WO2023145571A1 - 情報処理装置、情報処理方法、データ構造及びプログラム - Google Patents

情報処理装置、情報処理方法、データ構造及びプログラム Download PDF

Info

Publication number
WO2023145571A1
WO2023145571A1 PCT/JP2023/001334 JP2023001334W WO2023145571A1 WO 2023145571 A1 WO2023145571 A1 WO 2023145571A1 JP 2023001334 W JP2023001334 W JP 2023001334W WO 2023145571 A1 WO2023145571 A1 WO 2023145571A1
Authority
WO
WIPO (PCT)
Prior art keywords
virtual viewpoint
information
frame
data
subject
Prior art date
Application number
PCT/JP2023/001334
Other languages
English (en)
French (fr)
Inventor
裕尚 伊藤
Original Assignee
キヤノン株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by キヤノン株式会社 filed Critical キヤノン株式会社
Publication of WO2023145571A1 publication Critical patent/WO2023145571A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/10—Geometric effects
    • G06T15/20—Perspective computation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/61—Control of cameras or camera modules based on recognised objects
    • H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body

Definitions

  • the present disclosure relates to an information processing device, an information processing method, a data structure and a program, and particularly to a technology for generating a virtual viewpoint video.
  • Patent Literature 1 discloses a technique of setting a virtual camera path by operating a device or UI screen.
  • transitions in the position, orientation, and angle of view of the virtual viewpoint are specified as the virtual camera path.
  • it is required not only to generate a virtual viewpoint video from a virtual viewpoint according to these parameters, but also to control video generation more finely.
  • An object of the present disclosure is to facilitate generating a desired virtual viewpoint video.
  • viewpoint acquisition means for acquiring information designating a virtual viewpoint in a frame of a virtual viewpoint video
  • setting acquisition means for acquiring information designating a subject to be displayed in the frame of the virtual viewpoint video among a plurality of subjects
  • output means for outputting control information including virtual viewpoint information for specifying the virtual viewpoint for the frame of the virtual viewpoint video and setting information for specifying the subject displayed in the frame;
  • FIG. 1 is a diagram showing a configuration example of a virtual viewpoint image generation system according to an embodiment
  • FIG. 4 is a diagram showing an example format of sequence data including virtual camera path data
  • FIG. 4 is a diagram showing an example format of sequence data including virtual camera path data
  • FIG. 4 is a diagram showing an example of the format of virtual camera path data
  • FIG. 3B is a diagram showing an example of the format of virtual camera path data (continued from FIG. 3A);
  • FIG. 4 is a diagram showing an example of the format of virtual camera path data;
  • FIG. 4 is a diagram showing an example of the format of virtual camera path data;
  • FIG. 4 is a diagram showing an example of the format of virtual camera path data;
  • FIG. 4 is a diagram for explaining a video generation method according to display subject setting information;
  • FIG. 4 is a diagram for explaining a video generation method according to display subject setting information;
  • FIG. 4 is a diagram for explaining a video generation method according to display subject setting information;
  • FIG. 4 is a diagram for explaining a video generation method according to coloring camera setting information;
  • FIG. 4 is a diagram for explaining a video generation method according to coloring camera setting information;
  • FIG. 4 is a diagram for explaining a video generation method according to coloring camera setting information;
  • FIG. 4 is a diagram for explaining a video generation method according to rendering area setting information;
  • FIG. 4 is a diagram for explaining a video generation method according to rendering area setting information;
  • FIG. 4 is a diagram for explaining a video generation method according to rendering area setting information;
  • FIG. 4 is a diagram for explaining a video generation method according to rendering area setting information;
  • FIG. 4
  • FIG. 4 is a diagram for explaining a video generation method according to rendering area setting information
  • FIG. 4 is a diagram for explaining a video generation method according to rendering area setting information
  • 4 is a flowchart of an information processing method according to one embodiment
  • 4 is a flowchart of an information processing method according to one embodiment;
  • An embodiment of the present disclosure provides a technique for generating control information used to generate a virtual viewpoint video including a subject from a virtual viewpoint, and generating a virtual viewpoint video including a subject from a virtual viewpoint according to such control information.
  • control information includes setting information related to image generation, and the setting information includes information for designating an object to be displayed in each frame of the virtual viewpoint image among the plurality of objects. included.
  • setting information can be used for setting regarding display or non-display of a specific subject. According to such a configuration, for example, one of the plurality of subjects can be hidden, and control can be performed so that the subject behind it can be seen.
  • a virtual viewpoint video is generated based on captured images obtained by a plurality of imaging devices
  • by using such setting information to hide other subjects it becomes easy to generate an image of a desired subject from an arbitrary viewpoint, and therefore a powerful virtual viewpoint image can be generated. easier.
  • the setting information includes information for designating a captured image to be used for rendering the subject in each frame, among captured images from a plurality of positions.
  • Such setting information can be used for setting regarding the imaging device used in coloring the subject.
  • the color of the subject in the virtual viewpoint video can be determined according to the color of the subject viewed from a specific imaging device.
  • a virtual viewpoint video is generated based on captured images obtained by a plurality of imaging devices, a desired subject may be hidden behind other subjects when viewed from one imaging device. If the color of the subject in the virtual viewpoint video is determined using the image captured by such an imaging device, the reproducibility of the color of the subject may deteriorate.
  • by appropriately selecting the imaging device used to color the subject using such setting information it becomes easier to reproduce the subject more accurately, thus generating a powerful virtual viewpoint video. becomes easier.
  • a virtual viewpoint video is generated based on captured images obtained by capturing images of a subject from a plurality of positions.
  • this control information is hereinafter referred to as virtual camera path data.
  • the virtual camera path data can include information specifying a virtual viewpoint in each frame, that is, time-series information.
  • This control information can include, for example, external parameters such as the position of the virtual viewpoint and the line-of-sight direction from the virtual viewpoint, and may also contain internal parameters such as the angle of view corresponding to the field of view from the virtual viewpoint.
  • the captured images used in this embodiment can be obtained by capturing images of an imaging region in which a subject exists from different directions with a plurality of imaging devices.
  • the imaging area is, for example, an area defined by the plane and height of a stadium where sports such as rugby or soccer are played.
  • a plurality of imaging devices can be installed at different positions and facing different directions so as to surround such an imaging region, and each imaging device performs imaging in synchronism.
  • the imaging device may not be installed over the entire periphery of the imaging area, and may be installed only in the vicinity of a part of the imaging area, for example, according to restrictions on the installation location.
  • the number of imaging devices is not limited. For example, if the imaging area is a rugby stadium, several tens to hundreds of imaging devices may be installed around the stadium.
  • a plurality of imaging devices with different angles of view such as a telephoto camera and a wide-angle camera
  • a telephoto camera a subject can be imaged with high resolution, so the resolution of the generated virtual viewpoint video is improved.
  • a wide-angle camera the imaging range of one camera can be widened, so the number of cameras to be installed can be reduced.
  • the imaging devices are synchronized using one piece of time information in the real world, and imaging time information is attached to each frame of a video imaged by each imaging device.
  • one imaging device may be composed of one camera, or may be composed of a plurality of cameras.
  • the imaging device may include devices other than cameras.
  • the imaging device may include a distance measuring device using laser light or the like.
  • the state of each imaging device is referenced.
  • the state of the imaging device can include the position, orientation (orientation and imaging direction), focal length, optical center, distortion of the resulting image, etc. of the imaging device.
  • the position and orientation (orientation and imaging direction) of the imaging device may be controlled by the imaging device itself, or may be controlled by a platform that controls the position and orientation of the imaging device.
  • Data indicating the state of the imaging device is hereinafter referred to as camera parameters of the imaging device, but the camera parameters may include data indicating the state controlled by another device such as a camera platform. .
  • Camera parameters relating to the position and orientation (orientation and imaging direction) of the imaging device are so-called extrinsic parameters.
  • Parameters related to the focal length of the imaging device, the center of the image, and the distortion of the image are so-called intrinsic parameters.
  • the position and orientation of the imaging device can be represented, for example, by a coordinate system having three axes orthogonal to one origin (hereinafter referred to as a world coordinate system).
  • a virtual viewpoint video is also called a free viewpoint image.
  • the virtual viewpoint video is not limited to the video from the viewpoint freely (arbitrarily) specified by the user. included.
  • the designation of the virtual viewpoint may be performed by a user operation, or may be automatically performed based on the result of image analysis or the like.
  • the case where the virtual viewpoint video is a moving image will be mainly described, but the virtual viewpoint video may be a still image.
  • the virtual viewpoint information in this embodiment is information indicating the position and orientation of the virtual viewpoint.
  • the virtual viewpoint information includes a parameter representing the three-dimensional position of the virtual viewpoint, and a parameter representing the line-of-sight direction of the virtual viewpoint in the pan, tilt, and roll directions.
  • the virtual viewpoint information may include a parameter representing the size of the field of view (angle of view) of the virtual viewpoint.
  • the virtual viewpoint information may be virtual camera path data specifying a virtual viewpoint for each of a plurality of frames.
  • the virtual viewpoint information may have parameters corresponding to each of a plurality of frames forming the moving image of the virtual viewpoint video.
  • Such virtual viewpoint information can indicate the position and orientation of the virtual viewpoint at each of a plurality of consecutive time points.
  • a virtual viewpoint video is generated, for example, by the following method.
  • a plurality of captured images are obtained by capturing images of respective imaging regions from different directions by the imaging devices.
  • a foreground image extracted from a foreground area corresponding to a subject such as a person or a ball, and a background image extracted from a background area other than the foreground area are obtained from each of the plurality of captured images.
  • the foreground image and background image have texture information (such as color information).
  • a foreground model representing the three-dimensional shape of the subject and texture data for coloring the foreground model are generated based on the foreground image.
  • a foreground model can be obtained by a shape estimation method such as a shape-from-silhouette method.
  • a background model representing the three-dimensional shape of a background such as a stadium can be generated by, for example, three-dimensionally measuring a stadium or venue in advance.
  • the texture data used to color the background model can be generated based on the background image.
  • a virtual viewpoint video is generated by mapping texture data on the foreground model and the background model and rendering an image from the virtual viewpoint indicated by the virtual viewpoint information. Note that the method of generating the virtual viewpoint video is not limited to such a method. For example, various methods can be used, such as a method of generating a virtual viewpoint video by projective transformation of a captured image without using a foreground model and a background model.
  • a frame image of one frame of the virtual viewpoint video can be generated using a plurality of captured images captured synchronously at the same time.
  • generating a frame image for each frame using the captured image at the time corresponding to each frame it is possible to generate a virtual viewpoint video made up of a plurality of frames.
  • the foreground image is an image extracted from the subject area (foreground area) in the captured image obtained by imaging by the imaging device.
  • the subject extracted as the foreground area is, for example, a dynamic object (moving object) that moves (position or shape can change) when the images are captured from the same direction in time series.
  • the subject includes, for example, a person such as a player or a referee in the field where the game is played, and in the case of a ball game, it may include the ball in addition to the person.
  • singers, musicians, performers, or moderators are examples of subjects.
  • the background is registered in advance by specifying a background image or the like, a stationary subject that does not exist in the background is also extracted as the foreground area.
  • a background image is an image extracted from an area (background area) different from the foreground subject.
  • the background image may be an image obtained by removing the foreground subject from the captured image.
  • the background is an object to be imaged that is stationary or continues to be nearly stationary when imaged from the same direction in time series.
  • imaging objects are, for example, stages such as concerts, stadiums where events such as competitions are held, structures such as goals used in ball games, or fields.
  • the background is a region different from the subject, an object different from the subject and the background may exist as the object to be imaged.
  • FIG. 1 is a diagram showing a configuration example of a virtual viewpoint image generation system according to an embodiment of the present disclosure.
  • This system includes a data processing device 1, which is an information processing device according to an embodiment of the present disclosure, an imaging device 2, a shape estimation device 3, a storage device 4, an image generation device 5, and a virtual camera operation device 6. , and a data output device 7 .
  • a data processing device 1 which is an information processing device according to an embodiment of the present disclosure
  • an imaging device 2 a shape estimation device 3, a storage device 4, an image generation device 5, and a virtual camera operation device 6.
  • a data output device 7 a data output device 7 .
  • FIG. 1 shows one imaging device 2, while omitting the other imaging devices.
  • two or more of these devices may be integrated into one device.
  • the data processing device 1 may have at least one function of the video generation device 5 and the virtual camera operation device 6 described below.
  • the data processing device 1 generates control information used to generate a virtual viewpoint video including an object viewed from a virtual viewpoint.
  • a data processing device 1 is connected to a virtual camera operating device 6, a storage device 4, and a data output device 7.
  • the data processing device 1 acquires virtual viewpoint information from the virtual camera operation device 6 and acquires setting information regarding video generation from the video generation device 5 .
  • the data processing device 1 generates and outputs control information used to generate a virtual viewpoint video based on the acquired virtual viewpoint information and setting information related to video generation.
  • the control information in this embodiment is virtual camera path data including virtual viewpoint information in each frame and setting information indicating a video generation method in each frame.
  • the virtual camera path data output by the data processing device 1 are output to the storage device 4 and the data output device 7 .
  • the virtual camera operation device 6 generates virtual viewpoint information specifying a virtual viewpoint in order to generate a virtual viewpoint video.
  • a virtual viewpoint is specified by a user (operator) using an input device such as a joystick, jog dial, touch panel, keyboard, and mouse.
  • the virtual viewpoint information can include information such as the position, orientation, and angle of view of the virtual viewpoint, and other information.
  • the user can designate a virtual viewpoint while viewing a virtual viewpoint video or frame image generated according to the input virtual viewpoint information.
  • the virtual camera operation device 6 transmits virtual viewpoint information to the image generation device 5 .
  • the virtual camera operation device 6 can receive a virtual viewpoint image based on the transmitted virtual viewpoint information from the image generation device 5 and display this virtual viewpoint image.
  • the user can examine the position of the virtual viewpoint and the like while referring to the virtual viewpoint video displayed in this manner.
  • the method of specifying the virtual viewpoint is not limited to the above method.
  • the virtual camera operating device 6 can read a pre-created virtual camera path file and sequentially designate virtual viewpoints according to this virtual camera path file.
  • the virtual camera operation device 6 may also receive user input specifying the motion of the virtual viewpoint, and determine the position of the virtual viewpoint in each frame according to the specified motion. On the other hand, information indicating the movement of the virtual viewpoint may be used as the virtual viewpoint information. Also, the virtual camera operating device 6 may recognize a subject and automatically designate a virtual viewpoint based on the recognized position of the subject.
  • the virtual camera operation device 6 can also generate setting information related to video generation, which is used to generate virtual viewpoint video.
  • setting information can also be specified by the user using the input device.
  • the virtual camera operation device 6 may present, via a display, for example, a user interface that includes the virtual viewpoint video generated by the video generation device 5 and accepts designation of at least one of virtual viewpoint information and setting information by the user. can.
  • the user can also specify virtual viewpoint information or setting information while viewing a virtual viewpoint video or frame image generated according to the input virtual viewpoint information or setting information. For this reason, the virtual camera operation device 6 can transmit setting information to the image generation device 5 .
  • the virtual camera operation device 6 can receive a virtual viewpoint image based on the transmitted setting information from the image generation device 5 and display this virtual viewpoint image.
  • the user can examine the setting information while referring to the virtual viewpoint video displayed in this way.
  • the virtual camera operation device 6 may automatically specify the setting information. For example, the virtual camera operation device 6 can determine whether or not to display other subjects so that the subject of interest is not hidden by other subjects.
  • the video generation device 5 can generate a virtual viewpoint video according to the virtual viewpoint information as described above.
  • the image generation device 5 may further generate a virtual viewpoint image according to setting information.
  • the video generation device 5 acquires subject data used when generating the virtual viewpoint video from the storage device 4 .
  • This subject data can be, for example, a captured image obtained by the imaging device 2, camera calibration information of the imaging device 2, point cloud model data, billboard model data, mesh model data, or the like.
  • the subject designated by the virtual camera operation device 6 may correspond to subject data acquired from the storage device 4, as will be described later.
  • the video generation device 5 can transmit setting information acquired from the virtual camera operation device 6 to the data processing device 1 .
  • the video generation device 5 transmits the virtual viewpoint video to the virtual camera operation device 6 for display, and also data-processes the setting information used to generate the virtual viewpoint video displayed on the virtual camera operation device 6. It can be sent to device 1 .
  • the storage device 4 stores subject data generated by the shape estimation device 3 and obtained by the shape estimation device 3 .
  • the storage device 4 may be composed of, for example, a semiconductor memory or a magnetic recording device.
  • Each subject data stored in the storage device 4 is associated with imaging time information of the subject.
  • the imaging time information can be associated with the subject data, for example, by adding the imaging time information to the metadata of the subject data.
  • a device that gives such imaging time information is not particularly limited, and for example, the imaging device 2 or the storage device 4 can give the imaging time information.
  • the storage device 4 outputs subject data in response to a request.
  • the shape estimation device 3 acquires captured images or foreground images from the imaging device 2, estimates the three-dimensional shape of the subject based on these images, and outputs three-dimensional model data representing the three-dimensional shape of the subject.
  • the three-dimensional model is represented by point cloud model data, billboard model data, mesh model data, or the like, as described above. Also, the three-dimensional model may have not only shape information but also subject color information. Note that the shape estimation device 3 may not be included in the virtual viewpoint image generation system when the video generation device 5 generates the virtual viewpoint video without using the foreground model and the background model.
  • the imaging device 2 has a unique identification number for distinguishing it from other imaging devices 2.
  • the imaging device 2 may have other functions such as a function of extracting a foreground image from a captured image obtained by imaging, and also includes hardware (circuits, devices, etc.) for realizing such functions. You can stay.
  • the data output device 7 receives virtual camera path data from the data processing device 1 and subject data corresponding to the virtual camera path data from the storage device 4, and stores or outputs the input subject data.
  • the format of data when it is saved or output will be described later.
  • the data output device 7 does not need to output or store the subject data, and the data output device 7 may store or output only the virtual camera path data as sequence data.
  • the data output device 7 may store or output not only one pattern of virtual camera path data, but also a plurality of patterns of virtual camera path data.
  • the data processing device 1 has a viewpoint information acquisition unit 101 , a setting information acquisition unit 102 , a camera path generation unit 103 and a camera path output unit 104 .
  • the viewpoint information acquisition unit 101 performs a viewpoint acquisition operation for acquiring information for specifying a virtual viewpoint in a frame of a virtual viewpoint video.
  • the viewpoint information acquisition unit 101 can acquire information specifying a virtual viewpoint in each frame.
  • the viewpoint information acquisition unit 101 acquires virtual viewpoint information specified by the virtual camera operating device 6 .
  • the viewpoint information acquisition unit 101 may collectively acquire virtual viewpoint information for all frames from the virtual camera operation device 6, or for each frame sequentially designated by operating the virtual camera operation device 6 in real time. virtual viewpoint information may be continuously acquired.
  • the setting information acquisition unit 102 performs a setting acquisition operation for acquiring setting information used to generate a virtual viewpoint video including an object viewed from a virtual viewpoint.
  • the setting information acquisition unit 102 can acquire information specifying a subject to be displayed in each frame of the virtual viewpoint video among the plurality of subjects.
  • the setting information acquisition unit 102 is used to specify a captured image used for determining the color of the subject in the frame of the virtual viewpoint video, among a plurality of captured images obtained by capturing images of the subject from a plurality of positions. information may be obtained.
  • the setting information acquisition unit 102 can acquire the setting information related to image generation used by the image generation device 5 from the image generation device 5 .
  • the setting information acquisition unit 102 can collectively acquire setting information for all frames output by the virtual camera operation device 6 . Also, the setting information acquisition unit 102 may continue to acquire virtual viewpoint information for each frame that is sequentially designated by real-time operations on the virtual camera operation device 6 .
  • the camera path generation unit 103 outputs control information including virtual viewpoint information for specifying the virtual viewpoint for the frame of the virtual viewpoint video and setting information for specifying the subject displayed in the frame.
  • the camera path generation unit 103 includes virtual viewpoint information indicating a virtual viewpoint for each frame, setting information regarding video generation for each frame (for example, information indicating a subject to be displayed or information indicating a captured image used for rendering), can generate control information including In this embodiment, the camera path generation unit 103 outputs this control information as virtual camera path data.
  • the virtual camera path data can indicate association between information indicating a virtual viewpoint designated for each frame and setting information.
  • the camera path generation unit 103 can generate virtual camera path data by adding the control information acquired by the setting information acquisition unit 102 to the virtual viewpoint information acquired by the viewpoint information acquisition unit 101. .
  • the camera path generation unit 103 can output the generated control information to the camera path output unit 104 .
  • the camera path output unit 104 outputs control information including virtual viewpoint information and setting information generated by the camera path generation unit 103 .
  • the camera path output unit 104 can output control information as virtual camera path data.
  • the camera path output unit 104 may output the virtual camera path data after adding header information or the like.
  • the camera path output unit 104 may output the virtual camera path data as a data file.
  • the camera path output unit 104 may sequentially output a plurality of packet data representing virtual camera path data.
  • the virtual camera path data may be output in units of frames, or may be output in units of virtual camera paths or in units of a certain number of frame groups.
  • FIG. 2A shows an example of the format of sequence data output by the data output device 7, including virtual camera path data output by the camera path output unit 104.
  • the virtual camera path data constitute sequence data indicating a virtual camera path in one virtual viewpoint video.
  • One piece of sequence data may be generated for each video clip or each imaging cut.
  • Each sequence data includes a sequence header, and subject sequence data information specifying the sequence data of the corresponding subject data is stored in the sequence header.
  • This information may be, for example, a sequence header start code that can uniquely identify the subject data, information about the imaging location and imaging date and time of the subject, or path information indicating the location of the subject data. not.
  • the sequence header may contain information indicating that the sequence data contains virtual camera path data. This information may be, for example, information indicating the data set included in the sequence header, or information indicating the presence or absence of virtual camera path data.
  • Information about the entire sequence data is subsequently stored in the sequence header.
  • the name of the virtual camera path sequence the information of the creator of the virtual camera path, the right holder information, the name of the event in which the subject was imaged, the camera frame rate at the time of imaging, and the time information that is the reference for the virtual camera path. can be saved.
  • the information stored in the sequence header is not limited to these.
  • each virtual camera path data is saved in units called datasets.
  • This data set number N is stored in the sequence header.
  • the sequence data includes two types of data sets, virtual camera path data and subject data. The rest of the sequence header stores information for each dataset.
  • the dataset identification ID is first stored.
  • the identification ID a unique ID is assigned to all data sets.
  • the dataset type code is then saved.
  • the type code indicates whether the data set represents virtual camera path data or object data.
  • a 2-byte code shown in FIG. 2B can be used as the data set type code.
  • the data set type and code are not limited to these.
  • the sequence data may include other types of data used when generating the virtual viewpoint video.
  • a pointer to this dataset is then saved.
  • other information for accessing the dataset body may be stored. For example, the file name in the file system constructed in the storage device 4 may be saved.
  • Figures 3A and 3B show an example of the configuration of a data set of virtual camera path data.
  • 3A and 3B each show a portion of the virtual camera path data
  • FIG. 3B is a continuation of FIG. 3A.
  • the control information in this embodiment can include setting information regarding video generation for each frame.
  • the setting information may include information indicating a subject displayed in each frame of the virtual viewpoint video among the plurality of subjects.
  • the method of identifying the displayed subject is not particularly limited.
  • the setting information may include display subject setting information indicating whether or not to display each of a plurality of subjects.
  • the setting information may also include rendering area setting information indicating an area in the three-dimensional space to be rendered, in which case the subject positioned within this area is displayed in the frame image.
  • the setting information may include coloring camera setting information that specifies, among images captured from a plurality of positions, images to be used for rendering the subject in each frame.
  • the setting information may include other types of data used when generating the virtual viewpoint video.
  • the setting information may include additional information other than display subject setting information, coloring camera setting information, and rendering area setting information.
  • the additional information includes, for example, information specifying whether to cast a shadow on the subject, information indicating the degree of darkness of the shadow, setting information regarding display of the virtual advertisement, effect information, and the like. Configuration information can include any of these types of information.
  • the virtual camera path data shown in FIGS. 3A and 3B includes display subject setting information, coloring camera setting information, and rendering area setting information as setting information. Also, the virtual camera path data shown in FIGS. 3A and 3B includes virtual viewpoint information.
  • a virtual camera path data header is saved at the beginning of the data set. At the beginning of this header, information indicating that the dataset is a dataset of virtual camera path data and the data size of the dataset are stored. Subsequently, the number of frames M of the stored virtual camera path data is described. Then, format information of the virtual camera path data is described. This format information is information representing the format of the stored virtual camera path data, and indicates, for example, whether various data related to the virtual camera path are stored for each type or for each frame. can be done. In the examples of FIGS. 3A and 3B, each data is stored by type. That is, the virtual camera path data includes multiple data blocks, one data block containing virtual viewpoint information for each frame, and another data block containing setting information for each frame. . Subsequently, the number L of data is described in the virtual camera path data header. Information for each data included in the virtual camera path data is stored in the subsequent virtual camera path data header.
  • the data type code is first stored in the information for each data in the virtual camera path data header.
  • the data type is represented by a virtual camera path data type code.
  • the virtual camera path data type code for example, a 2-byte code shown in FIG. 3C can be used.
  • data types and codes are not limited to these.
  • the code may be longer than, for example, two bytes or shorter than two bytes, depending on the information to be described.
  • information for accessing the data body such as a pointer, is saved.
  • format information corresponding to the data is described.
  • format information for virtual viewpoint information includes information indicating that camera extrinsic parameters representing the position and orientation of a virtual camera are expressed in quaternions.
  • each data body the actual data (data body) of each data related to the virtual camera path is described as virtual camera path data according to the format described in the virtual camera path data header.
  • a start code indicating the start of the data is written.
  • virtual viewpoint information information specifying a virtual viewpoint in each frame can be described, for example, intrinsic parameters and/or extrinsic parameters can be described.
  • the virtual viewpoint information includes extrinsic parameters indicating the position of the virtual viewpoint and the line-of-sight direction from the virtual viewpoint. Also, in one embodiment, the virtual viewpoint information includes an internal parameter indicating the angle of view or focal length of the virtual viewpoint.
  • the display subject setting information is information indicating whether or not to display each of a plurality of subjects.
  • a subject to be displayed or not to be displayed can be specified using the identifier of the model of the target subject.
  • a method of specifying a subject to be displayed is adopted, an example of specifying the model identifiers 001 and 003 of the subject to be displayed, and a method of specifying a subject not to be displayed are adopted.
  • An example of designating a model identifier 002 of is described. In either example, the subject specified by the model identifier 002 is not displayed in the virtual viewpoint video.
  • a unique identifier that can uniquely identify the three-dimensional model in one frame can be used to designate the subject. Such an identifier may be specified for each frame, or the same identifier may be used for the same subject in the content data group.
  • the coloring camera setting information is information for specifying the captured image used to determine the color of the subject in the frame of the virtual viewpoint image.
  • This information can indicate the captured image used to render the subject in each frame of the virtual viewpoint video, and more specifically, the captured image that is referenced to determine the color of the subject in the frame image of each frame. Can show images.
  • Such information can control the selection of imaging devices used to impart color to the subject or its three-dimensional model.
  • the imaging device is specified to be used for coloring or not.
  • the imaging device to be designated can be designated using a unique identifier that can uniquely identify the imaging device.
  • the identifier of such an imaging device can be determined when constructing the image generation system, and in this case, the same identifier is used for the same imaging device in the content data group.
  • an identifier for the imaging device may be defined for each frame.
  • the rendering area setting information is information indicating an area in a three-dimensional space for which a virtual viewpoint video is to be generated (or rendered). In each frame, it is possible to display the subject positioned within the area set here.
  • a coordinate range can be specified, in which case a 3D model not included in the specified coordinate range is not rendered, that is, is not displayed in the virtual viewpoint video.
  • Range specification can be performed, for example, using x, y, z coordinates according to the coordinate system that defines the three-dimensional model, such as world coordinates.
  • the method of setting the area is not particularly limited, and for example, setting may be made so as to render all subjects whose x-coordinates and z-coordinates are within a predetermined range.
  • This setting information may be described for each frame. That is, in one embodiment, virtual viewpoint information and setting information are recorded in the virtual camera path data for each frame.
  • common setting information is used for the entire content represented by the sequence data (for example, for all frames) or for part of the content (for example, for multiple frames). good too. That is, the virtual camera path data may record setting information commonly applied to a plurality of frames. Whether to describe setting information that differs for each frame or to describe setting information that is common to all frames can be determined for each data type. For example, in the examples of FIGS. 3A and 3B, display subject setting information and coloring camera setting information are specified for each frame, and rendering area setting information is commonly used for the entire content. On the other hand, display subject setting information or coloring camera setting information common to the entire content may be specified.
  • FIG. 4 shows an example of virtual camera path data when various data related to the virtual camera path are stored for each frame.
  • the virtual camera path data may include multiple data blocks, and one data block may include virtual viewpoint information and setting information for one frame.
  • a frame data header is added to the head of each frame data.
  • this frame data header a code indicating the start of frame data and information indicating the type and order of data stored as frame data can be described.
  • FIGS. 5A to 5C show control examples using display subject setting information.
  • FIG. 5A shows three-dimensional models of subjects 501, 502, and 503 obtained by imaging the space in which the subjects exist, and a virtual viewpoint 500 designated to generate a virtual viewpoint video.
  • a virtual viewpoint image is generated according to the three-dimensional model of the subjects 501 to 503, the subjects 501 to 503 are displayed in the virtual viewpoint image as shown in FIG. 5B.
  • the 3D model of the subject 501 is specified as a non-display subject and a virtual viewpoint video is generated, the subject 501 is not displayed in the virtual viewpoint video as shown in FIG. 5C, so the subject 502 becomes visible.
  • FIG. 6A shows a space in which an object exists, and imaging devices 510 and 511 and an obstacle 520 are shown.
  • imaging devices 510 and 511 and an obstacle 520 are shown.
  • three-dimensional models of subjects 501 to 503 are generated, and a virtual viewpoint video from a virtual viewpoint 500 is generated, as shown in FIG. 6B. It is assumed that the virtual viewpoint video shown is obtained.
  • subject 503 has been given a texture based on an image captured by imaging device 511 close to subject 503, but due to an unexpected obstacle 520, the color of subject 503 differs from the original subject. ing.
  • the virtual viewpoint video shown in FIG. 6C is obtained.
  • the subject 502 is given a texture based on the image captured by the imaging device 510, and the subject 502 is displayed in correct colors.
  • an imaging device close to the position of the virtual viewpoint, an imaging device close to the virtual viewpoint and the line of sight, an imaging device close to the subject, etc. can be considered.
  • By using such colored camera setting information it is possible to limit the cameras that can be selected when rendering an object.
  • countermeasures can be taken against obstacles such as those shown in FIG. 6A, especially obstacles existing at positions where three-dimensional modeling is not performed.
  • discomfort caused by switching the camera used for rendering the subject can be alleviated. be able to.
  • FIG. 7A to 7D show control examples based on rendering area setting information.
  • FIG. 7A shows three-dimensional models of subjects 501, 502, and 503 obtained by imaging the space in which the subjects exist, and a rendering area 530 designated to generate a virtual viewpoint video.
  • the rendering area 530 shown in FIG. 7A is the total space that can be specified by the system.
  • FIG. 7B shows all three-dimensional models are displayed in the generated virtual viewpoint video.
  • FIG. 7C shows an example in which a rendering area 540 approximately half the size of the rendering area 530 is specified.
  • the subject 503 is not displayed in the virtual viewpoint image as shown in FIG. 7D. According to such control of the rendering area, the same effect as the subject display control described above can be obtained.
  • the same effect as the subject display control described above can be obtained.
  • according to such a configuration when only part of the 3D model is within the area, that part is displayed.
  • a data structure such as virtual camera path data, includes first data, such as virtual viewpoint information, for specifying a virtual viewpoint for a frame of virtual viewpoint video. Also, the data structure according to one embodiment stores second data for specifying a subject to be displayed among a plurality of subjects for a frame of a virtual viewpoint video, such as display subject setting information or rendering area setting information. contains. Then, such a data structure is used in processing for identifying a subject from a plurality of subjects by the second data by an information processing apparatus that generates a virtual viewpoint video. Also, such a data structure is used in the process of generating a frame image that includes the specified subject and corresponds to the virtual viewpoint specified by the first data.
  • the data structure according to one embodiment is used to specify a captured image used for determining the color of a subject in a frame of a virtual viewpoint video, among a plurality of captured images obtained by capturing images from a plurality of positions.
  • second data of An example of the second data is the coloring camera setting information described above.
  • Such a data structure is used in a process of specifying a captured image from a plurality of captured images by the second data by an information processing device that generates a virtual viewpoint video.
  • such a data structure is used in processing for generating a frame image corresponding to the virtual viewpoint specified by the first data, based on the specified captured image.
  • sequence data shown in FIG. 2A included two data sets, virtual camera path data and subject data.
  • the method of storing virtual camera path data and subject data is not limited to such a method.
  • the sequence data may contain only virtual camera path data.
  • the subject data may be stored in the storage device 4 separately from the virtual camera path data (or sequence data).
  • the viewpoint information acquisition unit 101 acquires virtual viewpoint information indicating the virtual viewpoint of the frame to be processed from the virtual camera operation device 6.
  • the setting information acquisition unit 102 acquires the above setting information related to image generation for the frame to be processed from the image generation device 5 .
  • the camera path generation unit 103 generates control information including virtual viewpoint information for each frame acquired by the viewpoint information acquisition unit 101 and setting information for each frame acquired by the setting information acquisition unit 102. .
  • the camera path generation unit 103 can generate virtual camera path data by adding setting information to virtual viewpoint information.
  • the camera path output unit 104 outputs the control information generated by the camera path generation unit 103.
  • the camera path output unit 104 can output the virtual camera path data after adding header information or the like to the virtual camera path data.
  • control information including virtual viewpoint information indicating a virtual viewpoint for each frame and setting information regarding video generation for each frame.
  • the virtual camera path data in the present embodiment includes not only the virtual viewpoint information but also the above-mentioned setting information, the degree of freedom of control in generating the virtual viewpoint video increases, as described above. It becomes easy to generate a desired virtual viewpoint video.
  • FIG. 9 shows a configuration example of a system including a video generation device that is an information processing device according to an embodiment of the present disclosure.
  • Video generation device 900 generates a virtual viewpoint video including a subject from a virtual viewpoint.
  • This video generation device 900 can generate a virtual viewpoint video based on captured images obtained by capturing images of a subject from a plurality of positions.
  • the configurations of the data processing device 1 and the storage device 4 are as already described.
  • the video generation device 900 has a camera path acquisition unit 901 , a video setting unit 902 , a data management unit 903 , a video generation unit 904 and a video output unit 905 .
  • a camera path acquisition unit 901 acquires control information including virtual viewpoint information for specifying a virtual viewpoint for a frame of a virtual viewpoint video and setting information regarding video generation for each frame.
  • the camera path acquisition unit 901 can acquire virtual camera path data including such control information output by the data processing device 1 described above.
  • the setting information may be information for specifying the subject displayed in the frame of the virtual viewpoint video.
  • the setting information is information for specifying a captured image used for determining the color of the subject in the frame of the virtual viewpoint video, among a plurality of captured images obtained by capturing images of the subject from a plurality of positions. good too.
  • the image generation device 900 may acquire virtual camera path data via a storage medium.
  • the virtual camera path data from the data processing device 1 may be input to the camera path acquisition unit 901 as a data file or as packet data.
  • the camera path acquisition unit 901 may acquire the virtual camera path data for each frame, or may acquire the virtual camera path data for each fixed number of frame groups. You can get it for each set.
  • the video output unit 905 can separately output virtual viewpoint videos corresponding to the respective virtual camera path data sets.
  • Each virtual camera path data set can be distinguished by an identification ID described in each virtual camera path data set header.
  • the image setting unit 902 acquires the above setting information used for generating the virtual viewpoint image from the virtual camera path data acquired by the camera path acquisition unit 901 . Then, the image setting unit 902 sets the image generation method by the image generation unit 904 based on the acquired setting information.
  • the data management unit 903 acquires subject data corresponding to the virtual camera path based on a request from the video generation unit 904.
  • the image generation device 900 is connected to the storage device 4 , and the data management unit 903 can acquire subject data from the storage device 4 .
  • the image generation device 900 may acquire subject data via a storage medium.
  • the data management unit 903 can acquire subject data included in the sequence data output by the data output device 7 .
  • the image generation device 900 may store the same subject data as the object data stored in the storage device 4 .
  • the subject data acquired by the data management unit 903 is selected based on the method by which the video generation unit 904 generates the virtual viewpoint video. For example, when using a video generation method based on a foreground model or a background model, the data management unit 903 can acquire point cloud model data or mesh model data of the foreground or background. Also, the data management unit 903 can acquire texture images corresponding to these models, captured images for generating textures, camera calibration data, and the like. On the other hand, when using a video generation method that does not use a foreground model or a background model, the data management unit 903 can acquire captured images, camera calibration data, and the like.
  • the video generation unit 904 generates a virtual viewpoint video by generating a frame image from the virtual viewpoint indicated by the virtual viewpoint information for each frame of the virtual viewpoint video, based on the setting information.
  • the video generation unit 904 generates a virtual viewpoint video using the virtual viewpoint information acquired by the camera path acquisition unit 901 and the subject data acquired by the data management unit 903 .
  • the video generation unit 904 generates the virtual viewpoint video according to the video generation method set by the video setting unit 902 .
  • the video generation unit 904 generates a frame image including the subject specified by the setting information and corresponding to the virtual viewpoint specified by the virtual viewpoint information, according to the setting information for specifying the subject displayed in the frame. can be generated.
  • the video generation unit 904 generates a frame image including a subject based on the captured image specified by the setting information, corresponding to the virtual viewpoint specified by the virtual viewpoint information, for the frame of the virtual viewpoint video. can be done.
  • the image generation method based on the setting information is as described with reference to FIGS. 5A to 7D.
  • a video output unit 905 acquires the virtual viewpoint video from the video generation unit 904 and outputs the virtual viewpoint video to a display device such as a display. Note that the video output unit 905 may output the virtual viewpoint video acquired from the video generation unit 904 as a data file or packet data.
  • the camera path acquisition unit 901 acquires control information including virtual viewpoint information indicating a virtual viewpoint and the above setting information regarding video generation for the frame to be processed.
  • the camera path acquisition unit 901 can acquire information about the processing target frame included in the virtual camera path data acquired from the data processing device 1 .
  • the setting information has already been explained.
  • the image setting unit 902 acquires setting information from the camera path acquisition unit 901, and sets the image generating unit 904 to perform operations according to the setting information.
  • the video generation unit 904 acquires virtual viewpoint information from the camera path acquisition unit 901 .
  • the data management unit 903 acquires subject data from the storage device 4 according to the request from the image generation unit 904 .
  • the video generation unit 904 generates a frame image from the virtual viewpoint indicated by the virtual viewpoint information for the frame to be processed according to the setting information.
  • the video generation unit 904 can generate a virtual viewpoint video based on the subject data acquired in S1005 and the virtual viewpoint information acquired in S1004 according to the settings specified in S1003. The method of generating an image according to setting information has already been described.
  • the video output unit 905 outputs the frame image of the virtual viewpoint video generated in S1006 via a display device such as a display.
  • the video output unit 905 may output the frame image of the virtual viewpoint video as a data file or packet data.
  • a virtual viewpoint video can be generated based on control information including virtual viewpoint information indicating a virtual viewpoint for each frame and setting information regarding video generation for each frame.
  • control information including virtual viewpoint information indicating a virtual viewpoint for each frame and setting information regarding video generation for each frame.
  • setting information can be recorded in the control information such as the virtual camera path data described above, the user creates the control information, and after viewing the virtual viewpoint video according to the control information, the virtual viewpoint information or the It becomes easy to modify the setting information. Furthermore, by transmitting such control information created by the video creator together with the subject data to the viewer, the viewer can view the virtual viewpoint video recommended by the video creator according to the control information. On the other hand, the viewer can also select whether to view the virtual viewpoint video according to the control information or to view the virtual viewpoint video from a desired viewpoint without using the control information.
  • Each information processing device such as the data processing device 1 and the image generation device 900 can be realized by a computer including a processor and a memory. However, some or all of the functions of each information processing device may be realized by dedicated hardware. Also, the image processing apparatus according to an embodiment of the present disclosure may be configured by a plurality of information processing apparatuses connected via a network, for example.
  • FIG. 11 is a block diagram showing an example of the hardware configuration of such a computer.
  • the CPU 1101 controls the entire computer using computer programs or data stored in the RAM 1102 or ROM 1103, and executes each of the processes described above as performed by the information processing apparatus according to the above embodiments. That is, the CPU 1101 can function as each processing unit shown in FIGS.
  • the RAM 1102 is a memory having an area for temporarily storing computer programs or data loaded from an external storage device 1106 and data externally acquired via an I/F (interface) 1107. Furthermore, the RAM 1102 has a work area used when the CPU 1101 executes various processes. That is, RAM 1102 can provide, for example, a frame memory and various other areas.
  • the ROM 1103 is a memory that stores computer setting data, a boot program, and the like.
  • An operation unit 1104 is an input device such as a keyboard or a mouse, and can input various instructions to the CPU 1101 by being operated by a computer user.
  • An output unit 1105 is an output device for outputting the processing result of the CPU 1101, and is a display device such as a liquid crystal display.
  • the external storage device 1106 is a large-capacity information storage device such as a hard disk drive.
  • the external storage device 1106 can store an OS (operating system) and a computer program for causing the CPU 1101 to implement the functions of the units shown in FIG.
  • the external storage device 1106 may store image data captured by the imaging device 2 or virtual viewpoint video data generated by the video generation device 5 .
  • Computer programs or data stored in the external storage device 1106 are appropriately loaded into the RAM 1102 under the control of the CPU 1101, and are processed by the CPU 1101.
  • the I/F 1107 can be connected to a network such as a LAN or the Internet, a projection device, or other equipment such as a display device. can be done.
  • a bus 1108 connects the above units.
  • the technology of the present disclosure supplies a program that implements one or more functions of the above-described embodiments to a system or device via a network or a storage medium, and one or more processors in a computer of the system or device execute the program. It can also be realized by a process of reading and executing. It can also be implemented by a circuit (for example, ASIC) that implements one or more functions.
  • a circuit for example, ASIC
  • viewpoint information acquisition unit 102 setting information acquisition unit 103: camera path generation unit 104: camera path output unit 901: camera path acquisition unit 902: video setting unit 903: data management unit 904: video generation unit 905: video output unit

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Graphics (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Geometry (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Processing Or Creating Images (AREA)
  • Studio Devices (AREA)

Abstract

所望の仮想視点映像を生成することを容易にする。　仮想視点映像のフレームにおける仮想視点を指定するための情報と、複数の被写体のうち仮想視点映像のフレームに表示する被写体を指定するための情報を取得する。仮想視点映像のフレームについて仮想視点を特定するための仮想視点情報と、仮想視点映像のフレームにおいて表示される被写体を特定するための設定情報と、を含む制御情報を出力する。

Description

情報処理装置、情報処理方法、データ構造及びプログラム
　本開示は情報処理装置、情報処理方法、データ構造及びプログラムに関し、特に仮想視点映像の生成技術に関する。
　複数の撮像装置を異なる位置に設置し、同期撮像を行い、この撮像により得られた複数の画像を用いて仮想視点映像を生成する技術が注目されている。このように複数の視点からの画像を用いて仮想視点映像を生成する技術によれば、例えば、サッカー又はバスケットボールの試合を撮像した映像を用いて、任意の視点からの迫力あるコンテンツを映像制作者が制作できる。この場合、映像制作者は、試合のシーン、例えば選手又はボールの動きなどに応じて、迫力ある映像を生成するために最適な仮想視点の位置及び姿勢（仮想カメラパス）を指定する。特許文献１は、デバイス又はＵＩ画面を操作して仮想カメラパスを設定する技術を開示している。
特開２０１７－２１２５９２号公報
　特許文献１に記載の技術によれば、仮想カメラパスとしては、仮想視点の位置、姿勢、及び画角の推移が指定される。しかしながら、迫力ある仮想視点映像を作成するためには、単にこれらのパラメータに従う仮想視点からの仮想視点映像を生成するだけではなく、より細かく映像生成を制御することが求められる。
　本開示は、所望の仮想視点映像を生成することを容易にすることを目的とする。
　本開示の一実施形態に係る情報処理装置は、
　仮想視点映像のフレームにおける仮想視点を指定する情報を取得する視点取得手段と、
　複数の被写体のうち前記仮想視点映像の前記フレームに表示する被写体を指定する情報を取得する設定取得手段と、
　前記仮想視点映像の前記フレームについて前記仮想視点を特定するための仮想視点情報と、当該フレームにおいて表示される前記被写体を特定するための設定情報と、を含む制御情報を出力する出力手段と、
　を有する。
　本開示によれば、所望の仮想視点映像を生成することを容易にすることができる。
　本開示のその他の特徴及び利点は、添付図面を参照とした以下の説明により明らかになるであろう。なお、添付図面においては、同じ若しくは同様の構成には、同じ参照番号を付す。
　添付図面は明細書に含まれ、その一部を構成し、本開示の実施の形態を示し、その記述と共に本開示の原理を説明するために用いられる。
一実施形態に係る仮想視点画像生成システムの構成例を示す図。 仮想カメラパスデータを含むシーケンスデータの書式の一例を示す図。 仮想カメラパスデータを含むシーケンスデータの書式の一例を示す図。 仮想カメラパスデータの書式の一例を示す図。 仮想カメラパスデータの書式の一例を示す図（図３Ａの続き）。 仮想カメラパスデータの書式の一例を示す図。 仮想カメラパスデータの書式の一例を示す図。 表示被写体設定情報に従う映像生成方法を説明する図。 表示被写体設定情報に従う映像生成方法を説明する図。 表示被写体設定情報に従う映像生成方法を説明する図。 色付けカメラ設定情報に従う映像生成方法を説明する図。 色付けカメラ設定情報に従う映像生成方法を説明する図。 色付けカメラ設定情報に従う映像生成方法を説明する図。 レンダリング領域設定情報に従う映像生成方法を説明する図。 レンダリング領域設定情報に従う映像生成方法を説明する図。 レンダリング領域設定情報に従う映像生成方法を説明する図。 レンダリング領域設定情報に従う映像生成方法を説明する図。 一実施形態に従う情報処理方法のフローチャート。 一実施形態に係る情報処理装置の構成例を示す図。 一実施形態に従う情報処理方法のフローチャート。 一実施形態で用いられるコンピュータのハードウェア構成例を示す図。
　以下、添付図面を参照して実施形態を詳しく説明する。なお、以下の実施形態は特許請求の範囲を限定するものではない。実施形態には複数の特徴が記載されているが、これらの複数の特徴の全てが必須のものとは限らず、また、複数の特徴は任意に組み合わせられてもよい。さらに、添付図面においては、同一若しくは同様の構成に同一の参照番号を付し、重複した説明は省略する。
　本開示の一実施形態は、仮想視点からの被写体を含む仮想視点映像を生成するために用いる制御情報を生成する技術、及びこのような制御情報に従って仮想視点からの被写体を含む仮想視点映像を生成する技術に関する。一実施形態によれば、このような制御情報には、映像生成に関する設定情報が含まれ、この設定情報には、複数の被写体のうち仮想視点映像の各フレームに表示する被写体を指定する情報が含まれる。このような設定情報は、特定の被写体の表示又は非表示に関する設定のために用いることができる。このような構成によれば、例えば、複数の被写体のうちの１つを非表示にして、その後ろの被写体が見えるように制御することができる。とりわけ、複数の撮像装置によって得られた撮像画像に基づいて仮想視点映像を生成する場合、ＣＧによる映像制作を行う場合とは異なって映像製作者が各被写体の位置関係を制御することは容易ではない。このため、所望の仮想視点からの仮想視点映像において、所望の被写体が他の被写体に隠れてしまうことがある。一方で、このような設定情報を用いて他の被写体を非表示にすることにより、所望の被写体の任意の視点からの映像を生成することが容易になり、したがって迫力ある仮想視点映像の生成が容易となる。
　また、一実施形態によれば、設定情報には、複数の位置からの撮像画像のうち、各フレームにおいて被写体をレンダリングするために用いる撮像画像を指定する情報が含まれる。このような設定情報は、被写体への色付けにおいて用いる撮像装置に関する設定のために用いることができる。このような構成によれば、例えば、特定の撮像装置から見える被写体の色に従って、仮想視点映像における被写体の色を決定することができる。とりわけ、複数の撮像装置によって得られた撮像画像に基づいて仮想視点映像を生成する場合、ある撮像装置から見た場合に所望の被写体が他の被写体に隠れてしまうことがある。このような撮像装置による撮像画像を用いて仮想視点映像における被写体の色を決定すると、被写体の色の再現性が低下する可能性がある。一方で、このような設定情報を用いて被写体に色を付けるために用いる撮像装置を適切に選択することにより、被写体をより正確に再現することが容易になり、したがって迫力ある仮想視点映像の生成が容易となる。
　まず、本開示の一実施形態に係る、仮想視点からの被写体を含む仮想視点映像を生成するために用いる制御情報を生成する情報処理装置について説明する。以下の例において、仮想視点映像は、被写体を複数の位置から撮像することによって得られた撮像画像に基づいて生成される。また、以下ではこの制御情報のことを仮想カメラパスデータと呼ぶ。仮想カメラパスデータは、各フレームにおける仮想視点を指定する情報、すなわち時系列の情報を含むことができる。この制御情報は、例えば仮想視点の位置及び仮想視点からの視線方向などの外部パラメータを含むことができ、さらに仮想視点からの視野に相当する画角などの内部パラメータを含んでいてもよい。
　本実施形態で用いられる撮像画像は、複数の撮像装置が互いに異なる方向から被写体が存在する撮像領域を撮像することにより得ることができる。撮像領域は、例えば、ラグビー又はサッカーなどのスポーツが行われる競技場の、平面及び高さで規定される領域である。複数の撮像装置は、このような撮像領域を取り囲むように、それぞれ異なる位置に、それぞれ異なる方向を向くように設置することができ、それぞれの撮像装置は同期して撮像を行う。なお、撮像装置は、撮像領域の全周にわたって設置されなくてもよく、例えば設置場所の制限に応じて撮像領域の一部の近傍にのみ設置されていてもよい。撮像装置の数は限定されない。例えば、撮像領域がラグビーの競技場である場合、競技場の周囲には数十～数百台程度の撮像装置が設置されてもよい。
　また、望遠カメラ及び広角カメラなどのように、画角が異なる複数の撮像装置が設置されていてもよい。例えば、望遠カメラを用いることにより、高解像度で被写体を撮像できるので、生成される仮想視点映像の解像度が向上する。また、広角カメラを用いることにより、一台のカメラによる撮像範囲が広くなるため、設置するカメラ台数を減らすことができる。撮像装置は、現実世界の一つの時刻情報を用いて同期され、それぞれの撮像装置が撮像した映像の各フレームには撮像時刻情報が付与される。
　なお、１台の撮像装置は、１台のカメラで構成されていてもよいし、複数台のカメラで構成されていてもよい。さらに、撮像装置は、カメラ以外の装置を含んでいてもよい。例えば、撮像装置がレーザ光等による測距装置などを含んでいてもよい。
　仮想視点映像を生成する際には、それぞれの撮像装置の状態が参照される。撮像装置の状態は、撮像装置の位置、姿勢（向き及び撮像方向）、焦点距離、光学中心、及び得られる画像の歪みなどを含むことができる。撮像装置の位置及び姿勢（向き及び撮像方向）は、撮像装置自身によって制御されてもよいし、撮像装置の位置及び姿勢を制御する雲台によって制御されてもよい。以下では、撮像装置の状態を示すデータのことを撮像装置のカメラパラメータと呼ぶが、このカメラパラメータには、雲台等の別の装置により制御される状態を示すデータが含まれていてもよい。撮像装置の位置及び姿勢（向き及び撮像方向）に関するカメラパラメータは、いわゆる外部パラメータである。また、撮像装置の焦点距離、画像中心、及び画像の歪みに関するパラメータは、いわゆる内部パラメータである。撮像装置の位置及び姿勢は、例えば、一つの原点と直交する３軸を持つ座標系（以下、世界座標系という）で表現することができる。
　仮想視点映像は、自由視点画像とも呼ばれる。もっとも、仮想視点映像は、ユーザが自由に（任意に）指定した視点からの映像には限定されず、例えば、複数の候補となる視点からユーザが選択した視点からの映像も、仮想視点映像に含まれる。また、仮想視点の指定は、ユーザ操作により行われてもよいし、画像解析の結果等に基づいて自動で行われてもよい。また、本明細書では、仮想視点映像が動画である場合を中心に説明するが、仮想視点映像は静止画であってもよい。
　本実施形態における仮想視点情報は、仮想視点の位置及び向きを示す情報である。具体的には、仮想視点情報は、仮想視点の三次元位置を表すパラメータと、パン、チルト、及びロール方向における仮想視点の視線方向の向きを表すパラメータとを含む。もっとも、仮想視点情報は、仮想視点の視野の大きさ（画角）を表すパラメータを含んでいてもよい。
　また、仮想視点情報は、複数のフレームのそれぞれについての仮想視点を指定する仮想カメラパスデータであってもよい。つまり、仮想視点情報が、仮想視点映像の動画を構成する複数のフレームのそれぞれに対応するパラメータを有していてもよい。このような仮想視点情報は、連続する複数の時点のそれぞれにおける仮想視点の位置及び向きを示すことができる。
　仮想視点映像は、例えば、以下のような方法で生成される。まず、撮像装置が互いに異なる方向からそれぞれの撮像領域を撮像することで、複数の撮像画像が得られる。次に、複数の撮像画像のそれぞれから、人物又はボールなどの被写体に対応する前景領域から抽出された前景画像と、前景領域以外の背景領域から抽出された背景画像とが得られる。前景画像及び背景画像は、テクスチャ情報（色情報など）を有している。そして、被写体の三次元形状を表す前景モデルと、前景モデルに色付けするためのテクスチャデータとが、前景画像に基づいて生成される。前景モデルは、例えば視体積交差法（ｓｈａｐｅ－ｆｒｏｍ－ｓｉｌｈｏｕｅｔｔｅ法）などの形状推定方法により得ることができる。競技場などの背景の三次元形状を表す背景モデルは、例えばスタジアム又は会場などを事前に三次元測定しておくことで生成することができる。また、背景モデルに色づけするために用いられるテクスチャデータは、背景画像に基づいて生成することができる。そして、前景モデルと背景モデルとに対してテクスチャデータをマッピングし、仮想視点情報が示す仮想視点からの画像をレンダリングすることにより、仮想視点映像が生成される。なお、仮想視点映像の生成方法はこのような方法に限定されない。例えば、前景モデル及び背景モデルを用いずに、撮像画像の射影変換により仮想視点映像を生成する方法など、種々の方法を用いることができる。
　なお、仮想視点映像の１フレームのフレーム画像は、同じ時刻に同期して撮像された複数の撮像画像を用いて生成することができる。そして、各フレームについてのフレーム画像を、各フレームに対応する時刻の撮像画像を用いて生成することにより、複数フレームによって構成される仮想視点映像を生成することができる。
　なお、前景画像とは、撮像装置による撮像により得られた撮像画像のうち、被写体の領域（前景領域）から抽出された画像である。前景領域として抽出される被写体は、例えば、時系列で同じ方向から撮像を行った場合において動きのある（位置又は形が変化し得る）動的オブジェクト（動体）である。競技の場合、被写体は、例えば、競技が行われるフィールド内にいる選手又は審判などの人物を含み、球技であれば人物に加えてボールを含んでいてもよい。コンサート又はエンタテイメントなどにおいては、歌手、演奏者、パフォーマー、又は司会者が、被写体の一例である。なお、背景画像を指定するなどの方法により事前に背景を登録している場合、背景に存在していない静止した被写体も前景領域として抽出される。
　背景画像とは、前景となる被写体とは異なる領域（背景領域）から抽出された画像である。例えば、背景画像は、撮像画像から前景となる被写体を取り除くことで得られる画像であってもよい。背景とは、時系列で同じ方向から撮像を行った場合において静止している、又は静止に近い状態が継続している撮像対象物である。このような撮像対象物は、例えば、コンサート等のステージ、競技などのイベントを行うスタジアム、球技で使用するゴールなどの構造物、又はフィールドなどである。もっとも、背景は被写体とは異なる領域である一方で、撮像対象物として被写体及び背景とは異なる物体が存在していてもよい。
　図１は、本開示の一実施形態に係る仮想視点画像生成システムの構成例を示す図である。このシステムは、本開示の一実施形態に係る情報処理装置であるデータ処理装置１と、撮像装置２と、形状推定装置３と、記憶装置４と、映像生成装置５と、仮想カメラ操作装置６と、データ出力装置７と、を有する。なお、図１には１台の撮像装置２が示されている一方で、他の撮像装置は省略されている。また、これらの装置のうちの２以上が１つの装置に統合されていてもよい。例えば、データ処理装置１が、以下に説明する映像生成装置５と仮想カメラ操作装置６との少なくとも一方の機能を有していてもよい。
　データ処理装置１は、仮想視点からの被写体を含む仮想視点映像を生成するために用いる制御情報を生成する。図１において、データ処理装置１は、仮想カメラ操作装置６と、記憶装置４と、データ出力装置７とに接続されている。また、データ処理装置１は、仮想カメラ操作装置６から仮想視点情報を取得し、映像生成装置５から映像生成に関する設定情報を取得する。そして、データ処理装置１は、取得した仮想視点情報と映像生成に関する設定情報とに基づいて、仮想視点映像を生成するために用いる制御情報を生成及び出力する。本実施形態における制御情報は、各フレームにおける仮想視点情報と、各フレームにおける映像生成方法を示す設定情報とを含む、仮想カメラパスデータである。そして、データ処理装置１が出力した仮想カメラパスデータは、記憶装置４及びデータ出力装置７へ出力される。
　仮想カメラ操作装置６は、仮想視点映像を生成するために、仮想視点を指定する仮想視点情報を生成する。仮想視点は、例えば、ジョイスティック、ジョグダイヤル、タッチパネル、キーボード、及びマウスなどの入力装置を用いて、ユーザ（操作者）によって指定される。仮想視点情報は、仮想視点の位置、姿勢、及び画角などの情報、及びその他の情報を含むことができる。
　ここで、ユーザは、入力した仮想視点情報に従って生成された仮想視点映像又はフレーム画像を見ながら、仮想視点を指定することができる。このために仮想カメラ操作装置６は、映像生成装置５に仮想視点情報を送信する。また、仮想カメラ操作装置６は、送信した仮想視点情報に基づく仮想視点映像を映像生成装置５から受けとり、この仮想視点映像を表示することができる。ユーザは、こうして表示される仮想視点映像を参照しながら、仮想視点の位置等を検討することができる。なお、仮想視点の指定方法は上記の方法には限定されない。例えば、仮想カメラ操作装置６は、あらかじめ作成された仮想カメラパスファイルを読み込んで、この仮想カメラパスファイルに従って順次仮想視点を指定することも可能である。また、仮想カメラ操作装置６は、仮想視点の動きを指定するユーザ入力を受け取り、指定された動きに従って各フレームにおける仮想視点の位置を決定してもよい。一方で、仮想視点の動きを示す情報を仮想視点情報として用いてもよい。また、仮想カメラ操作装置６は、被写体を認識し、認識された被写体の位置等に基づいて仮想視点を自動的に指定してもよい。
　また、仮想カメラ操作装置６は、仮想視点情報に加えて、仮想視点映像を生成するために用いる、映像生成に関する設定情報を生成することができる。このような設定情報も、ユーザが入力装置を用いて指定することができる。例えば、仮想カメラ操作装置６は、映像生成装置５が生成した仮想視点映像を含み、ユーザによる仮想視点情報及び設定情報の少なくとも一方の指定を受け付けるユーザインタフェースを、例えばディスプレイを介して提示することができる。ユーザは、入力した仮想視点情報又は設定情報に従って生成された仮想視点映像又はフレーム画像を見ながら、仮想視点情報又は設定情報を指定することもできる。このために仮想カメラ操作装置６は、映像生成装置５に設定情報を送信することができる。また、仮想カメラ操作装置６は、送信した設定情報に基づく仮想視点映像を映像生成装置５から受けとり、この仮想視点映像を表示することができる。ユーザは、こうして表示される仮想視点映像を参照しながら、設定情報を検討することができる。なお、仮想カメラ操作装置６は設定情報を自動的に指定してもよい。例えば、仮想カメラ操作装置６は、注目被写体が他の被写体によって隠れないように、他の被写体を表示するか否かを決定することができる。
　映像生成装置５は、上記のように、仮想視点情報に従って仮想視点映像を生成することができる。また、映像生成装置５は、さらに設定情報に従って仮想視点映像を生成してもよい。この際に、映像生成装置５は、仮想視点映像を生成する際に用いる被写体データを、記憶装置４から取得する。この被写体データは、例えば、撮像装置２によって得られた撮像画像、撮像装置２のカメラキャリブレーション情報、点群モデルデータ、ビルボードモデルデータ、又はメッシュモデルデータなどでありうる。後述するように仮想カメラ操作装置６によって指定される被写体は、記憶装置４から取得される被写体データに対応していてもよい。また、映像生成装置５は、仮想カメラ操作装置６から取得した設定情報をデータ処理装置１へと送信することができる。例えば、映像生成装置５は、仮想視点映像を表示のために仮想カメラ操作装置６に送信するとともに、仮想カメラ操作装置６に表示される仮想視点映像を生成するために用いた設定情報をデータ処理装置１に送信することができる。
　記憶装置４は、形状推定装置３によって取得された、形状推定装置３によって生成された被写体データを格納する。記憶装置４は、例えば、半導体メモリ又は磁気記録装置などで構成されていてもよい。なお、記憶装置４に格納される被写体データはそれぞれ、被写体の撮像時刻情報と関連付けられている。被写体データに対する撮像時刻情報の関連付けは、例えば、被写体データのメタデータに撮像時刻情報を付与することによって行うことができる。このような撮像時刻情報を付与する装置は特に限定されず、例えば、撮像装置２又は記憶装置４が撮像時刻情報を付与することができる。また、記憶装置４は、リクエストに応じて被写体データを出力する。
　形状推定装置３は、撮像装置２から撮像画像又は前景画像を取得し、これらの画像に基づいて被写体の三次元形状を推定し、被写体の三次元形状を示す三次元モデルのデータを出力する。三次元モデルは、前述のような、点群モデルデータ、ビルボードモデルデータ、又はメッシュモデルデータなどにより表される。また、三次元モデルは、形状の情報だけでなく、被写体の色の情報を有していてもよい。なお、映像生成装置５が、仮想視点映像を前景モデル及び背景モデルを用いずに生成する場合、仮想視点画像生成システムは形状推定装置３を有していなくてもよい。
　撮像装置２は、他の撮像装置２から識別するための固有の識別番号を持っている。撮像装置２は、撮像により得た撮像画像から前景画像を抽出する機能などの他の機能を有していてもよく、このような機能を実現するためのハードウェア（回路又は装置など）も含んでいてもよい。
　データ出力装置７は、データ処理装置１から仮想カメラパスデータを、記憶装置４から仮想カメラパスデータに対応する被写体データを受け取り、入力された被写体データを保存又は出力する。保存又は出力される際のデータの書式については後述する。なお、データ出力装置７が被写体データを出力又は保存する必要はなく、データ出力装置７は仮想カメラパスデータのみをシーケンスデータとして保存又は出力してもよい。また、データ出力装置７は、１つのパターンの仮想カメラパスデータを保存又は出力するだけでなく、複数のパターンの仮想カメラパスデータを保存又は出力してもよい。
　次に、データ処理装置１の構成について説明する。データ処理装置１は、視点情報取得部１０１、設定情報取得部１０２、カメラパス生成部１０３、及びカメラパス出力部１０４を有する。
　視点情報取得部１０１は、仮想視点映像のフレームにおける仮想視点を指定するための情報を取得する視点取得動作を行う。視点情報取得部１０１は、各フレームにおける仮想視点を指定する情報を取得することができる。本実施形態において視点情報取得部１０１は、仮想カメラ操作装置６によって指定された仮想視点情報を取得する。なお、視点情報取得部１０１は、全フレームについての仮想視点情報を仮想カメラ操作装置６からまとめて取得してもよいし、仮想カメラ操作装置６に対するリアルタイムの操作により順次指定されている各フレームについての仮想視点情報を取得し続けてもよい。
　設定情報取得部１０２は、仮想視点からの被写体を含む仮想視点映像を生成するために用いる設定情報を取得する設定取得動作を行う。本実施形態において、設定情報取得部１０２は、複数の被写体のうち仮想視点映像の各フレームに表示する被写体を指定する情報を取得することができる。また、設定情報取得部１０２は、被写体を複数の位置から撮像することによって得られる複数の撮像画像のうち、仮想視点映像のフレームにおいて被写体の色を決定するために用いる撮像画像を指定するための情報を取得してもよい。上述のように、設定情報取得部１０２は、映像生成装置５が用いている映像生成に関する設定情報を、映像生成装置５から取得することができる。なお、視点情報取得部１０１と同様に、設定情報取得部１０２は、仮想カメラ操作装置６が出力した全フレームについての設定情報をまとめて取得することができる。また、設定情報取得部１０２は、仮想カメラ操作装置６に対するリアルタイムの操作により順次指定されている各フレームについての仮想視点情報を取得し続けてもよい。
　カメラパス生成部１０３は、仮想視点映像のフレームについて仮想視点を特定するための仮想視点情報と、フレームにおいて表示される被写体を特定するための設定情報と、を含む制御情報を出力する。カメラパス生成部１０３は、各フレームについて仮想視点を示す仮想視点情報と、各フレームについての映像生成に関する設定情報（例えば表示する被写体を示す情報又はレンダリングするために用いる撮像画像を示す情報）と、を含む制御情報を生成できる。本実施形態においてカメラパス生成部１０３は、この制御情報を仮想カメラパスデータとして出力する。仮想カメラパスデータは、各フレームについて指定された仮想視点を示す情報と設定情報との関連付けを示すことができる。例えば、カメラパス生成部１０３は、視点情報取得部１０１が取得した仮想視点情報に対して、設定情報取得部１０２が取得した制御情報を付与することにより、仮想カメラパスデータを生成することができる。カメラパス生成部１０３は、生成した制御情報をカメラパス出力部１０４に出力できる。
　カメラパス出力部１０４は、カメラパス生成部１０３が生成した、仮想視点情報と設定情報とを含む制御情報を出力する。上記のとおり、カメラパス出力部１０４は、仮想カメラパスデータとして制御情報を出力することができる。カメラパス出力部１０４は、仮想カメラパスデータに対して、ヘッダ情報などを付与してから出力してもよい。なお、カメラパス出力部１０４は、仮想カメラパスデータをデータファイルとして出力してもよい。一方で、カメラパス出力部１０４は、仮想カメラパスデータを示す複数のパケットデータを順次出力してもよい。さらに、仮想カメラパスデータは、フレーム単位で出力されてもよいし、仮想カメラパス単位又は一定数のフレーム群単位で出力されてもよい。
　図２Ａは、カメラパス出力部１０４が出力する仮想カメラパスデータを含む、データ出力装置７が出力するシーケンスデータの書式の一例を示す。図２Ａにおいて、仮想カメラパスデータは、１つの仮想視点映像における仮想カメラパスを示すシーケンスデータを構成している。１つのシーケンスデータは、ビデオクリップごと、又は撮像カットごとに生成されてもよい。各シーケンスデータにはシーケンスヘッダが含まれており、シーケンスヘッダには、対応する被写体データのシーケンスデータを特定する被写体シーケンスデータ情報が保存される。この情報は、例えば、被写体データを一意に特定可能なシーケンスヘッダスタートコード、被写体の撮像場所及び撮像日時に関する情報、又は被写体データの所在を表すパス情報等であってもよいが、これらには限定されない。また、シーケンスヘッダは、シーケンスデータが仮想カメラパスデータを含むことを示す情報を含んでいてもよい。この情報は、例えば、シーケンスヘッダに含まれるデータセットを示す情報、又は仮想カメラパスデータの存在の有無を表す情報であってもよい。
　シーケンスヘッダには、続けてシーケンスデータ全体に関する情報が保存される。例えば、仮想カメラパスシーケンスの名称、仮想カメラパスの作成者の情報、権利者情報、被写体を撮像したイベント名や、撮像時のカメラフレームレート、及び仮想カメラパスにおいて基準となっている時刻情報を保存することができる。また、仮想視点映像のレンダリング時に想定される仮想視点映像サイズ及び背景データ情報を保存することができる。もっとも、シーケンスヘッダに保存される情報はこれらに限定されない。
　シーケンスデータには、それぞれの仮想カメラパスデータがデータセットと呼ばれる単位で保存される。シーケンスヘッダには、このデータセット数Ｎが保存される。本実施形態では、シーケンスデータには仮想カメラパスデータと被写体データの２種類のデータセットが含まれている。シーケンスヘッダの以降の部分には、データセットごとの情報が保存される。
　シーケンスヘッダにおける１つのデータセットについての情報として、最初にデータセットの識別ＩＤが保存される。識別ＩＤとしては、全データセットの中にユニークなＩＤが付与される。続いて、データセットの種別コードが保存される。本実施形態では、データセットが仮想カメラパスデータを表すのか被写体データを表すのかが、この種別コードにより示される。データセットの種別コードとしては、図２Ｂに示す２バイトのコードを用いることができる。ただし、データセットの種別及びコードはこれらに限定されない。例えば、シーケンスデータには、仮想視点映像生成する際に用いる他の種別のデータが含まれていてもよい。続いて、このデータセットへのポインタが保存される。もっとも、ポインタの代わりに、データセット本体へのアクセスのための他の情報が保存されてもよい。例えば、記憶装置４に構築されているファイルシステムにおけるファイル名を保存してもよい。
　図３Ａ及び図３Ｂは、仮想カメラパスデータのデータセットの構成の一例を示す。図３Ａ及び図３Ｂは、それぞれ仮想カメラパスデータの一部を示し、図３Ｂは図３Ａの続きである。上述のとおり、本実施形態における制御情報は、各フレームについての映像生成に関する設定情報を含むことができる。また、設定情報は、複数の被写体のうち仮想視点映像の各フレームに表示される被写体を示す情報を含むことができる。ここで、表示される被写体の特定方法は特に限定されない。例えば、設定情報は、複数の被写体のそれぞれについて表示するか否かを示す情報である表示被写体設定情報を含んでいてもよい。また、設定情報は、レンダリング対象となる三次元空間中の領域を示すレンダリング領域設定情報を含んでいてもよく、この場合この領域内に位置する被写体がフレーム画像に表示される。一方で、設定情報は、複数の位置からの撮像画像のうち、各フレームにおいて被写体をレンダリングするために用いる撮像画像を指定する色付けカメラ設定情報を含んでいてもよい。また、設定情報は、仮想視点映像を生成する際に用いる他の種別のデータを含んでいてもよい。例えば、設定情報は、表示被写体設定情報、色付けカメラ設定情報、及びレンダリング領域設定情報以外の付加情報を含んでいてもよい。ここで、付加情報としては、例えば被写体に影を付けるか否かを指定する情報、影の濃さの度合いを示す情報、仮想広告の表示に関する設定情報、又はエフェクト情報などが挙げられる。設定情報は、これらのうちの任意の種類の情報を含むことができる。
　図３Ａ及び図３Ｂに示す仮想カメラパスデータは、設定情報として、表示被写体設定情報、色付けカメラ設定情報、及びレンダリング領域設定情報を含んでいる。また、図３Ａ及び図３Ｂに示す仮想カメラパスデータは、仮想視点情報を含んでいる。
　データセットの先頭には、仮想カメラパスデータヘッダが保存される。このヘッダの先頭には、データセットが仮想カメラパスデータのデータセットであることを示す情報、及びデータセットのデータサイズが保存される。続いて、格納されている仮想カメラパスデータのフレーム数Ｍが記述される。そして、仮想カメラパスデータのフォーマット情報が記述される。このフォーマット情報は、格納されている仮想カメラパスデータの書式を表す情報であり、例えば、仮想カメラパスに関する様々なデータが種別ごとに格納されているか、フレームごとに格納されているか、を示すことができる。図３Ａ及び図３Ｂの例においては、各データは種別単位で格納されている。すなわち、仮想カメラパスデータは複数のデータブロックを含み、１つのデータブロックには各フレームについての仮想視点情報が含まれ、他の１つのデータブロックには各フレームについての設定情報が含まれている。続いて、仮想カメラパスデータヘッダには、データの数Ｌが記述される。以降の仮想カメラパスデータヘッダには、仮想カメラパスデータに含まれるデータごとの情報が保存される。
　仮想カメラパスデータヘッダ内のデータごとの情報には、最初にデータの種別コードが保存される。本実施形態では、データの種別は仮想カメラパスデータ種別コードによって表される。仮想カメラパスデータ種別コードとしては、例えば図３Ｃに示す２バイトのコードを用いることができる。ただし、データの種別及びコードはこれらに限定されない。例えば、コードは、記載する情報に応じて、例えば２バイトより長いコードであってもよいし、２バイトより短いコードであってもよい。続いて、ポインタなどの、データ本体へアクセスするための情報が保存される。そして、データに対応するフォーマット情報が記載される。例えば、仮想視点情報についてのフォーマット情報としては、仮想カメラの位置及び姿勢などを表すカメラ外部パラメータをクォータニオンで表記することを示す情報などが挙げられる。
　仮想カメラパスデータヘッダの後には、仮想カメラパスデータとして、仮想カメラパスに関する各データの実データ（データ本体）が、仮想カメラパスデータヘッダに記載されているフォーマットに従って、記載される。なお、各データの先頭には、そのデータの開始を表すスタートコードが記載される。図３Ａ及び図３Ｂの例では、データ本体として、仮想視点情報、表示被写体設定情報、色付けカメラ設定情報、及びレンダリング領域設定情報が順に記載されている。また、それぞれのデータには、１番目～Ｍ番目のフレームのそれぞれについての情報が含まれている。仮想視点情報としては、各フレームにおける仮想視点を指定する情報を記載することができ、例えば内部パラメータ及び／又は外部パラメータを記載することができる。一実施形態において、仮想視点情報は、仮想視点の位置及び仮想視点からの視線方向を示す外部パラメータを含んでいる。また、一実施形態において、仮想視点情報は、仮想視点の画角又は焦点距離を示す内部パラメータを含んでいる。
　表示被写体設定情報は、複数の被写体のそれぞれについて表示するか否かを示す情報である。ここでは、表示する被写体又は表示しない被写体を、対象とする被写体のモデルの識別子を用いて指定することができる。図３Ａ及び図３Ｂの例においては、表示する被写体を指定する方法を採用し、表示する被写体のモデル識別子００１及び００３を指定する例と、表示しない被写体を指定する方法を採用し、表示しない被写体のモデル識別子００２を指定する例が記載されている。どちらの例においても、モデル識別子００２によって特定される被写体は仮想視点映像において表示されない。被写体の指定には、１つのフレームにおいて三次元モデルを一意に特定可能なユニークな識別子を用いることができる。このような識別子は、フレームごとに規定されてもよいし、コンテンツデータ群において同じ被写体に対して同じ識別子が用いられてもよい。
　色付けカメラ設定情報は、仮想視点画像のフレームにおいて被写体の色を決定するために用いる撮像画像を特定するための情報である。この情報は、仮想視点映像の各フレームにおいて被写体をレンダリングするために用いる撮像画像を示すことができ、より具体的には、各フレームのフレーム画像における被写体の色を決定するために参照される撮像画像を示すことができる。このような情報により、被写体又はその三次元モデルに色を付与するために用いる撮像装置の選択を制御することができる。図３Ａ及び図３Ｂの例においては、色付けに使用する又は使用しない撮像装置が指定されている。指定の対象とする撮像装置は、撮像装置を一意に特定可能なユニークな識別子を用いて指定することができる。このような撮像装置の識別子は、画像生成システムを構築する際に決めることができ、この場合コンテンツデータ群において同じ撮像装置には同じ識別子が用いられる。もっとも、フレームごとに撮像装置に対する識別子が規定されてもよい。仮想視点映像を生成する際には例えば数十台～百台超の多数の撮像装置が用いられるため、色付けに使用しない撮像装置を指定する方法を用いることでユーザに対する負担が軽減できる可能性かがある。
　レンダリング領域設定情報は、仮想視点映像の生成対象である（あるいはレンダリング対象となる）三次元空間中の領域を示す情報である。各フレームにおいては、ここで設定された領域内に位置する被写体を表示することができる。例えば、座標範囲を指定することができ、この場合、指定された座標範囲に含まれない三次元モデルはレンダリングされず、つまり仮想視点映像に表示されない。範囲指定は、例えば、三次元モデルを規定する座標系、例えば世界座標に従うｘ、ｙ、ｚ座標を用いて行うことができる。もっとも、領域の設定方法は特に限定されず、例えば、ｘ座標及びｚ座標が所定の範囲内にある全ての被写体をレンダリングするように設定を行ってもよい。
　これらの設定情報はフレームごとに記述されてもよい。すなわち、一実施形態において、仮想カメラパスデータには、フレームごとに、仮想視点情報と、設定情報と、が記録されている。一方で、シーケンスデータによって表現されるコンテンツ全体に対して（例えば全てのフレームに対して）、又はコンテンツの一部に対して（例えば複数のフレームに対して）、共通の設定情報が用いられてもよい。すなわち、仮想カメラパスデータには、複数のフレームに共通して適用される設定情報が記録されていてもよい。フレームごとに異なる設定情報を記述するか、全てのフレームに対して共通の設定情報を記述するかは、データの種別ごとに決定することができる。例えば、図３Ａ及び図３Ｂの例では、表示被写体設定情報及び色付けカメラ設定情報はフレームごとに指定されており、レンダリング領域設定情報はコンテンツ全体で共通に用いられる。一方で、コンテンツ全体に共通の表示被写体設定情報又は色付けカメラ設定情報を指定してもよい。
　図４は、仮想カメラパスに関する様々なデータをフレームごとに格納する場合の、仮想カメラパスデータの例を示す。このように、仮想カメラパスデータが複数のデータブロックを含み、１つのデータブロックには１つのフレームについての仮想視点情報と設定情報とが含まれていてもよい。フレーム単位でデータを格納する場合、各フレームデータの先頭にはフレームデータヘッダが付加される。このフレームデータヘッダには、フレームデータが始まることを表すコード、及びフレームデータとして格納されるデータの種別及びその順序を示す情報を記述することができる。
　以下に、表示被写体設定情報、色付けカメラ設定情報、及びレンダリング領域設定情報を用いた仮想視点映像の制御について具体的に説明する。
　図５Ａ～５Ｃは、表示被写体設定情報を用いた制御例を示す。図５Ａには、被写体が存在する空間を撮像することで得られた被写体５０１，５０２，５０３の三次元モデルと、仮想視点映像を生成するために指定した仮想視点５００が示されている。ここで、被写体５０１～５０３の三次元モデルに従って仮想視点映像を生成すると、仮想視点映像には図５Ｂのように被写体５０１～５０３が表示される。ここで、非表示被写体として被写体５０１の三次元モデルを指定して仮想視点映像を生成すると、仮想視点映像には図５Ｃのように被写体５０１が表示されないため、被写体５０２が見えるようになる。
　図６Ａ～６Ｃは、色付けカメラ設定情報を用いた制御例を示す。図６Ａは被写体が存在する空間を示しており、撮像装置５１０，５１１と障害物５２０とが示されている。これらの撮像装置及びその他の撮像装置（不図示）により得られた撮像画像を用いて、被写体５０１～５０３の三次元モデルを生成し、仮想視点５００からの仮想視点映像を生成すると、図６Ｂに示す仮想視点映像が得られることが想定される。図６Ｂにおいて、被写体５０３には、被写体５０３に近い撮像装置５１１による撮像画像に基づくテクスチャが付与されているが、予期せぬ障害物５２０のために、被写体５０３の色は本来の被写体とは異なっている。ここで、色付けカメラ制御により、撮像装置５１１を色付けに用いる撮像装置から除外すると、図６Ｃに示す仮想視点映像が得られる。図６Ｃでは、被写体５０２には撮像装置５１０による撮像画像に基づくテクスチャが付与されており、被写体５０２は正しい色で表示されている。
　なお、被写体に色付けするために用いる撮像装置を選択するための様々なアルゴリズムが存在し、例えば仮想視点の位置に近い撮像装置、仮想視点と視線方向が近い撮像装置、被写体に近い撮像装置、などを選択することが考えられる。このような色付けカメラ設定情報を用いることにより、被写体をレンダリングする際に選択可能なカメラを限定することができる。このような手法によれば、図６Ａに示すような障害物、とりわけ三次元モデル化が行われない位置に存在する障害物への対策を行うことができる。また、仮想視点を同じ時刻の被写体の周りで回転させながら被写体を見る仮想視点映像を生成するに、このような手法を用いることにより、被写体をレンダリングために用いるカメラが切り替わることによる違和感を緩和することができる。
　図７Ａ～７Ｄは、レンダリング領域設定情報による制御例を示す。図７Ａは、被写体が存在する空間を撮像することで得られた被写体５０１，５０２，５０３の三次元モデルと、仮想視点映像を生成するために指定したレンダリング領域５３０と示す。図７Ａに示されるレンダリング領域５３０は、システムで指定可能な全空間である。この場合、図７Ｂに示されるように、生成される仮想視点映像には全ての三次元モデルが表示される。一方で、図７Ｃはレンダリング領域５３０の半分程度の大きさのレンダリング領域５４０が指定された場合の例を示す。この場合、被写体５０３の三次元モデルはレンダリング領域の外にあるために、図７Ｄのように仮想視点映像には被写体５０３が表示されない。このようなレンダリング領域の制御によれば、上述の被写体表示制御と同様の効果が得られる。一方で、このような構成によれば、三次元モデルの一部だけが領域内にある場合に、その一部が表示される。
　このように、仮想カメラパスデータのような一実施形態に係るデータ構造は、仮想視点情報のような、仮想視点映像のフレームについて仮想視点を特定するための第１のデータを含んでいる。また、一実施形態に係るデータ構造は、表示被写体設定情報又はレンダリング領域設定情報のような、仮想視点映像のフレームについて複数の被写体のうちの表示される被写体を特定するための第２のデータを含んでいる。そして、このようなデータ構造は、仮想視点映像を生成する情報処理装置が、複数の被写体から第２のデータにより被写体を特定する処理において用いられる。また、このようなデータ構造は、特定された被写体を含む、第１のデータにより特定された仮想視点に対応するフレーム画像を生成する処理において用いられる。一方で、一実施形態に係るデータ構造は、複数の位置から撮像することによって得られる複数の撮像画像のうち、仮想視点映像のフレームにおいて被写体の色を決定するために用いる撮像画像を特定するための第２のデータを含んでいる。第２のデータの例は、上述した色付けカメラ設定情報である。そして、このようなデータ構造は、仮想視点映像を生成する情報処理装置が、複数の撮像画像から第２のデータにより撮像画像を特定する処理において用いられる。また、このようなデータ構造は、特定された撮像画像に基づいて、第１のデータにより特定された仮想視点に対応するフレーム画像を生成する処理において用いられる。
　なお、図２Ａに示すシーケンスデータには、仮想カメラパスデータと被写体データとの２つのデータセットが含まれていた。しかしながら、仮想カメラパスデータ及び被写体データの保存方法は、このような方法には限られない。例えば、シーケンスデータには仮想カメラパスデータのみが含まれていてもよい。この場合、被写体データは、仮想カメラパスデータ（又はシーケンスデータ）とは別に記憶装置４に格納されていてもよい。
　上記のようなデータ処理装置１が行う情報処理方法の一例について、図８のフローチャートを参照して説明する。Ｓ８０１～Ｓ８０４の処理は、仮想カメラパスの開始から、仮想カメラパス又はフレーム単位での入力が終了するまで、フレーム単位で繰り返される。例えば、ユーザが仮想カメラパスの設定を開始するフレームから終了するフレームまで、以下の処理を繰り返すことができる。
　Ｓ８０２において視点情報取得部１０１は、仮想カメラ操作装置６から処理対象のフレームについての仮想視点を示す仮想視点情報を取得する。Ｓ８０３において設定情報取得部１０２は、映像生成装置５から、処理対象のフレームについての映像生成に関する上記の設定情報を取得する。
　Ｓ８０５において、カメラパス生成部１０３は、視点情報取得部１０１が取得した各フレームについての仮想視点情報と、設定情報取得部１０２が取得した各フレームについての設定情報と、を含む制御情報を生成する。例えば、カメラパス生成部１０３は、仮想視点情報に設定情報を付与することで仮想カメラパスデータを生成することができる。
　Ｓ８０６において、カメラパス出力部１０４は、カメラパス生成部１０３が生成した制御情報を出力する。例えば、カメラパス出力部１０４は、仮想カメラパスデータに対してヘッダ情報などを付与した後で、仮想カメラパスデータを出力することができる。
　本実施形態によれば、以上のように、各フレームについて仮想視点を示す仮想視点情報と、各フレームについての映像生成に関する設定情報と、を含む制御情報を生成することができる。とりわけ、本実施形態における仮想カメラパスデータには、仮想視点情報のみならず、上記の設定情報が付与されているため、既に説明したように、仮想視点映像の生成における制御の自由度が高まり、所望の仮想視点映像を生成することが容易になる。
　このような、データ処理装置１が生成した制御情報に従って仮想視点映像を生成する方法について次に説明する。図９は、本開示の一実施形態に係る情報処理装置である映像生成装置を含むシステムの構成例を示す。映像生成装置９００は、仮想視点からの被写体を含む仮想視点映像を生成する。この映像生成装置９００は、被写体を複数の位置から撮像することによって得られた撮像画像に基づいて仮想視点映像を生成することができる。なお、データ処理装置１及び記憶装置４の構成は、既に説明したとおりである。
　映像生成装置９００は、カメラパス取得部９０１、映像設定部９０２、データ管理部９０３、映像生成部９０４、及び映像出力部９０５を有する。
　カメラパス取得部９０１は、仮想視点映像のフレームについて仮想視点を特定するための仮想視点情報と、各フレームについての映像生成に関する設定情報と、を含む制御情報を取得する。カメラパス取得部９０１は、上述のデータ処理装置１で出力された、このような制御情報を含む仮想カメラパスデータを取得することができる。なお、上述のように、設定情報は、仮想視点映像のフレームにおいて表示される被写体を特定するための情報であってもよい。また、設定情報は、被写体を複数の位置から撮像することによって得られる複数の撮像画像のうち、仮想視点映像のフレームにおいて被写体の色を決定するために用いる撮像画像を特定するため情報であってもよい。
　図９において映像生成装置９００はデータ処理装置１に接続されているが、映像生成装置９００は記憶媒体を介して仮想カメラパスデータを取得してもよい。例えば、データ処理装置１からの仮想カメラパスデータは、カメラパス取得部９０１にデータファイルとして入力されてもよいし、パケットデータとして入力されてもよい。なお、カメラパス取得部９０１は、仮想カメラパスデータを、フレームごとに取得してもよいし、一定数のフレーム群ごとに取得してもよいし、仮想カメラパスデータの１つ又は複数のデータセットごとに取得してもよい。仮想カメラパスデータの複数のデータセットを取得した場合、映像出力部９０５は、それぞれの仮想カメラパスデータセットに対応する仮想視点映像を別々に出力することができる。なお、それぞれの仮想カメラパスのデータセットは、各仮想カメラパスデータセットヘッダに記載された識別ＩＤによって区別できる。
　映像設定部９０２は、カメラパス取得部９０１が取得した仮想カメラパスデータから、仮想視点映像を生成するために用いる上記の設定情報を取得する。そして、映像設定部９０２は、取得した設定情報に基づいて、映像生成部９０４による映像生成方法を設定する。
　データ管理部９０３は、映像生成部９０４の要求に基づいて、仮想カメラパスに対応する被写体データを取得する。図９において映像生成装置９００は記憶装置４に接続されており、データ管理部９０３は被写体データを記憶装置４から取得することができる。また、映像生成装置９００は記憶媒体を介して被写体データを取得してもよい。例えば、データ管理部９０３は、データ出力装置７が出力したシーケンスデータに含まれる被写体データを取得することができる。さらに、映像生成装置９００は、記憶装置４に格納されている被写体データと同じデータを格納していてもよい。
　なお、データ管理部９０３が取得する被写体データは、映像生成部９０４が仮想視点映像を生成する方法に基づいて選択される。例えば、前景モデル又は背景モデルに基づく映像生成方法を用いる場合、データ管理部９０３は、前景又は背景の点群モデルデータ又はメッシュモデルデータを取得することができる。また、データ管理部９０３は、これらのモデルに対応するテクスチャ画像又はテクスチャを生成するための撮像画像、及びカメラキャリブレーションデータなどを取得することができる。一方で、前景モデル又は背景モデルを用いない映像生成方法を用いる場合、データ管理部９０３は撮像画像及びカメラキャリブレーションデータなどを取得することができる。
　映像生成部９０４は、設定情報に基づいて、仮想視点情報が示す仮想視点からのフレーム画像を仮想視点映像の各フレームについて生成することにより、仮想視点映像を生成する。本実施形態において映像生成部９０４は、カメラパス取得部９０１が取得した仮想視点情報と、データ管理部９０３が取得した被写体データとを用いて、仮想視点映像を生成する。ここで、映像生成部９０４は、映像設定部９０２によって設定された映像生成方法に従って仮想視点映像を生成する。上述のように、映像生成部９０４は、フレームにおいて表示される被写体を特定するための設定情報に従って、設定情報により特定される被写体を含み、仮想視点情報により特定される仮想視点に対応するフレーム画像を生成することができる。また、映像生成部９０４は、仮想視点映像のフレームについて、仮想視点情報により特定される仮想視点に対応して、被写体を含むフレーム画像を、設定情報により特定される撮像画像に基づいて生成することができる。設定情報に基づく映像生成方法は、図５Ａ～図７Ｄを参照して説明したとおりである。
　映像出力部９０５は、映像生成部９０４から仮想視点映像を取得し、ディスプレイ等の表示デバイスに仮想視点映像を出力する。なお、映像出力部９０５は、映像生成部９０４から取得した仮想視点映像を、データファイル又はパケットデータとして出力してもよい。
　本実施形態に係る情報処理装置が行う情報処理方法について、図１０のフローチャートを参照して説明する。Ｓ１００１～Ｓ１００８の処理は、仮想カメラパスの開始から終了まで、フレーム単位で繰り返される。
　Ｓ１００２において、カメラパス取得部９０１は、処理対象のフレームについての、仮想視点を示す仮想視点情報と、映像生成に関する上記の設定情報と、を含む制御情報を取得する。例えば、カメラパス取得部９０１は、データ処理装置１から取得した仮想カメラパスデータに含まれる、処理対象のフレームについての情報を取得することができる。設定情報については既に説明したとおりである。
　Ｓ１００３において、映像設定部９０２は、カメラパス取得部９０１から設定情報を取得し、設定情報に従う動作を行うように映像生成部９０４を設定する。Ｓ１００４において、映像生成部９０４は、カメラパス取得部９０１から仮想視点情報を取得する。Ｓ１００５において、データ管理部９０３は、映像生成部９０４の要求に従って被写体データを記憶装置４から取得する。
　Ｓ１００６において、映像生成部９０４は、処理対象のフレームについて、設定情報に従って、仮想視点情報が示す仮想視点からのフレーム画像を生成する。映像生成部９０４は、Ｓ１００３で指定された設定に従って、Ｓ１００５で取得した被写体データ及びＳ１００４で取得した仮想視点情報に基づいて仮想視点映像を生成することができる。設定情報に従う画像の生成方法については、既に説明したとおりである。Ｓ１００７において、映像出力部９０５は、Ｓ１００６で生成された仮想視点映像のフレーム画像を、ディスプレイ等の表示デバイスを介して出力する。映像出力部９０５は、仮想視点映像のフレーム画像をデータファイル又はパケットデータとして出力してもよい。
　以上の実施形態によれば、各フレームについて仮想視点を示す仮想視点情報と、各フレームについての映像生成に関する設定情報と、を含む制御情報に基づいて、仮想視点映像を生成することができる。このような設定情報を用いることにより、仮想視点映像の生成における制御の自由度が高まり、迫力のある仮想視点映像を出力することが容易になる。
　また、上記の仮想カメラパスデータのような制御情報には設定情報を記録することができるため、ユーザが制御情報を作成し、この制御情報に従う仮想視点映像を視聴した後で、仮想視点情報又は設定情報を修正することが容易になる。さらには、映像製作者が作成したこのような制御情報を被写体データとともに視聴者に送信することにより、視聴者は、制御情報に従う、映像製作者が推奨する仮想視点映像を見ることができる。一方で、視聴者は、制御情報に従う仮想視点映像を見るか、制御情報を用いずに所望の視点からの仮想視点映像を見るか、を選択することもできる。
　上記のデータ処理装置１及び映像生成装置９００等の各情報処理装置は、プロセッサとメモリとを備えるコンピュータにより実現することができる。もっとも、各情報処理装置が有する一部又は全部の機能が専用のハードウェアによって実現されてもよい。また、本開示の一実施形態に係る画像処理装置は、例えばネットワークを介して接続された複数の情報処理装置によって構成されていてもよい。
　図１１は、このようなコンピュータのハードウェアの構成例を示すブロック図である。ＣＰＵ１１０１は、ＲＡＭ１１０２又はＲＯＭ１１０３に格納されているコンピュータプログラム又はデータを用いてコンピュータ全体の制御を行うと共に、上記の実施形態に係る情報処理装置が行うものとして上述された各処理を実行する。すなわち、ＣＰＵ１１０１は、図１及び図９に示される各処理部として機能することができる。
　ＲＡＭ１１０２は、外部記憶装置１１０６からロードされたコンピュータプログラム又はデータ、及びＩ／Ｆ（インターフェース）１１０７を介して外部から取得したデータなどを一時的に記憶するためのエリアを有するメモリである。さらに、ＲＡＭ１１０２は、ＣＰＵ１１０１が各種の処理を実行する際に用いるワークエリアを有する。すなわち、ＲＡＭ１１０２は、例えば、フレームメモリその他の各種のエリアを提供することができる。
　ＲＯＭ１１０３は、コンピュータの設定データ又はブートプログラムなどが格納されているメモリである。操作部１１０４は、キーボード又はマウスなどの入力デバイスであり、コンピュータのユーザが操作することで、各種の指示をＣＰＵ１１０１に入力することができる。出力部１１０５は、ＣＰＵ１１０１による処理結果を出力する出力デバイスであり、例えば液晶ディスプレイなどの表示装置である。
　外部記憶装置１１０６は、ハードディスクドライブ装置のような大容量情報記憶装置である。外部記憶装置１１０６には、ＯＳ（オペレーティングシステム）、及び図１に示した各部の機能をＣＰＵ１１０１に実現させるためのコンピュータプログラムを保存することができる。また、外部記憶装置１１０６には、撮像装置２による撮像画像データ又は映像生成装置５が生成した仮想視点映像データなどが保存されていてもよい。
　外部記憶装置１１０６に保存されているコンピュータプログラム又はデータは、ＣＰＵ１１０１による制御に従って適宜ＲＡＭ１１０２にロードされ、ＣＰＵ１１０１による処理対象となる。Ｉ／Ｆ１１０７には、ＬＡＮ若しくはインターネット等のネットワーク、投影装置、又は表示装置などの他の機器を接続することができ、コンピュータはこのＩ／Ｆ１１０７を介して様々な情報を取得し及び送出することができる。１１０８は上述の各部を繋ぐバスである。
（その他の実施例）
　本開示の技術は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサがプログラムを読出し実行する処理でも実現可能である。また、１以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現可能である。
　本開示は上記実施形態に制限されるものではなく、本開示の精神及び範囲から離脱することなく、様々な変更及び変形が可能である。従って、本開示の範囲を公にするために請求項を添付する。
　本願は、２０２２年１月３１日提出の日本国特許出願特願２０２２－０１３５８２を基礎として優先権を主張するものであり、その記載内容の全てを、ここに援用する。
１０１：視点情報取得部、１０２：設定情報取得部、１０３：カメラパス生成部、１０４：カメラパス出力部、９０１：カメラパス取得部、９０２：映像設定部、９０３：データ管理部、９０４：映像生成部、９０５：映像出力部

Claims (22)

  1. 　仮想視点映像のフレームにおける仮想視点を指定する情報を取得する視点取得手段と、
    　複数の被写体のうち前記仮想視点映像の前記フレームに表示する被写体を指定する情報を取得する設定取得手段と、
    　前記仮想視点映像の前記フレームについて前記仮想視点を特定するための仮想視点情報と、当該フレームにおいて表示される前記被写体を特定するための設定情報と、を含む制御情報を出力する出力手段と、
    　を有することを特徴とする情報処理装置。
  2. 　前記設定情報は、複数の被写体のそれぞれについて表示するか否かを示す情報であることを特徴とする、請求項１に記載の情報処理装置。
  3. 　前記設定情報は、仮想視点映像の生成対象である三次元空間中の領域を示す情報であり、前記領域内に位置する被写体が表示されることを特徴とする、請求項１に記載の情報処理装置。
  4. 　仮想視点映像のフレームにおける仮想視点を指定するための情報を取得する視点取得手段と、
    　被写体を複数の位置から撮像することによって得られる複数の撮像画像のうち、前記仮想視点映像の前記フレームにおいて前記被写体の色を決定するために用いる撮像画像を指定するための情報を取得する設定取得手段と、
    　前記仮想視点映像の前記フレームについて前記仮想視点を特定するための仮想視点情報と、当該フレームにおいて前記被写体の色を決定するために用いる前記撮像画像を特定するための設定情報と、を含む制御情報を出力する出力手段と、
    　を有することを特徴とする情報処理装置。
  5. 　前記仮想視点情報は、前記仮想視点の位置及び前記仮想視点からの視線方向を示す外部パラメータを含むことを特徴とする、請求項１から４のいずれか１項に記載の情報処理装置。
  6. 　前記仮想視点情報は、前記仮想視点の画角又は焦点距離を示す内部パラメータを含むことを特徴とする、請求項１から５のいずれか１項に記載の情報処理装置。
  7. 　前記出力手段は前記制御情報を仮想カメラパスデータとして出力し、前記仮想カメラパスデータには、フレームごとに、前記仮想視点情報と、前記設定情報と、が記録されていることを特徴とする、請求項１から６のいずれか１項に記載の情報処理装置。
  8. 　　前記出力手段は前記制御情報を仮想カメラパスデータとして出力し、前記仮想カメラパスデータには、複数のフレームに共通して適用される前記設定情報が記録されていることを特徴とする、請求項１から６のいずれか１項に記載の情報処理装置。
  9. 　前記仮想カメラパスデータは複数のデータブロックを含み、１つのデータブロックには１つのフレームについての前記仮想視点情報と前記設定情報とが含まれることを特徴とする、請求項７に記載の情報処理装置。
  10. 　前記仮想カメラパスデータは複数のデータブロックを含み、１つのデータブロックには各フレームについての前記仮想視点情報が含まれ、他の１つのデータブロックには各フレームについての前記設定情報が含まれることを特徴とする、請求項７又は８に記載の情報処理装置。
  11. 　前記出力手段は、前記仮想カメラパスデータをデータファイルとして出力し、又は前記仮想カメラパスデータを示す複数のパケットデータを順次出力することを特徴とする、請求項７から１０のいずれか１項に記載の情報処理装置。
  12. 　前記仮想視点情報及び前記設定情報に基づいて前記仮想視点映像を生成する生成手段と、
    　生成された前記仮想視点映像を含み、ユーザによる前記仮想視点情報及び前記設定情報の少なくとも一方の指定を受け付けるユーザインタフェースを提示する提示手段と、
    　をさらに有することを特徴とする請求項１から１１のいずれか１項に記載の情報処理装置。
  13. 　仮想視点映像のフレームについて仮想視点を特定するための仮想視点情報と、当該フレームにおいて表示される被写体を特定するための設定情報と、を含む制御情報を取得する取得手段と、
    　前記設定情報により特定される前記被写体を含み、前記仮想視点情報により特定される前記仮想視点に対応するフレーム画像を生成する生成手段と、
    　を有することを特徴とする情報処理装置。
  14. 　仮想視点映像のフレームについて仮想視点を特定するための仮想視点情報と、被写体を複数の位置から撮像することによって得られる複数の撮像画像のうち、当該フレームにおいて被写体の色を決定するために用いる撮像画像を特定するための設定情報と、を含む制御情報を取得する取得手段と、
    　前記仮想視点映像の前記フレームについて、前記仮想視点情報により特定される前記仮想視点に対応して、前記被写体を含むフレーム画像を、前記設定情報により特定される撮像画像に基づいて生成する生成手段と、
    　を有することを特徴とする情報処理装置。
  15. 　前記取得手段は、前記制御情報を示す仮想カメラパスデータを取得し、
    　前記生成手段は、前記仮想カメラパスデータとは別に記憶装置に格納された前記被写体を表す被写体データを用いて前記仮想視点映像を生成することを特徴とする、請求項１３又は１４に記載の情報処理装置。
  16. 　情報処理装置が行う情報処理方法であって、
    　仮想視点映像のフレームにおける仮想視点を指定する情報を取得する工程と、
    　複数の被写体のうち前記仮想視点映像の前記フレームに表示する被写体を指定する情報を取得する工程と、
    　前記仮想視点映像の前記フレームについて前記仮想視点を特定するための仮想視点情報と、当該フレームにおいて表示される前記被写体を特定するための設定情報と、を含む制御情報を出力する工程と、
    　を有することを特徴とする情報処理方法。
  17. 　情報処理装置が行う情報処理方法であって、
    　仮想視点映像のフレームにおける仮想視点を指定するための情報を取得する工程と、
    　被写体を複数の位置から撮像することによって得られる複数の撮像画像のうち、前記仮想視点映像の前記フレームにおいて前記被写体の色を決定するために用いる撮像画像を指定するための情報を取得する工程と、
    　前記仮想視点映像の前記フレームについて前記仮想視点を特定するための仮想視点情報と、当該フレームにおいて前記被写体の色を決定するために用いる前記撮像画像を特定するための設定情報と、を含む制御情報を出力する工程と、
    　を有することを特徴とする情報処理方法。
  18. 　情報処理装置が行う情報処理方法であって、
    　仮想視点映像のフレームについて仮想視点を特定するための仮想視点情報と、当該フレームにおいて表示される被写体を特定するための設定情報と、を含む制御情報を取得する工程と、
    　前記設定情報により特定される前記被写体を含み、前記仮想視点情報により特定される前記仮想視点に対応するフレーム画像を生成する工程と、
    　を有することを特徴とする情報処理方法。
  19. 　情報処理装置が行う情報処理方法であって、
    　仮想視点映像のフレームについて仮想視点を特定するための仮想視点情報と、被写体を複数の位置から撮像することによって得られる複数の撮像画像のうち、当該フレームにおいて被写体の色を決定するために用いる撮像画像を特定するための設定情報と、を含む制御情報を取得する工程と、
    　前記仮想視点映像の前記フレームについて、前記仮想視点情報により特定される前記仮想視点に対応して、前記被写体を含むフレーム画像を、前記設定情報により特定される撮像画像に基づいて生成する工程と、
    　を有することを特徴とする情報処理方法。
  20. 　仮想視点映像のフレームについて仮想視点を特定するための第１のデータと、
    　前記仮想視点映像の前記フレームについて複数の被写体のうちの表示される被写体を特定するための第２のデータと、
    　を含むデータ構造であって、
    　仮想視点映像を生成する情報処理装置が、複数の被写体のうち前記第２のデータにより被写体を特定し、特定された被写体を含む、前記第１のデータにより特定された前記仮想視点に対応するフレーム画像を生成する処理において用いられる、データ構造。
  21. 　仮想視点映像のフレームについて仮想視点を特定するための第１のデータと、
    　複数の位置から撮像することによって得られる複数の撮像画像のうち、前記仮想視点映像の前記フレームにおいて被写体の色を決定するために用いる撮像画像を特定するための第２のデータと、
    　を含むデータ構造であって、
    　仮想視点映像を生成する情報処理装置が、複数の撮像画像のうち、前記第２のデータにより撮像画像を特定し、特定された前記撮像画像に基づいて、前記第１のデータにより特定された前記仮想視点に対応するフレーム画像を生成する処理において用いられる、データ構造。
  22. 　コンピュータを、請求項１から１５のいずれか１項に記載の情報処理装置として機能させるためのプログラム。
PCT/JP2023/001334 2022-01-31 2023-01-18 情報処理装置、情報処理方法、データ構造及びプログラム WO2023145571A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2022-013582 2022-01-31
JP2022013582A JP2023111640A (ja) 2022-01-31 2022-01-31 情報処理装置、情報処理方法、データ構造及びプログラム

Publications (1)

Publication Number Publication Date
WO2023145571A1 true WO2023145571A1 (ja) 2023-08-03

Family

ID=87471849

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/001334 WO2023145571A1 (ja) 2022-01-31 2023-01-18 情報処理装置、情報処理方法、データ構造及びプログラム

Country Status (2)

Country Link
JP (1) JP2023111640A (ja)
WO (1) WO2023145571A1 (ja)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017212592A (ja) 2016-05-25 2017-11-30 キヤノン株式会社 制御装置、制御方法、及び、プログラム
JP2018085571A (ja) * 2016-11-21 2018-05-31 ソニー株式会社 情報処理装置、情報処理方法、およびプログラム
JP2019079468A (ja) * 2017-10-27 2019-05-23 キヤノン株式会社 画像処理システム、画像処理システムの制御方法及びプログラム
JP2019125929A (ja) * 2018-01-17 2019-07-25 キヤノン株式会社 画像処理装置、画像処理方法、及びプログラム
JP2020135290A (ja) * 2019-02-18 2020-08-31 キヤノン株式会社 画像生成装置、画像生成方法、画像生成システム、及びプログラム
JP2021056900A (ja) * 2019-09-30 2021-04-08 キヤノン株式会社 画像処理装置、画像処理方法、及びプログラム
JP2022013582A (ja) 2020-06-30 2022-01-18 北京小米移動軟件有限公司 タッチ制御方法、装置、電子機器及び記憶媒体

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017212592A (ja) 2016-05-25 2017-11-30 キヤノン株式会社 制御装置、制御方法、及び、プログラム
JP2018085571A (ja) * 2016-11-21 2018-05-31 ソニー株式会社 情報処理装置、情報処理方法、およびプログラム
JP2019079468A (ja) * 2017-10-27 2019-05-23 キヤノン株式会社 画像処理システム、画像処理システムの制御方法及びプログラム
JP2019125929A (ja) * 2018-01-17 2019-07-25 キヤノン株式会社 画像処理装置、画像処理方法、及びプログラム
JP2020135290A (ja) * 2019-02-18 2020-08-31 キヤノン株式会社 画像生成装置、画像生成方法、画像生成システム、及びプログラム
JP2021056900A (ja) * 2019-09-30 2021-04-08 キヤノン株式会社 画像処理装置、画像処理方法、及びプログラム
JP2022013582A (ja) 2020-06-30 2022-01-18 北京小米移動軟件有限公司 タッチ制御方法、装置、電子機器及び記憶媒体

Also Published As

Publication number Publication date
JP2023111640A (ja) 2023-08-10

Similar Documents

Publication Publication Date Title
US11012679B2 (en) Generating apparatus, generating method, and storage medium
CN110419061B (zh) 混合现实系统及使用该系统生成虚拟内容的方法
JP4956375B2 (ja) 画像処理装置、画像処理方法
US8933965B2 (en) Method for calculating light source information and generating images combining real and virtual images
JP4847203B2 (ja) 情報処理方法、情報処理装置
JP7459870B2 (ja) 画像処理装置、画像処理方法、及び、プログラム
US11847735B2 (en) Information processing apparatus, information processing method, and recording medium
WO2017007254A1 (ko) 3차원 지도 생성 및 표시 장치 및 방법
JP2020173529A (ja) 情報処理装置、情報処理方法、及びプログラム
US20240054739A1 (en) Information processing apparatus, information processing method, and storage medium
JP2019103126A (ja) カメラシステム、カメラ制御装置、カメラ制御方法及びプログラム
JP2024019537A (ja) 画像処理装置、画像処理方法、及びプログラム
WO2023145571A1 (ja) 情報処理装置、情報処理方法、データ構造及びプログラム
US11287658B2 (en) Picture processing device, picture distribution system, and picture processing method
JP2019057070A (ja) 画像処理装置、画像処理方法、およびプログラム
JP2022182836A (ja) 映像処理装置及びその制御方法及びプログラム
JP2002042158A (ja) 画像合成装置および画像合成方法およびプログラムを記録した媒体
WO2022230715A1 (ja) 情報処理装置、情報処理方法、及び、プログラム
JP7418107B2 (ja) 形状推定装置、形状推定方法及びプログラム
JP2020095465A (ja) 画像処理装置、画像処理方法、及び、プログラム
JP7459199B1 (ja) 画像処理システム
EP4428828A1 (en) Information processing apparatus, information processing method, and non-transitory computer readable storage medium
US20240177405A1 (en) Image processing apparatus, image processing method, and storage medium
JP2024098822A (ja) 画像処理装置、画像処理方法、及びプログラム
JP2022182120A (ja) 映像生成装置、映像処理システム、映像生成装置の制御方法及びプログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23746785

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 23746785

Country of ref document: EP

Kind code of ref document: A1