JP7426602B2 - 映像生成装置、映像生成方法およびプログラム - Google Patents

Description

本開示は、ＣＧ（computer graphics）データを用いて映像を生成する装置、方法およびプログラムに関する。

近年、車両の自動運転を実現するための自動運転支援システムが提供されている。この自動運転支援システムは、自動運転の制御対象とされる車両に搭載されたカメラの映像から、他の車両、歩行者、信号機などのオブジェクトを検知し、その検知結果に応じてその制御対象の車両の走行を制御する。

映像に写し出されているオブジェクトの検知には、検知処理系が用いられる。この検知処理系の一例は、ディープラーニングなどの機械学習によって構築された学習モデルである。この検知処理系によるオブジェクトの検知精度を向上させるためには、多くのカメラの映像（すなわち多くの実写映像）を収集し、これらの多くの実写映像の中から検知処理系にとって間違い易い映像をリストアップする必要がある。間違い易い映像は、例えば、人でないオブジェクトが写し出されている映像であって、検知処理系がそのオブジェクトを人であると判断する可能性が高い映像である。つまり、間違い易い映像は、検知処理系にとって苦手な映像である。このような間違い易い映像に対するオブジェクトの検知を検知処理系にさせて、間違わないように検知処理系を設定することは重要である。

しかし、多くの実写映像を収集するコストは膨大であって、長い時間を要する。さらに、どれだけ実写映像を収集すれば十分であるかは不明である。また、天候または光の差し込む方向などが少し異なる複数の実写映像を収集することも困難である。

そこで、このような実写映像の代わりにＣＧ映像を用いたシミュレーションシステムが提案されている（例えば、特許文献１参照）。このようなＣＧでは、天候または光の差し込む方向などを示すパラメータを任意に設定することができる。したがって、天候または光の差し込む方向などが少し異なる複数のＣＧ映像を容易に、かつ大量に収集することができる。さらに、多くのＣＧ映像を、コストを抑えて短期間に収集することができる。その結果、このようなＣＧ映像を用いることによって、上述の検知処理系によるオブジェクトの検知精度を向上することができる。

国際公開第２０１８－０６６３５１号

しかしながら、上記特許文献１のシミュレーションシステムでは、映像を効率的に生成することが難しいという課題がある。

そこで、本開示は、映像を効率的に生成することができる映像生成装置などを提供する。

本開示の一態様に係る映像生成装置は、少なくとも１つのパラメータからなる第１パラメータ群をＣＧ（computer graphics）データに設定することによって、オブジェクトが
第１種別の物体として描かれた第１映像を生成する第１映像生成処理を行うＣＧ映像生成部と、予め定められた少なくとも１つの種別の物体を、映像から検知する検知処理系を用いて、前記第１映像のスコアを導出する処理であって、当該第１映像に描かれている前記オブジェクトが前記第１種別の物体であることの尤度に応じたスコアを導出する第１スコア導出処理を行うスコア処理部と、前記第１パラメータ群に含まれる少なくとも１つのパラメータの数値を複数通りに変更することによって、それぞれ互いに異なる複数の第２パラメータ群を生成するパラメータ調整処理を行うパラメータ調整部と、複数の映像から少なくとも１つの映像を抽出する抽出処理を行う映像抽出部とを備え、前記ＣＧ映像生成部は、さらに、複数の前記第２パラメータ群のそれぞれについて、当該第２パラメータ群を前記ＣＧデータに設定することによって、オブジェクトが前記第１種別の物体として描かれた第２映像を生成する第２映像生成処理を行い、前記スコア処理部は、さらに、生成された複数の前記第２映像のそれぞれについて、前記検知処理系を用いて当該第２映像のスコアを導出する処理であって、当該第２映像に描かれている前記オブジェクトが前記第１種別の物体であることの尤度に応じたスコアを導出する第２スコア導出処理を行い、前記映像抽出部は、複数の前記第２映像および前記第１映像のそれぞれのスコアに基づいて、複数の前記第２映像から少なくとも１つの第２映像を抽出する処理を、前記抽出処理として行い、抽出される前記少なくとも１つの第２映像のそれぞれに描かれている前記オブジェクトが前記第１種別の物体であることの尤度は、前記第１映像に描かれている前記オブジェクトが前記第１種別の物体であることの尤度よりも低い。

なお、これらの包括的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラムおよび記録媒体の任意な組み合わせで実現されてもよい。

本開示の映像生成装置は、映像を効率的に生成することができる。

図１は、実施の形態における映像生成装置の機能構成の一例を示すブロック図である。 図２は、実施の形態における検知処理系の処理を説明するための図である。 図３は、実施の形態におけるパラメータ調整部によって調整されるパラメータ群の一例を示す図である。 図４は、実施の形態における映像生成装置の全体的な処理動作を示すフローチャートである。 図５は、実施の形態におけるステップ１の処理を説明するための図である。 図６は、実施の形態におけるステップ１の処理を示すフローチャートである。 図７は、実施の形態におけるステップ２の処理を説明するための図である。 図８は、実施の形態におけるステップ２の処理を示すフローチャートである。 図９は、実施の形態におけるステップ３の処理を説明するための図である。 図１０は、実施の形態におけるステップ３の処理を示すフローチャートである。 図１１は、実施の形態における映像生成装置の機能構成の他の例を示すブロック図である。

（本開示の基礎となった知見）
本発明者は、「背景技術」の欄において記載した上記特許文献１に関し、以下の問題が生じることを見出した。

上記特許文献１のシミュレーションシステムは、多くのＣＧ映像を生成することができるが、そのＣＧ映像の数は無限の可能性があり、有限時間にそれらのＣＧ映像を生成することが難しい場合がある。また、ＣＧ映像を生成するためのＣＧデータに用いられるパラメータの種類は多く、異質なパラメータも多く用いられる。さらに、オブジェクトの位置、サイズ、天候などを少しずつ変化させて互いに異なる複数のＣＧ映像を生成する場合には、それらを示すパラメータの数値の変化量をどの程にすればよいのか不明である。言い換えれば、その変化量をどの程度にすれば、検知処理系の十分な検知精度を得るための全てのＣＧ映像を生成し尽したことになるかが分からない。

例えば、ＣＧ映像の生成に１００個のパラメータが用いられ、１つのパラメータの取り得る数値が１００通りある場合、生成されるＣＧ映像の数は、１００の１００条になる。また、そのパラメータの数値をより細かい単位（例えば、１ｍｍ単位または１度単位など）で変化させることによって、そのパラメータの取り得る数値を１００通り以上にすれば、このようなＣＧ映像の数は無限に生成され、処理しきれない状態になる。

そこで、本開示の一態様に係る映像生成装置は、少なくとも１つのパラメータからなる第１パラメータ群をＣＧ（computer graphics）データに設定することによって、オブジェクトが第１種別の物体として描かれた第１映像を生成する第１映像生成処理を行うＣＧ映像生成部と、予め定められた少なくとも１つの種別の物体を、映像から検知する検知処理系を用いて、前記第１映像のスコアを導出する処理であって、当該第１映像に描かれている前記オブジェクトが前記第１種別の物体であることの尤度に応じたスコアを導出する第１スコア導出処理を行うスコア処理部と、前記第１パラメータ群に含まれる少なくとも１つのパラメータの数値を複数通りに変更することによって、それぞれ互いに異なる複数の第２パラメータ群を生成するパラメータ調整処理を行うパラメータ調整部と、複数の映像から少なくとも１つの映像を抽出する抽出処理を行う映像抽出部とを備え、前記ＣＧ映像生成部は、さらに、複数の前記第２パラメータ群のそれぞれについて、当該第２パラメータ群を前記ＣＧデータに設定することによって、オブジェクトが前記第１種別の物体として描かれた第２映像を生成する第２映像生成処理を行い、前記スコア処理部は、さらに、生成された複数の前記第２映像のそれぞれについて、前記検知処理系を用いて当該第２映像のスコアを導出する処理であって、当該第２映像に描かれている前記オブジェクトが前記第１種別の物体であることの尤度に応じたスコアを導出する第２スコア導出処理を行い、前記映像抽出部は、複数の前記第２映像および前記第１映像のそれぞれのスコアに基づいて、複数の前記第２映像から前記第１映像よりも尤度が低い少なくとも１つの第２映像を抽出する処理を、前記抽出処理として行う。

これにより、オブジェクトが第１種別の物体として描かれた第１映像が生成され、その第１映像から、さらに、第１種別の物体の尤度が第１映像よりも低い第２映像が生成される。例えば、木が描かれた第１映像から、木の尤度が第１映像よりも低い第２映像が生成される。したがって、検知処理系にとって間違い易い第２映像を効率的に生成することができる。

また、前記スコア処理部は、前記第１スコア導出処理では、前記第１種別とは異なる第２種別の物体を検知する前記検知処理系を用いて、前記第１映像に描かれている前記オブジェクトが前記第２種別の物体であることの尤度を、前記第１映像のスコアとして導出し、前記第２スコア導出処理では、前記第２映像に描かれている前記オブジェクトが前記第２種別の物体であることの尤度を、前記検知処理系を用いて前記第２映像のスコアとして導出し、前記映像抽出部は、前記抽出処理では、複数の前記第２映像から前記第１映像よりもスコアが高い前記少なくとも１つの第２映像を抽出してもよい。

これにより、第２種別の物体を検知する検知処理系にとって、第２種別の物体と間違って検知してしまい易い第１種別の物体が描かれている第２映像を、効率的に生成することができる。例えば、第１種別の物体は木であり、第２種別の物体は人である。この場合、人と間違って検知してしまい易い木が描かれている第２映像を効率的に生成することができる。

また、前記ＣＧ映像生成部は、前記第１映像生成処理では、互いに異なる複数の前記第１パラメータ群のそれぞれを前記ＣＧデータに設定することによって、複数の前記第１映像を生成し、前記スコア処理部は、前記第１スコア導出処理では、生成された複数の前記第１映像のそれぞれのスコアを導出し、前記映像抽出部は、さらに、生成された複数の前記第１映像から、前記スコアの高い順で上位Ｍ枚（Ｍは２以上の整数）の前記第１映像を抽出し、前記パラメータ調整部は、前記パラメータ調整処理では、Ｍ枚の前記第１映像の生成に用いられたＭ個の前記第１パラメータ群のそれぞれから複数の前記第２パラメータ群を生成し、前記ＣＧ映像生成部は、前記第２映像生成処理では、Ｍ枚の前記第１映像のそれぞれについて、当該第１映像の前記第１パラメータ群から生成された複数の前記第２パラメータ群を用いて、複数の前記第２映像を生成してもよい。例えば、前記パラメータ調整部は、前記パラメータ調整処理では、Ｍ個の前記第１パラメータ群のそれぞれについて、当該第１パラメータ群に含まれる少なくとも１つのパラメータの数値を、複数の前記第１パラメータ群の間での数値の差よりも小さい変化量だけ変更してもよい。

これにより、検知処理系にとって間違い易いＭ枚の第１映像が大雑把に抽出され、そのＭ枚の第１映像のそれぞれのパラメータが細かく調整されることによって、検知処理系にとってより間違い易い第２映像を効率的に生成することができる。つまり、その間違い易いＣＧ映像を探し出すために、無限にＣＧ映像を生成する手間を省くことができる。

また、前記ＣＧ映像生成部、前記スコア処理部、前記パラメータ調整部および前記映像抽出部は、繰り返し処理を行い、前記繰り返し処理では、抽出された前記少なくとも１つの第２映像のそれぞれについて、当該第２映像を前記第１映像として扱い、当該第２映像の生成に用いられた前記第２パラメータ群を、前記第１パラメータ群として扱うことによって、前記パラメータ調整処理、前記第２映像生成処理、前記第２スコア導出処理、および前記抽出処理からなる一連の処理が繰り返し行われてもよい。

これにより、上記一連の処理が繰り返し行われるたびに、映像抽出部によって抽出される第２映像を、検知処理系にとって間違い易い映像に近づけることができる。

また、前記パラメータ調整部は、前記パラメータ調整処理では、前記第１パラメータ群に含まれる複数のパラメータのそれぞれの数値を複数通りに変更する複数パラメータ調整処理によって、複数の前記第２パラメータ群を生成してもよい。例えば、その数値の変更はランダムに行われる。

これにより、検知処理系にとって間違い易い第２映像を大まかに見つけ出すことができる。

また、前記パラメータ調整部は、前記パラメータ調整処理では、前記第１パラメータ群に含まれるパラメータごとに、前記第１パラメータ群の中で当該パラメータの数値のみを複数通りに変更する個別パラメータ調整処理によって、複数の前記第２パラメータ群を生成してもよい。

これにより、検知処理系にとって間違い易い第２映像をより細かく見つけ出すことができる。

また、前記繰り返し処理は、前記一連の処理が繰り返し行われる第１繰り返し処理と、前記第１繰り返し処理の後に前記一連の処理が繰り返し行われる第２繰り返し処理とを含み、前記パラメータ調整部は、前記第１繰り返し処理に含まれる前記パラメータ調整処理では、前記第１パラメータ群に含まれる複数のパラメータのそれぞれの数値を複数通りに変更する複数パラメータ調整処理によって、複数の前記第２パラメータ群を生成し、前記第２繰り返し処理に含まれる前記パラメータ調整処理では、前記パラメータ調整部は、前記第１パラメータ群に含まれるパラメータごとに、前記第１パラメータ群の中で当該パラメータの数値のみを複数通りに変更する個別パラメータ調整処理によって、複数の前記第２パラメータ群を生成してもよい。

これにより、検知処理系にとって間違い易い第２映像を大まかに見つけ出した後に、その第２映像をより間違い易い映像に細かく近づけることができる。

また、前記パラメータ調整部は、前記第１繰り返し処理において導出されたスコアであって、前記少なくとも１つの第２映像のうちの何れか１つの前記第２映像のスコアが閾値以上である場合には、次に行われる前記一連の処理に含まれる前記パラメータ調整処理を、前記個別パラメータ調整処理として行うことによって、前記第１繰り返し処理を前記第２繰り返し処理に切り替えてもよい。

これにより、第１繰り返し処理によって大まかに見つけ出された複数の間違い易い第２映像の中から特に間違い易い第２映像を抽出し、その第２映像をさらにより間違い易い映像に細かく近づけることができる。

また、前記スコア処理部は、前記第１スコア導出処理では、前記第１映像を前記検知処理系に入力することによって得られる、前記予め定められた少なくとも１つの種別の物体のそれぞれの尤度に基づいて、前記第１映像のスコアを導出し、前記第２スコア導出処理では、複数の前記第２映像のそれぞれについて、当該第２映像を前記検知処理系に入力することによって得られる、前記予め定められた少なくとも１つの種別の物体のそれぞれの尤度に基づいて、当該第２映像のスコアを導出してもよい。

これにより、第１映像および第２映像のそれぞれの検知処理系による間違い易さをスコアとして適切に導出することができる。

また、前記映像生成装置は、さらに、前記抽出処理によって抽出された前記少なくとも１つの第２映像を用いて前記検知処理系の学習を行う学習処理部を備えてもよい。

これにより、検知処理系の検知精度を向上することができる。

なお、これらの包括的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラムまたは記録媒体の任意な組み合わせで実現されてもよい。

以下、実施の形態について、図面を参照しながら具体的に説明する。

なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本開示を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。また、各図は、模式図であり、必ずしも厳密に図示されたものではない。また、各図において、同じ構成部材については同じ符号を付している。

（実施の形態）
＜システム構成＞
図１は、本実施の形態における映像生成装置の機能構成の一例を示すブロック図である。

本実施の形態における映像生成装置１０は、ＣＧ映像生成部１１と、スコア処理部１２と、映像抽出部１３と、パラメータ調整部１４とを備える。

ＣＧ映像生成部１１は、少なくとも１つのパラメータからなるパラメータ群をＣＧ（computer graphics）データに設定することによって、オブジェクトが第１種別の物体として描かれたＣＧ映像を生成する。例えば、第１種別の物体は木、人、車両などである。つまり、ＣＧ映像生成部１１は、木、人、車両などが描かれたＣＧ映像を生成する。また、そのパラメータ群が複数あれば、ＣＧ映像生成部１１は、それらの複数のパラメータ群のそれぞれについて、そのパラメータ群に対応するＣＧ映像を生成する。

スコア処理部１２は、ＣＧ映像生成部１１によって生成されたＣＧ映像のスコアを、検知処理系２０を用いて導出する。検知処理系２０は、予め定められた少なくとも１つの種別の物体を、ＣＧ映像生成部１１によって生成されたＣＧ映像から検知する装置またはシステムである。例えば、検知処理系２０は、ニューラルネットワークなどの学習モデルであってもよい。

映像抽出部１３は、ＣＧ映像生成部１１によって生成された複数のＣＧ映像のそれぞれのスコアに基づいて、その複数のＣＧ映像から少なくとも１つのＣＧ映像を抽出する。

パラメータ調整部１４は、映像抽出部１３によって抽出された少なくとも１つのＣＧ映像のそれぞれについて、そのＣＧ映像の生成に用いられたパラメータ群を複数通りに変更することによって、それぞれ互に異なる新たな複数のパラメータ群を生成する。本実施の形態では、変更前のパラメータ群を、第１パラメータ群ともいい、変更後のパラメータ群を、第２パラメータ群ともいう。また、第１パラメータ群を用いて生成されるＣＧ映像を、第１ＣＧ映像ともいい、第２パラメータ群を用いて生成されるＣＧ映像を、第２ＣＧ映像ともいう。

ＣＧ映像生成部１１、スコア処理部１２、映像抽出部１３、およびパラメータ調整部１４は、第２パラメータ群の生成と、第２ＣＧ映像の生成および抽出とを行うと、その第２パラメータ群および第２ＣＧ映像を、新たな第１パラメータ群および第１ＣＧ映像としてそれぞれ用いて、上述の処理を繰り返す。

図２は、検知処理系２０の処理を説明するための図である。

検知処理系２０は、ＣＧ映像に対して例えば検知枠を設定し、その設定された検知枠内に存在する予め定められた種別の物体を検知する。予め定められた種別の物体は、例えば、木、人、車両、および自転車などである。

例えば、図２の（ａ）および（ｂ）に示すように、検知処理系２０は、ＣＧ映像の検知枠内の領域に対して、木の尤度、人の尤度、車両の尤度、および自転車の尤度を導出する。つまり、検知処理系２０は、その領域にあるオブジェクトが木であることの尤もらしさを木の尤度として導出する。同様に、検知処理系２０は、その領域にあるオブジェクトが、人であることの尤もらしさを人の尤度として導出し、車両であることの尤もらしさを車両の尤度として導出し、自転車であることの尤もらしさを自転車の尤度として導出する。これらの尤度は、例えば０～１までの連続的な数値範囲から選ばれる数値であって、高い尤度ほど、尤もらしさ、言い換えれば確からしさが高く、低い尤度ほど、尤もらしさ、言い換えれば確からしさが低い。例えば、木の尤度＝０は、そのオブジェクトが木であることはないことを示し、逆に、木の尤度＝１は、そのオブジェクトが木であることを示す。

より具体的には、図２の（ａ）に示す例では、ＣＧ映像の検知枠内の領域に存在するオブジェクトは人である。このような場合に検知処理系２０の検知精度が十分であれば、検知処理系２０は、その人のＣＧ映像に対して高い人の尤度を導出する。つまり、検知処理系２０は、人のＣＧ映像に対して、木の尤度、車両の尤度、および自転車の尤度のそれぞれよりも優位に高い人の尤度を導出する。これにより、検知処理系２０は、そのＣＧ映像の検知枠内から人を検知することができる。

また、図２の（ｂ）に示す例では、ＣＧ映像の検知枠内の領域に存在するオブジェクトは木である。このような場合に検知処理系２０の検知精度が十分であれば、検知処理系２０は、その木のＣＧ映像に対して高い木の尤度を導出する。しかし、検知処理系２０の検知精度が不十分であれば、検知処理系２０は、例えば互いに殆ど等しい木の尤度と人の尤度とを導出する可能性がある。つまり、検知処理系２０は、木のＣＧ映像に対して、人の尤度よりも優位に高い木の尤度を導出しない。このような場合には、検知処理系２０は、そのＣＧ映像の検知枠内から木を検知すること難しい。つまり、このような場合には、検知処理系２０は、そのＣＧ映像が苦手であると言える。また、そのＣＧ映像は、検知処理系２０にとって間違い易い映像とも言える。

本実施の形態におけるスコア処理部１２は、ＣＧ映像生成部１１によって生成されたＣＧ映像のスコアであって、検知処理系２０にとってそのＣＧ映像が苦手である度合い、または間違い易さの度合いを示すスコアを導出する。具体的には、スコア処理部１２は、ＣＧ映像生成部１１によって生成されたＣＧ映像を検知処理系２０に入力する。そして、スコア処理部１２は、そのＣＧ映像を検知処理系２０に入力することによって得られる尤度に基づいて、そのＣＧ映像のスコアを導出する。このスコアは、例えば、人のＣＧ映像に対して、人の尤度が低いほど高い数値を示し、木の尤度が高いほど高い数値を示す。同様に、そのスコアは、例えば、木のＣＧ映像に対して、木の尤度が低いほど高い数値を示し、人の尤度が高いほど高い数値を示す。

つまり、スコアは、ＣＧ映像に描かれているオブジェクトと同じ種別の物体の尤度が低いほど高い数値を示す。言い換えれば、スコアは、ＣＧ映像に描かれているオブジェクトとは異なる種別の物体の尤度であってもよい。

図３は、パラメータ調整部１４によって調整されるパラメータ群の一例を示す図である。

例えば、木が描かれているＣＧ映像を生成するためのパラメータ群は、例えば、その木に関するパラメータセットと、天候に関するパラメータセットと、時間帯に関するパラメータセットと、緯度に関するパラメータセットと、季節に関するパラメータセットとを含む。

木に関するパラメータセットは、例えば、木の本数を示すパラメータと、複数のパラメータサブセットとを含む。複数のパラメータサブセットは、例えば、１本目の木に関するパラメータサブセットと、その木の１本目の枝に関するパラメータサブセット、その枝からの１本目の２次枝に関するパラメータサブセットと、その２次枝からの１本目の３次枝に関するパラメータサブセットと、その２次枝からの２本目の３次枝に関するパラメータサブセットとを含む。

１本目の木に関するパラメータサブセットは、その木の種類を示すパラメータと、その木の位置を示すパラメータと、向きを示すパラメータと、花の有無を示すパラメータと、実の有無を示すパラメータと、枝の数を示すパラメータとを含む。１本目の枝に関するパラメータサブセットは、その枝の位置を示すパラメータと、向きを示すパラメータと、太さを示すパラメータと、長さを示すパラメータと、２次枝の数を示すパラメータとを含む。

このように、木のＣＧ映像を生成するためのパラメータ群は、多くのパラメータを含む。木以外の他のオブジェクトが描かれたＣＧ映像を生成するためのパラメータ群も、図３に示す例と同様に、多くのパラメータを含む。なお、図３に示すパラメータ群は、一例であって、他のパラメータを含んでいてもよく、図３に示す幾つかのパラメータを含んでいてなくてもよい。

ここで、検知処理系２０の検知精度を向上させるためには、その検知処理系２０に対する学習において、その検知処理系２０にとって間違い易いＣＧ映像が必要である。しかし、図３に示すようにＣＧ映像の生成には多くのパラメータが用いられるため、それらのパラメータの数値をどのようにすれば間違い易いＣＧ映像が得られるかは不明であって、手当たり次第にその数値を決めていくことが考えられる。しかし、このような場合には、処理負担および処理時間が膨大になる。

そこで、本実施の形態における映像生成装置１０は、検知処理系２０によって得られる尤度を用いて間違い易いＣＧ映像を生成する。

以下、本実施の形態における映像生成装置１０によって木のＣＧ映像が生成される例について説明する。また、以下の説明では、検知処理系２０は、木のＣＧ映像から人を検知するために人の尤度を算出する。そして、本実施の形態におけるスコア処理部１２は、その検知処理系２０から出力される人の尤度をスコアとして導出する。

＜全体の処理＞
図４は、本実施の形態における映像生成装置１０の全体的な処理動作を示すフローチャートである。

映像生成装置１０は、ステップ１、ステップ２、ステップ３の順に、その３つのステップの処理を実行することによって、検知処理系２０にとって苦手なＣＧ映像を生成する。

まず、ステップ１では、映像生成装置１０は、例えば図３に示すパラメータ群である第１パラメータ群に含まれるＮ個（Ｎは１以上の整数）のパラメータのそれぞれの数値をランダムに決定することによって、複数の第１ＣＧ映像を生成する。例えば、その複数の第１ＣＧ映像のそれぞれには木がオブジェクトとして描かれている。

次に、ステップ２では、映像生成装置１０は、その複数の第１ＣＧ映像から、一部の第１ＣＧ映像、すなわちスコアの高い複数の第１ＣＧ映像を抽出する。例えば、そのスコアは人の尤度である。そして、映像生成装置１０は、その抽出されたスコアの高い複数の第１ＣＧのそれぞれについて、その第１ＣＧ映像のＮ個のパラメータの数値をランダムに変更することによって、その第１ＣＧ映像から第２ＣＧ映像を生成する。そして、映像生成装置１０は、その複数の第２ＣＧ映像から、一部の第２ＣＧ映像、すなわちスコアの高い複数の第２ＣＧ映像を抽出する。さらに、映像生成装置１０は、ステップ２の処理を繰り返し実行する。このとき、抽出された第２ＣＧ映像は、第１ＣＧ映像として扱われる。また、閾値以上のスコアを有する少なくとも１つの第２ＣＧ映像が抽出されると、映像生成装置１０は、その少なくとも１つの第２ＣＧ映像のそれぞれに対してステップ３の処理を行う。

ステップ３では、ステップ２で抽出された、閾値以上の少なくとも１つの第２ＣＧ映像がそれぞれ第１ＣＧ映像として扱われる。そして、映像生成装置１０は、その閾値以上のスコアを有する少なくとも１つの第１ＣＧ映像のそれぞれについて、パラメータごとに、そのパラメータの数値を２Ｋ（Ｋは１以上の整数）通り変更する。その結果、映像生成装置１０は、パラメータがＮ個あるため、１枚の第１ＣＧ映像から（Ｎ×２Ｋ）枚の第２ＣＧ映像を生成する。そして、映像生成装置１０は、その（Ｎ×２Ｋ）枚の第２ＣＧ映像からスコアが高い第２ＣＧ映像を抽出する。そして、映像生成装置１０は、ステップ３の処理を繰り返し実行する。このとき、抽出された第２ＣＧ映像は、第１ＣＧ映像として扱われる。

なお、ステップ２および３で行われるパラメータの数値の変更は、変更前のパラメータの数値を中心に、変更後の各数値が分布するように行われる。

このようなステップ１～３の処理によって、より高いスコアを有する第２ＣＧ映像、すなわち検知処理系２０にとってより苦手な第２ＣＧ映像を効率的に生成することができる。

＜ステップ１＞
図５は、ステップ１の処理を説明するための図である。

ステップ１では、まず、パラメータ調整部１４は、例えば図３に示すパラメータ群である第１パラメータ群に含まれるＮ個のパラメータのそれぞれの数値をランダムに決定する。パラメータ調整部１４は、このような第１パラメータ群に対する数値の決定を例えば１０００通り行う。その結果、互に異なる数値を示す１０００個の第１パラメータ群が生成される。

次に、ＣＧ映像生成部１１は、それらの１０００個の第１パラメータ群のそれぞれについて、その第１パラメータ群をＣＧデータに設定することによって第１ＣＧ映像を生成する。その結果、それぞれ木が描かれた１０００枚の第１ＣＧ映像が生成される。そして、スコア処理部１２は、ＣＧ映像生成部１１によって生成された１０００枚の第１ＣＧ映像のそれぞれのスコアを導出する。このスコアは、第１ＣＧ映像に対する人の尤度である。

このように、本実施の形態では、ＣＧ映像生成部１１は、少なくとも１つのパラメータからなる第１パラメータ群をＣＧデータに設定することによって、オブジェクトが第１種別の物体（例えば木）として描かれた第１ＣＧ映像を生成する第１映像生成処理を行う。図５に示す例では、ＣＧ映像生成部１１は、互いに異なる１０００個の第１パラメータ群のそれぞれをＣＧデータに設定することによって、１０００枚の第１ＣＧ映像を生成する。

そして、本実施の形態では、スコア処理部１２は、その生成された第１ＣＧ映像のスコアであって、その第１ＣＧ映像に描かれているオブジェクトが第１種別の物体（すなわち木）であることの尤度に応じたスコアを導出する第１スコア導出処理を行う。この第１スコア導出処理には、上述のように検知処理系２０が用いられる。つまり、スコア処理部１２は、第１ＣＧ映像を検知処理系２０に入力することによって得られる、予め定められた少なくとも１つの種別の物体のそれぞれの尤度に基づいて、第１ＣＧ映像のスコアを導出する。本実施の形態では、その予め定められた少なくとも１つの種別の物体は、上述の第１種別の物体である木ではなく、人である。そして、本実施の形態におけるその第１ＣＧ映像のスコアは、人の尤度である。つまり、第１ＣＧ映像のスコアは、第１ＣＧ映像に描かれているオブジェクトが第１種別の物体とは異なる第２種別の物体（すなわち人）であることの尤度である。また、この第１スコア導出処理では、このようなスコアが、生成された１０００枚の第１ＣＧ映像のそれぞれに対して導出される。

なお、本実施の形態では、ステップ１において生成される第１パラメータ群および第１ＣＧ映像のそれぞれの数は１０００であるが、その数は１０００に限らず、どのような数であってもよい。

図６は、ステップ１の処理を示すフローチャートである。

まず、パラメータ調整部１４は、Ｎ個のパラメータのそれぞれの数値を１０００通りに、かつランダムに決定することによって、互に異なる数値を示す１０００個の第１パラメータ群を生成する（ステップＳ１１）。

そして、ＣＧ映像生成部１１は、互いに異なる数値を示す１０００個の第１パラメータ群のそれぞれをＣＧデータに設定することによって、それぞれ例えば木が描かれた１０００枚の第１ＣＧ映像を生成する（ステップＳ１２）。

次に、スコア処理部１２は、そのステップＳ１２で生成された１０００枚の第１ＣＧ映像のそれぞれに対して人の尤度であるスコアを算出する（ステップＳ１３）。

＜ステップ２＞
図７は、ステップ２の処理を説明するための図である。

ステップ２では、まず、映像抽出部１３は、ステップ１で生成された１０００枚の第１ＣＧ映像のそれぞれのスコアに基づいて、その１０００枚の第１ＣＧ映像から、スコアの高い順で上位Ｍ枚（Ｍは２以上の整数）の第１ＣＧ映像を抽出する。例えば、上位Ｍ枚は１０枚である。なお、本実施の形態では、このときに抽出される第１ＣＧ映像の枚数は１０枚であるが、１０枚に限らず、２枚以上であればどのような枚数であってもよい。

そして、パラメータ調整部１４は、パラメータ調整処理を行う。つまり、パラメータ調整部１４は、上位１０枚の第１ＣＧ映像の生成に用いられた１０個の第１パラメータ群のそれぞれから複数の第２パラメータ群を生成する。具体的には、パラメータ調整部１４は、１０個の第１パラメータ群のそれぞれについて、その第１パラメータ群に含まれる少なくとも１つのパラメータの数値を複数通りに変更することによって、それぞれ互いに異なる複数の第２パラメータ群を生成する。図７に示す例では、パラメータ調整部１４は、１つの第１パラメータ群から１０００個の第２パラメータ群を生成する。なお、本実施の形態において生成される第２パラメータ群の数は１０００であるが、その数は１０００に限らず、２以上の数であればどのような数であってもよい。

また、ステップ２におけるパラメータ調整処理は、複数パラメータ調整処理である。つまり、パラメータ調整部１４は、この複数パラメータ調整処理では、第１パラメータ群に含まれる１つのパラメータだけなく複数のパラメータのそれぞれの数値を１０００通りに変更することによって、１０００個の第２パラメータ群を生成する。その複数のパラメータは、第１パラメータ群に含まれるＮ個のパラメータ、すなわち全てのパラメータであってもよい。

さらに、この複数パラメータ調整処理では、パラメータ調整部１４は、第１パラメータ群に含まれる複数のパラメータの数値をランダムに少量だけ、すなわち細かく変更する。つまり、パラメータ調整部１４は、１０個の第１パラメータ群のそれぞれについて、その第１パラメータ群に含まれるパラメータの数値を、小さい変化量だけ変更する。その小さい変化量は、例えば、ステップ１で生成された１０００個の第１パラメータ群の間での数値の差よりも小さい数値である。例えば、１０００個の第１パラメータ群のそれぞれに第１パラメータがあれば、パラメータ調整部１４は、それらの第１パラメータ間の数値の差のうち最小の差を選択し、その最小の差よりも小さい数値を変化量としてランダムに決定する。そして、パラメータ調整部１４は、第１パラメータの数値からその変化量を減算したり、第１パラメータの数値にその変化量を加算したりすることによって、第２パラメータ群に含まれる第１パラメータの数値を導出する。

このように、パラメータ調整部１４によって複数の第２パラメータ群が生成された場合には、ＣＧ映像生成部１１は、さらに、第２映像生成処理を行う。例えば図７に示す例では、ＣＧ映像生成部１１は、１０００個の第２パラメータ群のそれぞれについて、その第２パラメータ群をＣＧデータに設定することによって、オブジェクトが第１種別の物体（すなわち木）として描かれた第２ＣＧ映像を生成する。つまり、ＣＧ映像生成部１１は、その第２映像生成処理では、１０枚の第１ＣＧ映像のそれぞれについて、その第１ＣＧ映像の第１パラメータ群から生成された１０００個の第２パラメータ群を用いて、１０００枚の第２ＣＧ映像を生成する。これによって、図７に示す例では、１枚の第１ＣＧ映像から、その第１ＣＧ映像に似ている１０００枚の第２ＣＧ映像からなる映像群が生成される。第１ＣＧ映像が１０枚あれば、１０個の映像群、すなわち１０×１０００枚の第２ＣＧ映像が生成される。

次に、スコア処理部１２は、検知処理系２０を用いて第２スコア導出処理を行う。つまり、スコア処理部１２は、生成された１０×１０００枚の第２ＣＧ映像のそれぞれについて、その第２ＣＧ映像のスコアを導出する。そのスコアは、第２ＣＧ映像に描かれているオブジェクトが第１種別の物体（すなわち木）であることの尤度に応じたスコアである。この第２スコア導出処理でも、第１スコア導出処理と同様、検知処理系２０が用いられる。つまり、スコア処理部１２は、第２ＣＧ映像を検知処理系２０に入力することによって得られる、予め定められた少なくとも１つの種別の物体のそれぞれの尤度に基づいて、第２ＣＧ映像のスコアを導出する。本実施の形態では、その予め定められた少なくとも１つの種別の物体は、上述の第１種別の物体である木ではなく、人である。そして、本実施の形態におけるその第２ＣＧ映像のスコアは、人の尤度である。つまり、第２ＣＧ映像のスコアは、第２ＣＧ映像に描かれているオブジェクトが第１種別の物体とは異なる第２種別の物体（すなわち人）であることの尤度である。その結果、スコア処理部１２は、１０×１０００枚の第２ＣＧ映像のそれぞれに対して、人の尤度をスコアとして導出する。

次に、映像抽出部１３は、抽出処理を行う。具体的には、映像抽出部１３は、上述の映像群ごとに、その映像群に含まれる１０００枚の第２ＣＧ映像のスコアに基づいて、その１０００枚の第２ＣＧ映像から、スコアの高い順で上位１０枚の第２ＣＧ映像を抽出する。さらに、映像抽出部１３は、その上位１０枚の第２ＣＧ映像から、元の第１ＣＧ映像よりもスコアの高い少なくとも１つの第２ＣＧ映像を抽出する。つまり、映像抽出部１３は、上位１０枚の第２ＣＧ映像および第１ＣＧ映像のそれぞれのスコアに基づいて、上位１０枚の第２ＣＧ映像から第１ＣＧ映像よりも木の尤度が低い少なくとも１つの第２ＣＧ映像を抽出する。言い換えれば、映像抽出部１３は、上位１０枚の第２ＣＧ映像から第１ＣＧ映像よりも人の尤度が高い、すなわちスコアが高い少なくとも１つの第２ＣＧ映像を抽出する。

なお、第１ＣＧ映像よりもスコアの高い第２ＣＧ映像がなければ、映像抽出部１３は、その上位１０枚の第２ＣＧ映像からの抽出を行わなくてもよい。

ここで、パラメータ調整部１４は、映像抽出部１３によって抽出された第２ＣＧ映像のスコアが閾値以上であるか否かを判定する。そして、閾値以上であるとパラメータ調整部１４によって判定される場合には、映像生成装置１０は、その第２ＣＧ映像に対してステップ３の処理を実行する。

一方、閾値未満であるとパラメータ調整部１４によって判定される場合には、映像生成装置１０は、その第２ＣＧ映像に対してステップ２の処理を繰り返し実行する。つまり、ＣＧ映像生成部１１、スコア処理部１２、パラメータ調整部１４および映像抽出部１３は、繰り返し処理を行う。この繰り返し処理では、抽出された少なくとも１つの第２ＣＧ映像のそれぞれについて、その第２ＣＧ映像が第１ＣＧ映像として扱われ、その第２ＣＧ映像の生成に用いられた第２パラメータ群が、第１パラメータ群として扱われる。これにより、上述のパラメータ調整処理、第２映像生成処理、第２スコア導出処理、および抽出処理からなる一連の処理が繰り返し行われる。

このような繰り返し処理によって、すなわち、第２ＣＧ映像の生成と抽出とを繰り返し行うことによって、より高いスコアの第２ＣＧ映像を生成することができる。

図８は、ステップ２の処理を示すフローチャートである。

まず、映像抽出部１３は、ステップ１で生成された１０００枚の第１ＣＧ映像からスコア上位１０枚の第１ＣＧ映像を抽出する（ステップＳ２１）。

次に、ＣＧ映像生成部１１は、ステップＳ２１で抽出された第１ＣＧ映像ごとに、パラメータ調整部１４によるパラメータ調整処理によって生成された１０００個の第２パラメータ群を用いて、１０００枚の第２ＣＧ映像を生成する第２映像生成処理を行う。具体的には、そのパラメータ調整処理は、上述の複数パラメータ調整処理である。つまり、パラメータ調整部１４は、ステップＳ２１で抽出された第１ＣＧ映像ごとに、その第１ＣＧ映像の生成に用いられた第１パラメータ群に含まれるＮ個のパラメータのそれぞれの数値を１０００通りにランダムに細かく変更する。言い換えれば、パラメータの数値が小さい変化量だけ変更される。これによって、ステップＳ２１で抽出された第１ＣＧ映像ごとに、それぞれ互いに異なる１０００個の第２パラメータ群が生成される。そして、ＣＧ映像生成部１１は、ステップＳ２１で抽出された第１ＣＧ映像ごとに、その第１ＣＧ映像に対して生成された１０００個の第２パラメータ群を用いて、その第１ＣＧ映像に似ている１０００枚の第２ＣＧ映像からなる映像群を生成する（ステップＳ２２）。

次に、スコア処理部１２は、検知処理系２０を用いて第２スコア導出処理を行う。つまり、スコア処理部１２は、生成された映像群ごとに、その映像群に含まれる１０００枚の第２ＣＧ映像のそれぞれのスコアを算出する（ステップＳ２３）。

次に、映像抽出部１３は、抽出処理を行う。つまり、映像抽出部１３は、その映像群ごとに、その映像群に含まれる１０００枚の第２ＣＧ映像からスコア上位１０枚の第２ＣＧ映像を抽出する（ステップＳ２４）。さらに、映像抽出部１３は、ステップＳ２４で抽出された複数の第２ＣＧ映像から、スコアが増加している第２ＣＧ映像を抽出する（ステップＳ２５）。つまり、映像抽出部１３は、複数の第２ＣＧ映像から、元の第１ＣＧ映像よりもスコアが高い第２ＣＧ映像を抽出する。

そして、パラメータ調整部１４は、そのステップＳ２５で抽出された第２ＣＧ映像のスコアが閾値以上であるか否かを判定する（ステップＳ２６）。ここで、そのスコアが閾値以上であると判定されると（ステップＳ２６のＹｅｓ）、映像生成装置１０は、その閾値以上のスコアを有する第２ＣＧ映像に対してステップ３の処理を行う。一方、そのスコアが閾値未満であると判定されると（ステップＳ２６のＮｏ）、映像生成装置１０は、ステップＳ２２～Ｓ２５の処理を繰り返す。つまり、映像生成装置１０は、ステップ２における上述の繰り返し処理を行う。この繰り返し処理では、そのステップＳ２５で抽出された第２ＣＧ映像は、第１ＣＧ映像として扱われ、その第２ＣＧ映像の生成に用いられた第２パラメータ群は、第１パラメータ群として扱われる。

このようにステップ２では、映像生成装置１０は、ステップ１で生成された第１ＣＧ映像からスコア上位１０枚の第１ＣＧ映像を抽出する。つまり、検知処理系２０にとって苦手そうな第１ＣＧ映像がピックアップまたはリストアップされる。そして、映像生成装置１０は、その第１ＣＧ映像のパラメータをランダムに細かく変更することによって、その第１ＣＧ映像に似た複数の第２ＣＧ映像を生成する。これにより、スコアの高い第２ＣＧ映像を効率的に生成することができる。

また、ステップ２における繰り返し処理では、繰り返しが行われるたびに、ステップＳ２２においてランダムに決定されるパラメータの変化量を、前のステップＳ２２でランダムに決定された変化量よりも小さくしてもよい。これにより、生成される第２ＣＧ映像のスコアを適切に最大に近づけることができる。

＜ステップ３＞
図９は、ステップ３の処理を説明するための図である。

ステップ３では、ステップ２で抽出された閾値以上のスコアを有する第２ＣＧ映像が、第１ＣＧ映像として扱われ、その第１ＣＧ映像から新たな複数の第２ＣＧ映像が生成される。

具体的には、パラメータ調整部１４は、第１ＣＧ映像の生成に用いられた第１パラメータ群に含まれるパラメータの数値を調整するパラメータ調整処理を行う。この第１ＣＧ映像は、ステップ２で抽出された閾値以上のスコアを有する第２ＣＧ映像である。また、ステップ３で行われるパラメータ調整処理は、個別パラメータ調整処理である。つまり、パラメータ調整部１４は、第１パラメータ群に含まれるパラメータごとに、第１パラメータ群の中でそのパラメータの数値のみを２Ｋ通り（Ｋは１以上の整数）に変更する。

図９に示す例では、第１ＣＧ映像の生成に用いられた第１パラメータ群は、Ｎ個のパラメータＰ１～Ｐｎを含む。パラメータ調整部１４は、その第１パラメータ群のうちのパラメータＰ１の数値だけを２Ｋ通りに変更することによって、２Ｋ個の第２パラメータ群を生成する。具体的には、パラメータ調整部１４は、パラメータＰ１の数値「Ｐ１」を「Ｐ１＋α」、「Ｐ１－α」、「Ｐ１＋２α」、「Ｐ１－２α」、・・・、「Ｐ１＋Ｋα」、および「Ｐ１－Ｋα」のそれぞれに変更する。なお、αは、パラメータの刻み幅であって微少量である。また、αは、予め定められていてもよく、ランダムに決定されてもよく、微少量であればどのような数値であってもよい。また、微少量は、ステップ２での少量または小さい変化量よりもさらに少ない量であってもよい。これにより、パラメータＰ１の数値は、その数値を中心にして２Ｋ通りに微少量だけ変更され、２Ｋ個の第２パラメータ群が生成される。ＣＧ映像生成部１１は、その２Ｋ個の第２パラメータ群のそれぞれをＣＧデータに設定することによって、第１ＣＧ映像から、互いにパラメータＰ１の数値だけが微少量だけ異なる２Ｋ枚の第２ＣＧ映像を生成する。

同様に、パラメータ調整部１４は、その第１パラメータ群のうちのパラメータＰ２の数値だけを２Ｋ通りに変更することによって、２Ｋ個の第２パラメータ群を生成する。具体的には、パラメータ調整部１４は、パラメータＰ２の数値「Ｐ２」を「Ｐ２＋α」、「Ｐ２－α」、「Ｐ２＋２α」、「Ｐ２－２α」、・・・、「Ｐ２＋Ｋα」、および「Ｐ２－Ｋα」のそれぞれに変更する。これにより、パラメータＰ２の数値は、その数値を中心にして２Ｋ通りに微少量だけ変更され、２Ｋ個の第２パラメータ群が生成される。ＣＧ映像生成部１１は、その２Ｋ個の第２パラメータ群のそれぞれをＣＧデータに設定することによって、第１ＣＧ映像から、互いにパラメータＰ２の数値だけが微少量だけ異なる２Ｋ枚の第２ＣＧ映像を生成する。

パラメータ調整部１４およびＣＧ映像生成部１１は、パラメータＰ３～Ｐｎのそれぞれに対しても同様の処理を行う。その結果、パラメータＰ１～Ｐｎの変更によって、（Ｎ×２Ｋ）個の第２パラメータ群が生成され、それらの第２パラメータ群から（Ｎ×２Ｋ）枚の第２ＣＧ映像が生成される。

スコア処理部１２は、それらの（Ｎ×２Ｋ）枚の第２ＣＧ映像のそれぞれのスコアを算出する第２スコア導出処理を、検知処理系２０を用いて行う。

そして、映像抽出部１３は、（Ｎ×２Ｋ）枚の第２ＣＧ映像に対して抽出処理を行う。具体的には、映像抽出部１３は、パラメータごとに、そのパラメータの変更によって生成された２Ｋ枚の第２ＣＧ映像から最大スコアの第２ＣＧ映像を抽出する。例えば、映像抽出部１３は、パラメータＰ１の変更によって生成された２Ｋ枚の第２ＣＧ映像から最大スコアの第２ＣＧ映像を抽出し、パラメータＰ２の変更によって生成された２Ｋ枚の第２ＣＧ映像から最大スコアの第２ＣＧ映像を抽出する。映像抽出部１３は、パラメータＰ３～Ｐｎのそれぞれに対しても、最大スコアの第２ＣＧ映像を抽出する。これにより、Ｎ枚の第２ＣＧ映像が抽出される。そして、映像抽出部１３は、そのＮ枚の第２ＣＧ映像から、スコア上位３枚の第２ＣＧ映像を抽出する。さらに、映像抽出部１３は、その上位３枚の第２ＣＧ映像から、元の第１ＣＧ映像からスコアが増加している第２ＣＧ映像を抽出する。上位３枚の第２ＣＧ映像の何れのスコアも元の第１ＣＧ映像のスコアよりも増加していれば、映像抽出部１３は、その上位３枚の第２ＣＧ映像を抽出する。逆に、上位３枚の第２ＣＧ映像の何れのスコアも元の第１ＣＧ映像のスコアよりも増加していなければ、映像抽出部１３は、何れの第２ＣＧ映像も抽出しない。

映像生成装置１０は、映像抽出部１３による抽出処理によって最終的に抽出された第２ＣＧ映像に対してステップ３の処理を繰り返し実行する。つまり、ステップ３においても、ステップ２と同様に、ＣＧ映像生成部１１、スコア処理部１２、パラメータ調整部１４および映像抽出部１３は、繰り返し処理を行う。この繰り返し処理では、抽出された少なくとも１つの第２ＣＧ映像のそれぞれについて、その第２ＣＧ映像が第１ＣＧ映像として扱われ、その第２ＣＧ映像の生成に用いられた第２パラメータ群が、第１パラメータ群として扱われる。これにより、上述のパラメータ調整処理、第２映像生成処理、第２スコア導出処理、および抽出処理からなる一連の処理が繰り返し行われる。

このような繰り返し処理によって、すなわち、第２ＣＧ映像の生成と抽出とを繰り返し行うことによって、より高いスコアの第２ＣＧ映像を生成することができる。

図１０は、ステップ３の処理を示すフローチャートである。

まず、パラメータ調整部１４は、ステップ２で抽出された、閾値以上のスコアを有する少なくとも１枚の第２ＣＧ映像から１枚の第２ＣＧ映像を、第１ＣＧ映像として選択する（ステップＳ３１）。さらに、パラメータ調整部１４は、その第１ＣＧ映像の生成に用いられた第１パラメータ群に含まれるＮ個のパラメータから何れか１つのパラメータを選択する（ステップＳ３２）。

そして、ＣＧ映像生成部１１は、ステップＳ３２で選択されたパラメータに対するパラメータ調整処理によって生成された２Ｋ個の第２パラメータ群を用いて、２Ｋ枚の第２ＣＧ映像を生成する第２映像生成処理を行う（ステップＳ３３）。具体的には、そのパラメータ調整処理は、上述の個別パラメータ調整処理である。つまり、パラメータ調整部１４は、ステップＳ３２で選択されたパラメータの数値を２Ｋ通りに変更することによって、ステップＳ３１で選択された第１ＣＧ映像の第１パラメータ群から２Ｋ個の第２パラメータ群を生成する。そして、ＣＧ映像生成部１１は、２Ｋ個の第２パラメータ群のそれぞれをＣＧデータに設定することによって、２Ｋ枚の第２ＣＧ映像を生成する。

次に、スコア処理部１２は、ステップＳ３３で生成された２Ｋ枚の第２ＣＧ映像のそれぞれのスコアを導出する第２スコア導出処理を行う（ステップＳ３４）。そして、映像抽出部１３は、その２Ｋ枚の第２ＣＧ映像から最大スコアを有する第２ＣＧ映像を抽出する（ステップＳ３５）。

次に、パラメータ調整部１４は、上述のＮ個のパラメータの全てを選択したか否かを判定する（ステップＳ３６）。ここで、パラメータ調整部１４は、Ｎ個のパラメータの全てを選択していないと判定すると（ステップＳ３６のＮｏ）、ステップＳ３２からの処理を繰り返し実行する。一方、Ｎ個のパラメータの全てが選択されたと判定されると（ステップＳ３６のＹｅｓ）、映像抽出部１３は、Ｎ回のステップＳ３５の処理によって抽出されたＮ枚の第２ＣＧ映像から、さらに、スコア上位３枚の第２ＣＧ映像を抽出する（ステップＳ３７）。

そして、映像抽出部１３は、ステップＳ３７で抽出された上位３枚の第２ＣＧ映像のうち、元の第１ＣＧ映像よりもスコアが増加している第２ＣＧ映像があるか否かを判定する（ステップＳ３８）。ここで、映像抽出部１３は、スコアが増加している第２ＣＧ映像があると判定すると（ステップＳ３８のＹｅｓ）、上位３枚の第２ＣＧ映像から、そのスコアが増加している第２ＣＧ映像を第１ＣＧ映像として選択する（ステップＳ３９）。そして、パラメータ調整部１４は、ステップＳ３２からの処理を繰り返し実行する。一方、映像抽出部１３は、スコアが増加している第２ＣＧ映像がないと判定すると（ステップＳ３８のＮｏ）、さらに、ステップ２で抽出された全ての第２ＣＧ映像がステップＳ３１で選択されたか否かを判定する（ステップＳ４０）。ここで、全ての第２ＣＧ映像が選択されていないと判定されると（ステップＳ４０のＮｏ）、パラメータ調整部１４は、ステップＳ３１からの処理を繰り返し実行する。一方、全ての第２ＣＧ映像が選択されたと判定されると（ステップＳ４０のＹｅｓ）、映像生成装置１０は、ＣＧ映像を生成する処理を終了する。

このようにステップ３では、映像生成装置１０は、Ｎ個のパラメータのそれぞれの数値を単独に微少量だけ変更することによって、そのパラメータの数値だけが微少量だけ異なる複数の第２ＣＧ映像を生成することができる。そして、映像生成装置１０は、それらの第２ＣＧ映像のスコアを算出し、高いスコアの第２ＣＧ映像を探し出すことができる。

また、ステップ３における繰り返し処理では、繰り返しが行われるたびに、ステップＳ３３においてパラメータを変化させるための数値αを、前のステップＳ３３で用いられた数値αよりも小さくしてもよい。これにより、生成される第２ＣＧ映像のスコアを適切に最大に近づけることができる。

また、ステップ３では、統計結果を利用してもよい。例えば、映像生成装置１０は、ステップ３における繰り返し処理では、繰り返しが行われるたびに、ステップＳ３７において抽出されるスコア上位３枚の第２ＣＧ映像の統計を取る。具体的には、映像生成装置１０は、そのスコア上位３枚の第２ＣＧ映像のそれぞれの生成のために変更されたパラメータを、パラメータＰ１～Ｐｎの中から特定する。また、映像生成装置１０は、そのスコア上位３枚の第２ＣＧ映像のそれぞれの生成のために用いられたパラメータの刻み幅、すなわち上述の数値αを特定する。これにより、映像生成装置１０は、パラメータＰ１～Ｐｎのうち、スコアの増加に寄与するパラメータと、スコアの増加に殆ど寄与しないパラメータとを見つけることができる。また、映像生成装置１０は、スコアの増加に寄与するパラメータの刻み幅を見つけることができる。例えば、映像生成装置１０は、木の位置を示すパラメータの数値を１００ｍだけずらすよりも、その数値を１０ｃｍの刻み幅で変更した方がスコアの増加に寄与することを見つけることができる。あるいは、映像生成装置１０は、木の葉の色を示すパラメータ、枝の向きを示すパラメータ、木の向きを示すパラメータ、および木の位置を示すパラメータのうちの何れのパラメータが、スコアの増加に寄与するのかを見つけることができる。

そこで、映像生成装置１０は、その統計結果から、スコアの増加に寄与するパラメータを有効パラメータとして見つけると、その後のステップＳ３１において選択されるパラメータを、その有効パラメータに限定してもよい。つまり、ステップＳ３６では、映像生成装置１０は、Ｎ個のパラメータの全てを選択したか否かを判定することなく、少なくとも１つの有効パラメータの全てを選択したか否かを判定する。同様に、映像生成装置１０は、その統計結果から、スコアの増加に寄与するパラメータの刻み幅を有効刻み幅として見つけると、その後のステップＳ３３において用いられる刻み幅を、その有効刻み幅にしてもよい。これにより、最大のスコアを有する第２ＣＧ映像の生成にかかる処理を効率的に、さらに迅速に行うことができる。つまり、高速化を図ることができる。

さらに、映像生成装置１０は、上述のような統計結果を利用したステップＳ３１～Ｓ３８の処理が繰り返し行われた後には、再び、統計結果を利用することなく、Ｎ個のパラメータの全てについて、それらのパラメータを単独に変更してもよい。

＜ステップ１～３＞
上述のステップ１～３の処理によって、本実施の形態における映像生成装置１０は、検知処理系２０にとって苦手な映像を効率的に生成することができる。検知処理系２０にとって苦手な映像は、検知処理系２０が間違い易い映像であって、描かれているオブジェクトの種別を適切に検知することが難しい映像である。

つまり、本実施の形態における映像生成装置１０は、ＣＧ映像生成部１１と、スコア処理部１２と、パラメータ調整部１４と、映像抽出部１３とを備える。ＣＧ映像生成部１１は、少なくとも１つのパラメータからなる第１パラメータ群をＣＧデータに設定することによって、オブジェクトが第１種別の物体として描かれた第１ＣＧ映像を生成する第１映像生成処理を行う。スコア処理部１２は、生成された第１ＣＧ映像のスコアを、検知処理系２０を用いて導出する処理であって、その第１ＣＧ映像に描かれているオブジェクトが第１種別の物体であることの尤度に応じたスコアを導出する第１スコア導出処理を行う。パラメータ調整部１４は、その第１パラメータ群に含まれる少なくとも１つのパラメータの数値を複数通りに変更することによって、それぞれ互いに異なる複数の第２パラメータ群を生成するパラメータ調整処理を行う。ここで、ＣＧ映像生成部１１は、さらに、複数の第２パラメータ群のそれぞれについて、その第２パラメータ群をＣＧデータに設定することによって、オブジェクトが第１種別の物体として描かれた第２ＣＧ映像を生成する第２映像生成処理を行う。また、スコア処理部１２は、さらに、生成された複数の第２ＣＧ映像のそれぞれについて、検知処理系２０を用いてその第２ＣＧ映像のスコアを導出する処理であって、その第２ＣＧ映像に描かれているオブジェクトが第１種別の物体であることの尤度に応じたスコアを導出する第２スコア導出処理を行う。そして、映像抽出部１３は、複数の第２ＣＧ映像および第１ＣＧ映像のそれぞれのスコアに基づいて、複数の第２ＣＧ映像から第１ＣＧ映像よりも尤度が低い少なくとも１つの第２ＣＧ映像を抽出する抽出処理を行う。

これにより、本実施の形態では、オブジェクトが第１種別の物体として描かれた第１ＣＧ映像が生成され、その第１ＣＧ映像から、さらに、第１種別の物体の尤度が第１ＣＧ映像よりも低い第２ＣＧ映像が生成される。例えば、木が描かれた第１ＣＧ映像から、木の尤度が第１ＣＧ映像よりも低い第２ＣＧ映像が生成される。したがって、検知処理系２０にとって間違い易い第２ＣＧ映像を効率的に生成することができる。

また、本実施の形態では、スコア処理部１２は、上述の第１スコア導出処理では、第１種別とは異なる第２種別の物体を検知する検知処理系２０を用いて、第１ＣＧ映像に描かれているオブジェクトが第２種別の物体であることの尤度を、第１ＣＧ映像のスコアとして導出する。また、スコア処理部１２は、上述の第２スコア導出処理では、第２ＣＧ映像に描かれているオブジェクトが第２種別の物体であることの尤度を、検知処理系２０を用いて第２ＣＧ映像のスコアとして導出する。そして、映像抽出部１３は、上述の抽出処理では、複数の第２ＣＧ映像から第１ＣＧ映像よりもスコアが高い少なくとも１つの第２ＣＧ映像を抽出する。

これにより、第２種別の物体を検知する検知処理系２０にとって、第２種別の物体と間違って検知してしまい易い第１種別の物体が描かれている第２ＣＧ映像を、効率的に生成することができる。例えば、第１種別の物体は木であり、第２種別の物体は人である。この場合、人と間違って検知してしまい易い木が描かれている第２ＣＧ映像を効率的に生成することができる。

また、本実施の形態では、図５に示すように、ＣＧ映像生成部１１は、上述の第１映像生成処理では、互いに異なる複数の第１パラメータ群のそれぞれをＣＧデータに設定することによって、複数の第１ＣＧ映像を生成する。そして、スコア処理部１２は、上述の第１スコア導出処理では、生成された複数の第１ＣＧ映像のそれぞれのスコアを導出する。そして、図７に示すように、映像抽出部１３は、生成された複数の第１ＣＧ映像から、スコアの高い順で上位Ｍ枚（例えば１０枚）の第１ＣＧ映像を抽出する。次に、パラメータ調整部１４は、上述のパラメータ調整処理では、Ｍ枚の第１ＣＧ映像の生成に用いられたＭ個の第１パラメータ群のそれぞれから複数の第２パラメータ群を生成する。ＣＧ映像生成部１１は、上述の第２映像生成処理では、Ｍ枚の第１ＣＧ映像のそれぞれについて、その第１ＣＧ映像の第１パラメータ群から生成された複数の第２パラメータ群を用いて、複数の第２ＣＧ映像を生成する。

ここで、パラメータ調整部１４は、上述のパラメータ調整処理では、Ｍ個の第１パラメータ群のそれぞれについて、その第１パラメータ群に含まれる少なくとも１つのパラメータの数値を、複数の第１パラメータ群の間での数値の差よりも小さい変化量だけ変更する。つまり、第１パラメータ群に含まれる少なくとも１つのパラメータの数値が細かく変更される。

これにより、検知処理系２０にとって間違い易いＭ枚の第１ＣＧ映像が大雑把に抽出され、そのＭ枚の第１ＣＧ映像のそれぞれのパラメータが細かく調整されることによって、検知処理系２０にとってより間違い易い第２ＣＧ映像を効率的に生成することができる。つまり、その間違い易いＣＧ映像を探し出すために、無限にＣＧ映像を生成する手間を省くことができる。

また、本実施の形態では、ステップ２およびステップ３のように、ＣＧ映像生成部１１、スコア処理部１２、パラメータ調整部１４および映像抽出部１３は、繰り返し処理を行う。この繰り返し処理では、抽出された少なくとも１つの第２ＣＧ映像のそれぞれについて、その第２ＣＧ映像を第１ＣＧ映像として扱い、その第２ＣＧ映像の生成に用いられた第２パラメータ群を、第１パラメータ群として扱うことによって、上述のパラメータ調整処理、第２映像生成処理、第２スコア導出処理、および抽出処理からなる一連の処理が繰り返し行われる。

これにより、上記一連の処理が繰り返し行われるたびに、映像抽出部１３によって抽出される第２ＣＧ映像を、検知処理系２０にとって間違い易いＣＧ映像に近づけることができる。

また、本実施の形態では、パラメータ調整部１４は、上述のパラメータ調整処理では、ステップ２のように、第１パラメータ群に含まれる複数のパラメータのそれぞれの数値を複数通りに変更する複数パラメータ調整処理によって、複数の第２パラメータ群を生成する。例えば、その数値の変更はランダムに行われる。

これにより、検知処理系２０にとって間違い易い第２ＣＧ映像を大まかに見つけ出すことができる。

また、本実施の形態では、パラメータ調整部１４は、上述のパラメータ調整処理では、ステップ３のように、第１パラメータ群に含まれるパラメータごとに、第１パラメータ群の中でそのパラメータの数値のみを複数通りに変更する個別パラメータ調整処理によって、複数の第２パラメータ群を生成する。

これにより、検知処理系２０にとって間違い易い第２ＣＧ映像をより細かく見つけ出すことができる。

また、本実施の形態では、図７～図１０に示すように、ステップ２およびステップ３のそれぞれで繰り返し処理が行われる。つまり、本実施の形態では、上述の繰り返し処理は、一連の処理が繰り返し行われる第１繰り返し処理と、その第１繰り返し処理の後にその一連の処理が繰り返し行われる第２繰り返し処理とを含む。パラメータ調整部１４は、第１繰り返し処理に含まれるパラメータ調整処理では、ステップ２のように複数パラメータ調整処理を行う。つまり、パラメータ調整部１４は、第１パラメータ群に含まれる複数のパラメータのそれぞれの数値を複数通りに変更することによって、複数の第２パラメータ群を生成する。また、パラメータ調整部１４は、第２繰り返し処理に含まれるパラメータ調整処理では、ステップ３のように個別パラメータ調整処理を行う。つまり、パラメータ調整部１４は、第１パラメータ群に含まれるパラメータごとに、第１パラメータ群の中でそのパラメータの数値のみを複数通りに変更することによって、複数の第２パラメータ群を生成する。

これにより、検知処理系２０にとって間違い易い第２ＣＧ映像を大まかに見つけ出した後に、その第２ＣＧ映像をより間違い易いＣＧ映像に細かく近づけることができる。

また、本実施の形態では、パラメータ調整部１４は、第１繰り返し処理において導出されたスコアであって、少なくとも１つの第２ＣＧ映像のうちの何れか１つの第２ＣＧ映像のスコアが閾値以上である場合には、次に行われる上述の一連の処理に含まれるパラメータ調整処理を、個別パラメータ調整処理として行うことによって、その第１繰り返し処理を第２繰り返し処理に切り替える。つまり、ステップ２からステップ３に切り替えられる。

これにより、第１繰り返し処理によって見つけ出された複数の間違い易い第２ＣＧ映像の中から特に間違い易い第２ＣＧ映像を抽出し、その第２ＣＧ映像をさらにより間違い易いＣＧ映像に細かく近づけることができる。

また、本実施の形態では、スコア処理部１２は、上述の第１スコア導出処理では、第１ＣＧ映像を検知処理系２０に入力することによって得られる、予め定められた少なくとも１つの種別の物体のそれぞれの尤度に基づいて、第１ＣＧ映像のスコアを導出する。同様に、スコア処理部１２は、上述の第２スコア導出処理では、複数の第２ＣＧ映像のそれぞれについて、その第２ＣＧ映像を検知処理系２０に入力することによって得られる、予め定められた少なくとも１つの種別の物体のそれぞれの尤度に基づいて、その第２映像のスコアを導出する。

これにより、第１ＣＧ映像および第２ＣＧ映像のそれぞれの検知処理系２０による間違い易さをスコアとして適切に導出することができる。

＜学習＞
図１１は、本実施の形態における映像生成装置１０の機能構成の他の例を示すブロック図である。

本実施の形態における映像生成装置１０は、図１１に示すように、学習処理部１５を備えていてもよい。学習処理部１５は、映像抽出部１３によって抽出された少なくとも１つの第２ＣＧ映像を用いて検知処理系２０の学習を行う。

例えば、人を検知する検知処理系２０は、映像抽出部１３によって抽出された第２ＣＧ映像であって、人と間違って検知され易い木が描かれた第２ＣＧ映像から、人を検知しないように学習される。また、検知処理系２０が人および木を検知する場合には、その検知処理系２０は、人と間違って検知され易い木が描かれた第２ＣＧ映像から、人ではなく木を検知するように学習される。

これにより、検知処理系２０の検知精度を向上することができる。

（変形例）
上記実施の形態では、パラメータ調整部１４は、第１ＣＧ映像の全体の生成に用いられた各パラメータに対してパラメータ調整処理を行う。しかし、パラメータ調整部１４は、第１ＣＧ映像の検知枠内の領域のみの生成に用いられた各パラメータに対してパラメータ調整処理を行ってもよい。この検知枠は、例えば、検知処理系２０による第１ＣＧ映像のスコアの算出に用いられた検知枠である。これにより、検知処理系２０の苦手なＣＧ映像を効率的に生成することができる。

また、上記実施の形態では、映像生成装置１０は、それぞれ木がオブジェクトとして描かれた第１ＣＧ映像および第２ＣＧ映像を生成する。しかし、木はオブジェクトの一例であって、他の種別の物体がオブジェクトとして描かれていてもよい。つまり、そのオブジェクトは木に限らずどのような物体であってもよい。

また、上記実施の形態では、所定の物体を検知する検知処理系２０は、その所定の物体とは異なる他の物体が描かれたＣＧ映像に対して、その所定の物体の尤度をスコアとして導出する。つまり、上記実施の形態では、人を検知する検知処理系２０は、木のＣＧ映像に対して人の尤度をスコアとして導出する。

しかし、所定の物体を検知する検知処理系２０は、その所定の物体が描かれたＣＧ映像に対して、その所定の物体の尤度をスコアとして導出してもよい。つまり、木を検知する検知処理系２０は、木のＣＧ映像に対して木の尤度をスコアとして導出する。同様に、人を検知する検知処理系２０は、人のＣＧ映像に対して人の尤度をスコアとして導出する。この場合には、映像抽出部１３は、スコアの低いＣＧ映像を抽出する。その結果、例えば、人を検知する検知処理系２０が間違い易そうな姿勢の人が描かれた第２ＣＧ映像が生成される。同様に、人を検知する検知処理系２０が間違い易そうな服装または照明条件の人が描かれた第２ＣＧ映像が生成される。学習処理部１５は、このような第２ＣＧ映像を検知処理系２０の学習に用いてもよい。この場合であっても、検知処理系２０は、間違った検知を行わないように学習される。つまり、人を検知する検知処理系２０は、間違い易そうな姿勢、服装または照明条件の人が描かれた第２ＣＧ映像から、人を適切に検知するように学習される。

また、上記実施の形態では、映像生成装置１０によって生成される全てのＣＧ映像には木がオブジェクトとして描かれている。しかし、映像生成装置１０によって生成される一部のＣＧ映像には木が描かれ、他の一部のＣＧ映像には人が描かれていてもよい。

このような場合には、映像抽出部１３は、木が描かれている複数の第２ＣＧ映像から、木の尤度が低い第２ＣＧ映像を抽出する。言い換えれば、映像抽出部１３は、木が描かれている複数の第２ＣＧ映像から、人の尤度が高い第２ＣＧ映像を抽出する。したがって、繰り返し処理が行われる場合には、第２ＣＧ映像に描かれる木が人と間違われるようにパラメータが調整される。つまり、人と間違われ易い木が描かれた第２ＣＧ映像が生成される。同様に、映像抽出部１３は、人が描かれている複数の第２ＣＧ映像から、人の尤度が低い第２ＣＧ映像を抽出する。言い換えれば、映像抽出部１３は、人が描かれている複数の第２ＣＧ映像から、木の尤度が高い第２ＣＧ映像を抽出する。したがって、繰り返し処理が行われる場合には、第２ＣＧ映像に描かれる人が木と間違われるようにパラメータが調整される。つまり、木と間違われ易い人が描かれた第２ＣＧ映像が生成される。

このような相互に間違われ易い２つの第２ＣＧ映像を用いて、検知処理系２０の検知精度を評価してもよく、それらの第２ＣＧ映像を検知処理系２０の学習に用いてもよい。

以上、本開示の１つまたは複数の態様に係る映像生成装置について、実施の形態およびその変形例に基づいて説明したが、本開示は、その実施の形態および変形例に限定されるものではない。本開示の趣旨を逸脱しない限り、当業者が思いつく各種変形を上記実施の形態および変形例に施したものも本開示に含まれてもよい。また、実施の形態と変形例のそれぞれの構成要素を組み合わせて構築される形態も本開示に含まれてもよい。

なお、上記実施の形態において、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵ（Central Processing Unit）またはプロセッサなどのプログラム実行部が、ハードディスクまたは半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。ここで、上記実施の形態および変形例の映像生成装置などを実現するソフトウェアは、次のようなプログラムである。すなわち、このプログラムは、図４、図６、図８および図１０のそれぞれのフローチャートに示される処理をコンピュータに実行させる。

なお、以下のような場合も本開示に含まれる。

（１）上記の少なくとも１つの装置は、具体的には、マイクロプロセッサ、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ハードディスクユニット、ディスプレイユニット、キーボード、マウスなどから構成されるコンピュータシステムである。そのＲＡＭまたはハードディスクユニットには、コンピュータプログラムが記憶されている。マイクロプロセッサが、コンピュータプログラムにしたがって動作することにより、上記の少なくとも１つの装置は、その機能を達成する。ここでコンピュータプログラムは、所定の機能を達成するために、コンピュータに対する指令を示す命令コードが複数個組み合わされて構成されたものである。

（２）上記の少なくとも１つの装置を構成する構成要素の一部または全部は、１個のシステムＬＳＩ（Large Scale Integration：大規模集積回路）から構成されているとしてもよい。システムＬＳＩは、複数の構成部を１個のチップ上に集積して製造された超多機能ＬＳＩであり、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどを含んで構成されるコンピュータシステムである。前記ＲＡＭには、コンピュータプログラムが記憶されている。マイクロプロセッサが、コンピュータプログラムにしたがって動作することにより、システムＬＳＩは、その機能を達成する。

（３）上記の少なくとも１つの装置を構成する構成要素の一部または全部は、その装置に脱着可能なＩＣカードまたは単体のモジュールから構成されているとしてもよい。ＩＣカードまたはモジュールは、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどから構成されるコンピュータシステムである。ＩＣカードまたはモジュールは、上記の超多機能ＬＳＩを含むとしてもよい。マイクロプロセッサが、コンピュータプログラムにしたがって動作することにより、ＩＣカードまたはモジュールは、その機能を達成する。このＩＣカードまたはこのモジュールは、耐タンパ性を有するとしてもよい。

（４）本開示は、上記に示す方法であるとしてもよい。また、これらの方法をコンピュータにより実現するコンピュータプログラムであるとしてもよいし、コンピュータプログラムからなるデジタル信号であるとしてもよい。

また、本開示は、コンピュータプログラムまたはデジタル信号をコンピュータ読み取り可能な記録媒体、例えば、フレキシブルディスク、ハードディスク、ＣＤ（Compact Disc）－ＲＯＭ、ＤＶＤ、ＤＶＤ－ＲＯＭ、ＤＶＤ－ＲＡＭ、ＢＤ（Blu-ray（登録商標） Disc）、半導体メモリなどに記録したものとしてもよい。また、これらの記録媒体に記録されているデジタル信号であるとしてもよい。

また、本開示は、コンピュータプログラムまたはデジタル信号を、電気通信回線、無線または有線通信回線、インターネットを代表とするネットワーク、データ放送等を経由して伝送するものとしてもよい。

また、プログラムまたはデジタル信号を記録媒体に記録して移送することにより、またはプログラムまたはデジタル信号をネットワーク等を経由して移送することにより、独立した他のコンピュータシステムにより実施するとしてもよい。

本開示は、例えば自動運転支援システムの学習に用いられる映像を生成するための装置などに利用可能である。

１０ 映像生成装置
１１ ＣＧ映像生成部
１２ スコア処理部
１３ 映像抽出部
１４ パラメータ調整部
１５ 学習処理部
２０ 検知処理系

Claims (13)

1. 少なくとも１つのパラメータからなる第１パラメータ群をＣＧ（computer graphics）
   データに設定することによって、オブジェクトが第１種別の物体として描かれた第１映像を生成する第１映像生成処理を行うＣＧ映像生成部と、
   予め定められた少なくとも１つの種別の物体を、映像から検知する検知処理系を用いて、前記第１映像のスコアを導出する処理であって、当該第１映像に描かれている前記オブジェクトが前記第１種別の物体であることの尤度に応じたスコアを導出する第１スコア導出処理を行うスコア処理部と、
   前記第１パラメータ群に含まれる少なくとも１つのパラメータの数値を複数通りに変更することによって、それぞれ互いに異なる複数の第２パラメータ群を生成するパラメータ調整処理を行うパラメータ調整部と、
   複数の映像から少なくとも１つの映像を抽出する抽出処理を行う映像抽出部とを備え、
   前記ＣＧ映像生成部は、さらに、
   複数の前記第２パラメータ群のそれぞれについて、当該第２パラメータ群を前記ＣＧデータに設定することによって、オブジェクトが前記第１種別の物体として描かれた第２映像を生成する第２映像生成処理を行い、
   前記スコア処理部は、さらに、
   生成された複数の前記第２映像のそれぞれについて、前記検知処理系を用いて当該第２映像のスコアを導出する処理であって、当該第２映像に描かれている前記オブジェクトが前記第１種別の物体であることの尤度に応じたスコアを導出する第２スコア導出処理を行い、
   前記映像抽出部は、
   複数の前記第２映像および前記第１映像のそれぞれのスコアに基づいて、複数の前記第２映像から少なくとも１つの第２映像を抽出する処理を、前記抽出処理として行い、
   抽出される前記少なくとも１つの第２映像のそれぞれに描かれている前記オブジェクトが前記第１種別の物体であることの尤度は、前記第１映像に描かれている前記オブジェクトが前記第１種別の物体であることの尤度よりも低い、
   映像生成装置。
2. 前記スコア処理部は、
   前記第１スコア導出処理では、
   前記第１種別とは異なる第２種別の物体を検知する前記検知処理系を用いて、前記第１映像に描かれている前記オブジェクトが前記第２種別の物体であることの尤度を、前記第１映像のスコアとして導出し、
   前記第２スコア導出処理では、
   前記第２映像に描かれている前記オブジェクトが前記第２種別の物体であることの尤度を、前記検知処理系を用いて前記第２映像のスコアとして導出し、
   前記映像抽出部は、
   前記抽出処理では、複数の前記第２映像から前記第１映像よりもスコアが高い前記少なくとも１つの第２映像を抽出する、
   請求項１に記載の映像生成装置。
3. 前記ＣＧ映像生成部は、
   前記第１映像生成処理では、互いに異なる複数の前記第１パラメータ群のそれぞれを前記ＣＧデータに設定することによって、複数の前記第１映像を生成し、
   前記スコア処理部は、
   前記第１スコア導出処理では、生成された複数の前記第１映像のそれぞれのスコアを導出し、
   前記映像抽出部は、さらに、
   生成された複数の前記第１映像から、前記スコアの高い順で上位Ｍ枚（Ｍは２以上の整数）の前記第１映像を抽出し、
   前記パラメータ調整部は、
   前記パラメータ調整処理では、Ｍ枚の前記第１映像の生成に用いられたＭ個の前記第１パラメータ群のそれぞれから複数の前記第２パラメータ群を生成し、
   前記ＣＧ映像生成部は、
   前記第２映像生成処理では、Ｍ枚の前記第１映像のそれぞれについて、当該第１映像の前記第１パラメータ群から生成された複数の前記第２パラメータ群を用いて、複数の前記第２映像を生成する、
   請求項２に記載の映像生成装置。
4. 前記パラメータ調整部は、
   前記パラメータ調整処理では、Ｍ個の前記第１パラメータ群のそれぞれについて、当該第１パラメータ群に含まれる少なくとも１つのパラメータの数値を、複数の前記第１パラメータ群の間での数値の差よりも小さい変化量だけ変更する、
   請求項３に記載の映像生成装置。
5. 前記ＣＧ映像生成部、前記スコア処理部、前記パラメータ調整部および前記映像抽出部は、繰り返し処理を行い、
   前記繰り返し処理では、
   抽出された前記少なくとも１つの第２映像のそれぞれについて、当該第２映像を前記第１映像として扱い、当該第２映像の生成に用いられた前記第２パラメータ群を、前記第１パラメータ群として扱うことによって、前記パラメータ調整処理、前記第２映像生成処理、前記第２スコア導出処理、および前記抽出処理からなる一連の処理が繰り返し行われる、
   請求項１～４の何れか１項に記載の映像生成装置。
6. 前記パラメータ調整部は、
   前記パラメータ調整処理では、前記第１パラメータ群に含まれる複数のパラメータのそれぞれの数値を複数通りに変更する複数パラメータ調整処理によって、複数の前記第２パラメータ群を生成する、
   請求項５に記載の映像生成装置。
7. 前記パラメータ調整部は、
   前記パラメータ調整処理では、前記第１パラメータ群に含まれるパラメータごとに、前記第１パラメータ群の中で当該パラメータの数値のみを複数通りに変更する個別パラメータ調整処理によって、複数の前記第２パラメータ群を生成する、
   請求項５に記載の映像生成装置。
8. 前記繰り返し処理は、
   前記一連の処理が繰り返し行われる第１繰り返し処理と、
   前記第１繰り返し処理の後に前記一連の処理が繰り返し行われる第２繰り返し処理とを含み、
   前記パラメータ調整部は、
   前記第１繰り返し処理に含まれる前記パラメータ調整処理では、前記第１パラメータ群に含まれる複数のパラメータのそれぞれの数値を複数通りに変更する複数パラメータ調整処理によって、複数の前記第２パラメータ群を生成し、
   前記第２繰り返し処理に含まれる前記パラメータ調整処理では、前記パラメータ調整部は、前記第１パラメータ群に含まれるパラメータごとに、前記第１パラメータ群の中で当該パラメータの数値のみを複数通りに変更する個別パラメータ調整処理によって、複数の前記第２パラメータ群を生成する、
   請求項５に記載の映像生成装置。
9. 前記パラメータ調整部は、
   前記第１繰り返し処理において導出されたスコアであって、前記少なくとも１つの第２映像のうちの何れか１つの前記第２映像のスコアが閾値以上である場合には、次に行われる前記一連の処理に含まれる前記パラメータ調整処理を、前記個別パラメータ調整処理として行うことによって、前記第１繰り返し処理を前記第２繰り返し処理に切り替える、
   請求項８に記載の映像生成装置。
10. 前記スコア処理部は、
    前記第１スコア導出処理では、前記第１映像を前記検知処理系に入力することによって得られる、前記予め定められた少なくとも１つの種別の物体のそれぞれの尤度に基づいて、前記第１映像のスコアを導出し、
    前記第２スコア導出処理では、複数の前記第２映像のそれぞれについて、当該第２映像を前記検知処理系に入力することによって得られる、前記予め定められた少なくとも１つの種別の物体のそれぞれの尤度に基づいて、当該第２映像のスコアを導出する、
    請求項１～９の何れか１項に記載の映像生成装置。
11. 前記映像生成装置は、さらに、
    前記抽出処理によって抽出された前記少なくとも１つの第２映像を用いて前記検知処理系の学習を行う学習処理部を備える、
    請求項１０に記載の映像生成装置。
12. 少なくとも１つのパラメータからなる第１パラメータ群をＣＧ（computer graphics）
    データに設定することによって、オブジェクトが第１種別の物体として描かれた第１映像を生成し、
    予め定められた少なくとも１つの種別の物体を、映像から検知する検知処理系を用いて、前記第１映像のスコアを導出する処理であって、当該第１映像に描かれている前記オブジェクトが前記第１種別の物体であることの尤度に応じたスコアを導出する第１スコア導出処理を行い、
    前記第１パラメータ群に含まれる少なくとも１つのパラメータの数値を複数通りに変更することによって、それぞれ互いに異なる複数の第２パラメータ群を生成し、
    複数の前記第２パラメータ群のそれぞれについて、当該第２パラメータ群を前記ＣＧデータに設定することによって、オブジェクトが前記第１種別の物体として描かれた第２映像を生成し、
    生成された複数の前記第２映像のそれぞれについて、前記検知処理系を用いて当該第２映像のスコアを導出する処理であって、当該第２映像に描かれている前記オブジェクトが前記第１種別の物体であることの尤度に応じたスコアを導出する第２スコア導出処理を行い、
    複数の前記第２映像および前記第１映像のそれぞれのスコアに基づいて、複数の前記第２映像から少なくとも１つの第２映像を抽出し、
    抽出される前記少なくとも１つの第２映像のそれぞれに描かれている前記オブジェクトが前記第１種別の物体であることの尤度は、前記第１映像に描かれている前記オブジェクトが前記第１種別の物体であることの尤度よりも低い、
    映像生成方法。
13. 請求項１２に記載の映像生成方法をコンピュータに実行させるプログラム。

Images