付画像を「データ」とし、端末１０７を介して、データ入力部３０２に入力する。

データ入力部３０２は、端末１０７から受信したデータから、図２１に示すように学習情報を抽出する。このとき、データ入力部３０２は、各画像に対して学習情報ＩＤを重複なく割り振った上で、予め学習情報に必要な情報がタグ付けされている場合は、それを学習情報として利用する。一例ではあるが、データ入力部３０２は、衣服カテゴリは画像情報として利用し、雰囲気又は着用場所は対象イメージ情報等に利用する。

タグ情報に不足がある場合、データ入力部３０２は、学習情報として必要な情報を画像認識によって抽出可能な学習モデルを用いて、学習情報を抽出する。

学習情報の抽出には、各画像間の関係性を用いてもよく、例えばパーツ画像については、複数の画像間における画像情報や対象イメージ情報の差分から画像を生成可能な学習モデルを用いて、パーツ画像を抽出する。

データ入力部３０２は、このように抽出された情報を「学習情報」として、学習部３０３に供給する。

（学習部の処理の詳細）
次に、学習部３０３の処理の詳細について説明する。図９は、学習部３０３の機能構成の詳細を示す図である。図９に示すように、学習部３０３は、学習情報入力部９００と、画像学習情報格納処理部９０３と、パーツ学習情報格納処理部９０４と、画像モデル学習部９０１と、パーツモデル学習部９０２とを有する。

学習情報入力部９００は、データ入力部３０２から学習情報を受信する。図１０は、学習情報の一例を示す図である。この図１０に示すように、学習情報には、学習情報識別番号（学習情報ＩＤ）、入力画像、画像情報、対象あいまい情報、パーツ画像、変換あいまい情報が少なくとも１つずつ含まれている。パーツ画像は、同じ学習情報ＩＤの入力画像に合成することで、変換あいまい情報によりあいまいに指定されたデザインに合う変換画像１１１に、入力画像１０９を変換するためのパーツの画像である。このパーツ画像は、合成時に違和感を生じさせない位置及び大きさで配置される。

学習情報入力部９００は、入力された学習情報のうち、「画像情報」を「画像学習情報」として画像学習情報格納処理部９０３へ送信し、「パーツ画像」を「パーツ学習情報」としてパーツ学習情報格納処理部９０４へ送信する。画像学習情報格納処理部９０３は、補助記憶装置２０４に「画像学習情報」を記憶制御する。パーツ学習情報格納処理部９０４は、補助記憶装置２０４に「パーツ学習情報」を記憶制御する。「画像学習情報」は、学習情報のうち、学習情報ＩＤ、入力画像、画像情報、対象あいまい情報を含む情報である。「パーツ学習情報」は、学習情報のうち、学習情報ＩＤ、画像情報、対象あいまい情報、パーツ画像及び変換あいまい情報を含む情報である。

画像モデル学習部９０１は、画像学習情報格納処理部９０３により補助記憶装置２０４に記憶された画像学習情報を取得し、画像学習モデルを学習する。画像モデル学習部９０１は、入力画像に対し、その画像情報と対象あいまい情報の出力を可能とする画像学習モデルの学習を行う。学習された画像学習モデルは、画像解析部３０１に送信される。

パーツモデル学習部９０２は、パーツ学習情報格納処理部９０４により補助記憶装置２０４に記憶されたパーツ学習情報を取得し、パーツ学習モデルを学習する。パーツモデル学習部９０２は、画像情報と対象あいまい情報と変換あいまい情報の組み合わせに対し、パーツ画像を出力可能とするパーツ学習モデルの学習を行う。学習されたパーツ学習モデルは、パーツ画像生成部３０４に送信される。画像学習モデル及びパーツ学習モデルは、例えば畳み込みニューラルネットワークにより構成される。

（データ入力部の処理の詳細）
次に、データ入力部３０２の処理の詳細について説明する。データ入力部３０２は、情報処理担当者１０６の端末１０７から、学習情報の元となるデータを受信する。データには、各種イメージ情報の小分類毎に、小分類に属する衣服の画像が１つ以上含まれている。情報処理担当者１０６は、例えばソーシャルネットワークサービスから、小分類に相当するタグが対応付けられた画像を収集することでデータを得て、データ入力部３０２に送信する。

データ入力部３０２は、衣服情報の構成要素を画像認識によって抽出可能な学習モデルを用いて、各種イメージ情報及びパーツ画像を抽出する。データ入力部３０２は、抽出した情報に対し、学習情報ＩＤを重複なく割り振る。データ入力部３０３は、学習情報ＩＤが割り振られた抽出結果のリストを学習情報として学習部３０３に送信する。

（パーツ画像生成部の処理の詳細）
次に、パーツ画像生成部３０４の処理の詳細について説明する。図１１は、パーツ画像生成部３０４の処理を模式的に示す図である。パーツ画像生成部３０４は、学習部３０３から受信したパーツ学習モデル１１００を用いて、画像解析部３０１より受信した画像情報及び対象あいまい情報と、入力部３００より受信した変換あいまい情報から、パーツ画像１１０１を生成する。パーツ学習モデル１１００は、画像情報及び各種イメージ情報のスコアを全て連結して入力されるベクトルに基づいて、パーツ画像１１０１の各ピクセルのＲＧＢ値に対応した出力を、最終層（図１１では第Ｎ層）から出力する。

複数のパーツ画像１１０１を生成する場合、あいまい情報の各スコアを微少に変化させ、パーツ学習モデル１１００を用いて再びパーツ画像１１０１を生成する動作を繰り返し行う。これにより、企画担当者１０１が入力したあいまい情報で指定されているデザインから離れずに（あいまい情報で指定されているデザインに近いデザインの）、複数種類のパーツ画像１１０１を生成することができる。

なお、パーツ学習モデル１１００の最終層の出力数を、予め指定したパーツ画像の数で設定することも可能である。この場合、複数個のパーツ画像を同時に生成できる。

（画像生成部の処理の詳細）
次に、画像生成部３０５の処理の詳細について説明する。図１２は、画像生成部３０５で生成される変換画像１１１の一例を示す図である。画像生成部３０５は、入力部３００から受信した入力画像１０９の上に、パーツ画像生成部３０４から受信したパーツ画像１１０１を重ね合わせる（合成する）。すなわち、画像生成部３０５は、パーツ画像１１０１と同じ位置となる入力画像１２００上の位置の画像を、パーツ画像１１０１と置き換える。これにより、企画担当者１０１により、あいまいに指定されたデザインが施された画像である、変換画像１１１を生成できる。

（ユーザインターフェースの詳細）
次に、画像生成部３０５により、企画担当者１０１の端末１０２に表示される表示画面（ユーザインタフェース）の説明をする。図１３は、企画担当者１０１の端末１０２に表示される、入力画像の選択及びあいまい情報の入力を行うための画像変換サービス画面を示す図である。企画担当者１０１の端末１０２のＣＰＵは、この図１３に示す画像変換サービス画面１３００の画像選択ボタン１３０１の操作を検出すると、端末１０２に記憶されている画像のうち、企画担当者１０１により、選択された画像を、入力画像１０９として、入力画像表示領域１３０２に表示制御する。

また、各入力画像１０９（端末１０２に記憶されている各画像）には、その画像（衣服）に対するあいまい情報が付加されている。具体的には、図１３の例は、企画担当者１０１により選択された入力画像１０９に対して、「性別：女性」、「年齢：１０代」、「テーマ：カジュアル」、「雰囲気：おとなしい」、「着用場所：学校」等のあいまい情報が付加されている例である。端末１０２のＣＰＵは、この付加されているあいまい情報を、元画像（入力画像１０９）のあいまい情報として、画像変換サービス画面１３００に表示制御する。

また、端末１０２のＣＰＵは、画像変換サービス画面１３００に対して、企画担当者１０１が希望するデザインに対応するあいまい情報の入力を行うための、あいまい情報入力領域１３０４を表示制御する。一例として、端末１０２のＣＰＵは、このあいまい情報入力領域１３０４に、各大分類のプルダウンメニューを表示する。そして、この大分類のプルダウンメニューが操作された際に、操作された大分類のプルダウンメニューに含まれる小分類の項目を表示する。図１３の例は、企画担当者１０１が希望するデザインに対応するあいまい情報として、「性別：女性」、「年齢：２０代」、「テーマ：カジュアル」、「雰囲気：かわいい」、「着用場所：学校」等のあいまい情報が入力された例を示している。

このように、企画担当者１０１が希望するデザインに対応するあいまい情報の入力後において、実行ボタン１３０５の操作を検出すると、端末１０２のＣＰＵは、入力画像１０９及び企画担当者１０１により入力されたあいまい情報を、画像処理装置１０３の入力部３００に送信する。

図１４は、企画担当者１０１の端末１０２に表示される変換画像１１１の表示画面（画像変換サービス結果画面）を示す図である。画像生成部３０５であいまい情報に基づく画像処理が実行されると、端末１０２のＣＰＵは、入力画像１０９及び企画担当者１０１により入力されたあいまい情報１４０３を含む画像変換サービス結果画面１４０１を表示する。また、ＣＰＵは、画像変換サービス結果画面１４０１に、画像生成部３０５で生成された一つ又は複数の変換画像１１１を、作成時刻が新しい順に、変換画像一覧領域１４０４に一覧表示する。

（画像変換サービス画面の変形例）
次に、図１５に、画像変換サービス画面の変形例を示す。図１３に示す例は、企画担当者１０１により選択された画像、プルダウンメニューにより入力を行うあいまい情報入力領域１３０４を表示する例であった。これに対して、図１５に示す変形例の場合、端末１０２のＣＰＵは、画像選択ボタン１３０１、入力画像表示領域１３０２と、実行ボタン１３０５、あいまい情報入力領域１５０３、変換画像単一表示領域１５０２、及び、他の変換画像１１１の表示を指定するための結果変換ボタン１５０１を表示する。

端末１０２のＣＰＵは、あいまい情報入力領域１５０３に対しては、大分類毎の各小分類のあいまい情報の入力を行うためのスライドバーを表示する。この図１５の例は、テーマ、年齢、雰囲気、着用場所及び性別の各大分類の項目が表示された例である。ＣＰＵは、各大項目の表示領域に、各大項目に含まれる小項目及び小項目のスコアを調整（設定）するためのスライドバー１５０６を表示する。また、ＣＰＵは、現在、表示されていない小項目（限られた表示領域内に表示し切れない小項目）の表示を指定するための表示切り替えボタン１５０９を表示する。

また、ＣＰＵは、スライドバー１５０６の可動領域１５０７に対して、現在設定されている小項目のスコア（値）を、所定のマーカ１５０８で表示する。図１５の例は、例えばテーマの大分類のカジュアルの小項目に対しては、６０％程度のカジュアル度に対応するスコアが設定されていることを示している。同様に、図１５の例は、例えばテーマの大分類のスポーティの小項目に対しては、３０％程度のスポーティ度に対応するスコアが設定されていることを示している。

カジュアルの小項目において、企画担当者１０１により、スライドバー１５０６が右方向に移動操作されると、ＣＰＵは、変換印象情報の「カジュアル度」を、スライドバー１５０６の操作量に対応して増加させる。反対に、スライドバー１５０６が左方向に移動操作されると、ＣＰＵは、変換印象情報の「カジュアル度」を、スライドバー１５０６の操作量に対応して減少させる。

または、可動領域１５０７を、あいまい情報における小分類「カジュアル」のスコアの範囲とし、ＣＰＵは、スライドバー１５０６の位置から、「カジュアル」のスコアを算出してもよい。なお、前後ボタン１５０９の操作を検出すると、端末１０２のＣＰＵは、現在表示されていない小分類の項目及びスライドバー１５０６等を表示する。また、ＣＰＵは、結果変換ボタン１５０１の操作を検出する毎に、端末１０２内に記憶されている、過去に生成された変換画像１１１を切り替えて、変換画像単一表示領域１５０２に表示制御する。

ＣＰＵは、実行ボタン１３０５の操作を検出すると、入力画像１０９とスライドバー１５０６でスコアが調整されたあいまい情報を、画像処理装置１０３の入力部３００に送信する。画像処理装置１０３は、上述の画像処理を実行することで、単一の変換画像１１１を生成して企画担当者１０１の端末１０２に返信する。端末１０２のＣＰＵは、画像処理装置１０３から受信した単一の変換画像１１１を、変換画像単一表示領域１５０２に表示する。

企画担当者１０１は、変換画像単一表示領域１５０２に、自分の思惑とは異なる雰囲気又はテーマ等の変換画像１１１が表示された場合、再度、所望の小項目のスライドバー１５０６を操作してスコアの調整を行い、画像処理装置１０３に送信する。これにより、調整されたスコアに基づいて画像処理装置１０３で生成された変換画像１１１が、再度、変換画像単一表示領域１５０２に表示される。

このように、企画担当者１０１は、自分の思惑とは異なる雰囲気又はテーマ等の変換画像１１１が生成された場合でも、スライドバー１５０６によるあいまい情報のスコアの調整を繰り返し行うことで、希望する変換画像１１１を得ることができる。企画担当者１０１は、変換画像一覧領域１４０４又は変換画像単一表示領域１５０２に表示された変換画像１１１により、雰囲気又はテーマ等のあいまい情報で指定した自分のデザインが具現化された製品を認識したうえで、製品等のデザインを決定することができる。

（画像処理装置の処理の流れ）
次に、図１６のフローチャートを用いて、画像処理装置１０３の画像変換処理の流れを説明する。この図１６のフローチャートにおいて、まず、入力部３００は、企画担当者１０１が端末１０２を操作することで送信された、入力画像及びあいまい情報を取得する（ステップＳ１）。

次に、入力部３００は、取得したあいまい情報から変換あいまい情報を算出する。また、画像解析部３０１は、入力部３００から取得した入力画像と、学習部３０３から取得した画像学習モデルを用いて、画像情報及び対象あいまい情報を算出する（ステップＳ２）。

次に、パーツ画像生成部３０４は、入力部３００から取得した変換あいまい情報、画像解析部３０１から取得した画像情報及び対象あいまい情報、及び、学習部３０３から取得したパーツ学習モデルを用いて、パーツ画像を生成する（ステップＳ３）。

次に、画像生成部３０５は、入力部３００から取得した入力画像と、パーツ画像生成部３０４で生成されたパーツ画像を合成処理することで、企画担当者１０１があいまい情報で指定したデザインが反映された変換画像１１１を生成する（ステップＳ４）。

次に、パーツ画像生成部３０４は、ステップＳ４で生成した変換画像１１１を、企画担当者１０１の端末１０２に送信して表示する（ステップＳ５）。これにより、企画担当者１０１は、あいまい情報で指定した自分のデザインが具現化された製品等の画像を認識することができる。

（第１の実施の形態の効果）
以上の説明から明らかなように、第１の実施の形態の製品開発システムは、入力部３００で、入力画像１０９と、入力画像１０９に施すデザインをあいまいに表現したあいまい情報１１０の入力を受け付ける。画像解析部３０１は、入力部３００から送信された入力画像１０９と、学習部３０３から送信された画像学習モデルに基づいて、入力画像１０９の画像情報（デザイン対象の位置情報、向き情報及びサイズ情報（大きさ））及び対象あいまい情報４００を生成する。パーツ画像生成部３０４は、入力画像１０９と対象あいまい情報４００と画像情報に基づいて、入力画像１０９に付加するパーツ画像を生成する。そして、画像生成部３０５が、入力画像１０９及びパーツ画像を合成した変換画像１１１を生成して出力する。

これにより、ユーザからあいまいな表現でデザインが指定された場合でも、ユーザの思惑に沿ったデザインの製品画像を生成して表示することができる。従って、既存の製品画像の部分的な変更を、違和感なく施すことができる。

［第２の実施の形態］
次に、第２の実施の形態の製品開発システムの説明をする。上述の第１の実施の形態の説明では、パーツ画像生成部３０４は、学習部３０３で生成されたパーツ学習モデルに基づいてパーツ画像を生成し、画像生成部３０５は、入力画像に対してパーツ画像を合成して変換画像１１１を生成することとした。

これに対して、第２の実施の形態の製品開発システムでは、学習部３０３が、図１７に示すように、上述の構成に加えて、画像合成学習部９０５を有している。この画像合成学習部９０５は、学習情報ＩＤ、画像情報、対象あいまい情報、パーツ画像及び変換あいまい情報を含む学習情報の一部から、パーツ画像の合成時の位置関係を学習した画像合成学習モデルを生成する。そして、この画像合成学習モデルを、図１８に示すように画像生成部３０５に供給する。

画像生成部３０５は、パーツ画像生成部３０４からのパーツ画像を、学習部３０３からの画像合成学習モデルに基づいて、入力画像１０９に合成処理して変換画像１１１を生成する。上述のように、画像合成学習モデルは、パーツ画像の合成時の位置関係を学習した情報である。このため、入力画像１０９に対して、より正確に、また、違和感なくパーツ画像を合成することができる他、上述の第１の実施の形態と同様の効果を得ることができる。

［第３の実施の形態］
次に、第３の実施の形態の製品開発システムの説明をする。上述の第１の実施の形態の説明では、あいまい情報１１０をテキストデータで入力した例であった。

これに対して、第３の実施の形態の製品開発システムは、図１９に示すようにあいまい情報１１０を画像情報で入力可能とした例である。例えば、Ｔシャツのデザインをドレッシーなデザインにした場合、企画担当者１０２は、Ｔシャツの画像を入力画像とし、ドレスの画像をあいまい画像として入力部３００に入力する。

入力部３００は、Ｔシャツの入力画像及びドレスのあいまい画像を、画像解析部３０１に転送する。画像解析部３０１は、学習部３０３からの画像学習モデルを用いて、Ｔシャツの入力画像及びドレスのあいまい画像に対応する対象あいまい情報及び変換あいまい情報を生成してパーツ画像生成部３０４に供給する。

これにより、パーツ画像生成部３０４において、Ｔシャツのデザインをドレッシーなデザインにするためのパーツ画像が生成され、画像生成部３０５において、Ｔシャツの入力画像と合成される。

このような第３の実施の形態の場合、あいまい情報１０９の画像入力に対応できる他、上述の各実施の形態と同様の効果を得ることができる。

最後に、上述の各実施の形態は、一例として提示したものであり、本発明の範囲を限定することは意図していない。この新規な各実施の形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことも可能である。

例えば、あいまい情報１１０の入力は、上述のテキストデータ及び画像情報の他、音声情報で行ってもよい。この場合、入力部３００は、例えば「かわいい」又は「スポーティ」等のあいまいなデザインの音声入力を検出して、図５に示した変換あいまい情報を生成することとなる。

また、画像生成部３０５により生成された合成画像を、コピー＆ペースト、及び、印刷可能としてもよい。この場合、企画担当者１０１の端末１０２のＣＰＵは、図２０に示すように、画像変換サービス画面１５００に対して「印刷ボタン２０００」を表示する。端末１０２のＣＰＵは、この印刷ボタン２０００の操作を検出すると、変換画像１１１の印刷データをプリンタ装置に送信して、印刷を実行させる。これにより、画像生成部３０５により生成された合成画像を印刷することができる。

また、上述の実施の形態の説明では、学習部３０３が畳み込みニューラルネットワークにより構成されるものとして説明したが、画像モデル学習部９０１及びパーツモデル学習部９０２の構成はこれに限定されない。画像モデル学習部９０１については、処理対象の入力画像から、該入力画像に含まれる物品のイメージを適切に出力する学習機能を有していればよい。また、パーツモデル学習部９０２については、処理対象の入力画像に含まれる物品の画像情報と変換イメージから、最適な組み合わせとなるパーツ画像を出力する学習機能を有していればよい。

また、画像処理装置１０３とネットワーク１０８を介して企画担当者１０１の端末１０２と直接データの送受信を行う構成としたが、画像処理装置１０３とネットワーク１０８との間にサーバ装置を設け、このサーバ装置で、画像処理装置１０３の機能の一部を実現する構成としてもよい。

また、画像処理装置１０３が各格納部（画像学習情報格納部９０３、パーツ学習情報格納部９０４）を有するものとして説明したが、各格納部は、画像処理装置１０３とは別体の外部装置が有する構成としてもよい。

また、入力画像１０９である変換の対象を衣服として説明したが、変換の対象は衣服に限定されるものではない。

さらに、上述の各実施の形態の構成等に、その他の装置又はデバイスとの組み合わせ等、上述の構成に本発明が限定されるものではない。これらの点に関しては、本発明の趣旨を逸脱しない範囲で変更することが可能であり、その応用形態に応じて適切に定めることができる。そして、このような各実施の形態及び各実施の形態の変形は、発明の範囲や要旨に含まれると共に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１００ 製品開発システム
１０２ 企画担当者の端末
１０３ 画像処理装置
１０７ 情報処理担当者の端末
１０９ 入力画像
１１０ あいまい情報
１１１ 変換画像
３００ 入力部
３０１ 画像解析部
３０２ データ入力部
３０３ 学習部
３０４ パーツ画像生成部
３０５ 画像生成部
９００ 学習情報入力部
９０１ 画像モデル学習部
９０２ パーツモデル学習部
１３００ 画像変換サービス画面
１４０１ 画像変換サービス結果画面
１５００ 画像変換サービス画面

特開２００２－２９７６８９号公報

Claims (13)

1. 入力画像のデザイン対象に施すデザインをあいまいに表現したあいまい情報に基づいて、前記あいまい情報を所定の分類に基づいて数値化した第１の情報を生成する第１の情報生成部と、
   前記入力画像を解析して、少なくとも前記入力画像のデザイン対象の態様を示す画像情報を出力すると共に、前記入力画像のデザイン対象を所定の分類に基づいて数値化した第２の情報を生成する第２の情報生成部と、
   前記あいまい情報を所定の分類に基づいて数値化した前記第１の情報、前記画像情報、及び、前記入力画像のデザイン対象を所定の分類に基づいて数値化した前記第２の情報に基づいて、前記デザイン対象に付加するパーツ画像を生成するパーツ画像生成部と、
   前記入力画像の前記デザイン対象に前記パーツ画像を付加した合成画像を生成する画像生成部と、
   少なくとも任意画像と前記任意画像に関する画像情報と前記任意画像の印象を含む情報を複数の任意画像に対して収集した情報群を学習情報とし、前記学習情報を学習して画像学習モデルを生成する学習部と、
   を有し、
   前記第２の情報生成部は、前記学習部からの前記画像学習モデルに基づいて、前記入力画像を解析して前記画像情報を生成すると共に、前記入力画像のデザイン対象を所定の分類に基づいて数値化した前記第２の情報を生成すること
   を特徴とする画像処理装置。
2. 入力画像のデザイン対象に施すデザインをあいまいに表現したあいまい情報に基づいて、前記あいまい情報を所定の分類に基づいて数値化した第１の情報を生成する第１の情報生成部と、
   前記入力画像を解析して、少なくとも前記入力画像のデザイン対象の態様を示す画像情報を出力すると共に、前記入力画像のデザイン対象を所定の分類に基づいて数値化した第２の情報を生成する第２の情報生成部と、
   前記あいまい情報を所定の分類に基づいて数値化した前記第１の情報、前記画像情報、及び、前記入力画像のデザイン対象を所定の分類に基づいて数値化した前記第２の情報に基づいて、前記デザイン対象に付加するパーツ画像を生成するパーツ画像生成部と、
   前記入力画像の前記デザイン対象に前記パーツ画像を付加した合成画像を生成する画像生成部と、
   少なくとも任意画像と前記任意画像に関する画像情報と前記任意画像の印象と前記任意画像を構成する要素を含む情報を複数の任意画像に対して収集した情報群を学習情報とし、前記学習情報を学習してパーツ学習モデルを生成する学習部と、
   を有し、
   前記パーツ画像生成部は、前記第１の情報、前記画像情報、前記第２の情報、及び、前記パーツ学習モデルに基づいて、前記デザイン対象に付加するパーツ画像を生成すること
   を特徴とする画像処理装置。
3. 前記学習部は、前記パーツ学習モデルを学習することで、前記パーツ画像の合成時の位置関係を学習した画像合成学習モデルを生成し、
   前記画像生成部は、前記入力画像の前記デザイン対象に前記パーツ画像を付加する際に、前記画像合成学習モデルで示される位置関係を参照して、前記デザイン対象に前記パーツ画像を付加した合成画像を生成すること
   を特徴とする請求項２に記載の画像処理装置。
4. 前記第２の情報は、各前記分類の最も数値が高い項目の集合情報であること
   を特徴とする請求項１から請求項３のうち、いずれか一項に記載の画像処理装置。
5. 前記画像情報は、少なくとも前記入力画像のデザイン対象を構成する部位の位置情報及びサイズ情報を含むこと
   を特徴とする請求項１から請求項４のうち、いずれか一項に記載の画像処理装置。
6. 前記あいまい情報は、物品又は人物が人に与える印象であり、前記物品を用いるユーザの性別、年齢、前記物品が利用される場面又は条件を含む人の主観による指標を示す情報であること
   を特徴とする請求項１から請求項５のうち、いずれか一項に記載の画像処理装置。
7. 前記パーツ画像生成部は、一つの入力画像に対して、一つ以上の要素の異なるパーツ画像を生成し、
   前記画像生成部は、前記パーツ画像生成部によって生成されたパーツ画像の数に応じて、前記パーツ画像を付加した合成画像を生成すること
   を特徴とする請求項１から請求項６のうち、いずれか一項に記載の画像処理装置。
8. 前記第１の情報生成部は、テキストデータ、画像情報又は音声情報で前記あいまい情報を取得すること
   を特徴とする請求項１から請求項７のうち、いずれか一項に記載の画像処理装置。
9. 第１の情報生成部が、入力画像のデザイン対象に施すデザインをあいまいに表現したあいまい情報に基づいて、前記あいまい情報を所定の分類に基づいて数値化した第１の情報を形成する第１の情報形成ステップと、
   第２の情報生成部が、前記入力画像を解析して、少なくとも前記入力画像のデザイン対象の態様を示す画像情報を出力すると共に、前記入力画像のデザイン対象を所定の分類に基づいて数値化した第２の情報を生成する第２の情報生成ステップと、
   パーツ画像生成部が、前記あいまい情報を所定の分類に基づいて数値化した前記第１の情報、前記画像情報、及び、前記入力画像のデザイン対象を所定の分類に基づいて数値化した前記第２の情報に基づいて、前記デザイン対象に付加するパーツ画像を生成するパーツ画像生成ステップと、
   画像生成部が、前記入力画像の前記デザイン対象に前記パーツ画像を付加した合成画像を生成する画像生成ステップと、
   学習部が、複数の任意画像に対して収集した情報群を学習情報とし、前記学習情報を学習して画像学習モデルを生成するステップと、
   を有し、
   前記第２の情報生成ステップでは、前記学習部からの前記画像学習モデルに基づいて、前記入力画像を解析して前記画像情報を生成すると共に、前記入力画像のデザイン対象を所定の分類に基づいて数値化した前記第２の情報を生成すること
   を特徴とする画像処理方法。
10. 第１の情報生成部が、入力画像のデザイン対象に施すデザインをあいまいに表現したあいまい情報に基づいて、前記あいまい情報を所定の分類に基づいて数値化した第１の情報を形成する第１の情報形成ステップと、
    第２の情報生成部が、前記入力画像を解析して、少なくとも前記入力画像のデザイン対象の態様を示す画像情報を出力すると共に、前記入力画像のデザイン対象を所定の分類に基づいて数値化した第２の情報を生成する第２の情報生成ステップと、
    パーツ画像生成部が、前記あいまい情報を所定の分類に基づいて数値化した前記第１の情報、前記画像情報、及び、前記入力画像のデザイン対象を所定の分類に基づいて数値化した前記第２の情報に基づいて、前記デザイン対象に付加するパーツ画像を生成するパーツ画像生成ステップと、
    画像生成部が、前記入力画像の前記デザイン対象に前記パーツ画像を付加した合成画像を生成する画像生成ステップと、
    学習部が、少なくとも任意画像と前記任意画像に関する画像情報と前記任意画像の印象と前記任意画像を構成する要素を含む情報を複数の任意画像に対して収集した情報群を学習情報とし、前記学習情報を学習してパーツ学習モデルを生成するステップと、
    を有し、
    前記パーツ画像生成ステップでは、前記第１の情報、前記画像情報、前記第２の情報、及び、前記パーツ学習モデルに基づいて、前記デザイン対象に付加するパーツ画像を生成すること
    を特徴とする画像処理方法。
11. コンピュータを、
    入力画像のデザイン対象に施すデザインをあいまいに表現したあいまい情報に基づいて、前記あいまい情報を所定の分類に基づいて数値化した第１の情報を生成する第１の情報生成部と、
    前記入力画像を解析して、少なくとも前記入力画像のデザイン対象の態様を示す画像情報を出力すると共に、前記入力画像のデザイン対象を所定の分類に基づいて数値化した第２の情報を生成する第２の情報生成部と、
    前記あいまい情報を所定の分類に基づいて数値化した前記第１の情報、前記画像情報、及び、前記入力画像のデザイン対象を所定の分類に基づいて数値化した前記第２の情報に基づいて、前記デザイン対象に付加するパーツ画像を生成するパーツ画像生成部と、
    前記入力画像の前記デザイン対象に前記パーツ画像を付加した合成画像を生成する画像生成部と、
    少なくとも任意画像と前記任意画像に関する画像情報と前記任意画像の印象を含む情報を複数の任意画像に対して収集した情報群を学習情報とし、前記学習情報を学習して画像学習モデルを生成する学習部として機能させ、
    前記第２の情報生成部は、前記学習部からの前記画像学習モデルに基づいて、前記入力画像を解析して前記画像情報を生成すると共に、前記入力画像のデザイン対象を所定の分類に基づいて数値化した前記第２の情報を生成すること
    を特徴とする画像処理プログラム。
12. コンピュータを、
    入力画像のデザイン対象に施すデザインをあいまいに表現したあいまい情報に基づいて、前記あいまい情報を所定の分類に基づいて数値化した第１の情報を生成する第１の情報生成部と、
    前記入力画像を解析して、少なくとも前記入力画像のデザイン対象の態様を示す画像情報を出力すると共に、前記入力画像のデザイン対象を所定の分類に基づいて数値化した第２の情報を生成する第２の情報生成部と、
    前記あいまい情報を所定の分類に基づいて数値化した前記第１の情報、前記画像情報、及び、前記入力画像のデザイン対象を所定の分類に基づいて数値化した前記第２の情報に基づいて、前記デザイン対象に付加するパーツ画像を生成するパーツ画像生成部と、
    前記入力画像の前記デザイン対象に前記パーツ画像を付加した合成画像を生成する画像生成部と、
    少なくとも任意画像と前記任意画像に関する画像情報と前記任意画像の印象と前記任意画像を構成する要素を含む情報を複数の任意画像に対して収集した情報群を学習情報とし、前記学習情報を学習してパーツ学習モデルを生成する学習部として機能させ、
    前記パーツ画像生成部は、前記第１の情報、前記画像情報、前記第２の情報、及び、前記パーツ学習モデルに基づいて、前記デザイン対象に付加するパーツ画像を生成すること
    を特徴とする画像処理プログラム。
13. 前記入力画像及び前記あいまい情報の入力を行う入力装置と、
    請求項１から請求項８のうち、いずれか一項に記載の画像処理装置と、
    前記画像処理装置により生成された前記合成画像を出力するための出力装置と
    を有する製品開発システム。

Images