CGへの扉 Vol.12：AIのおかげで映像の拡大やノイズ除去が高品質に

映像メディアの永続性

4Kテレビや8Kテレビが台頭し、高解像度のコンテンツが観られるようになってきました。とは言いつつも、まだまだ素材は衛星放送や、オンライン動画配信の一部の作品、4K Ultra HD ブルーレイなどに限られています。フルハイビジョン解像度の一般の放送は4Kテレビや8Kテレビに内蔵されたアップコンバート機能、またはアップスケーリング機能と呼ばれる高解像度化の機能で拡大されて視聴することになります。

低い解像度の映像からいったいどうやって高解像度の映像を引き出すのか？ と疑問に思われるかもしれません。テレビが持つアップコンバートの機能は優秀で、単なる拡大ではなく映像のジャンルに合わせた細かい線やディテールを保ったままでの拡大、細かなノイズの除去、カラーマネジメントの処理などが施されています。

最近、古い映画がリマスタリング（デジタルリマスタリング）されて、再上映・再放送されたりしています。フィルムで保存されている場合は、フィルムの乳剤の細かさにもよりますが、再スキャンすれば高解像度のデータが得られます。一方、少し前の映像作品が 1920×1080フルハイビジョン解像度で収録されたデジタル映像であれば、どうがんばっても、そのままでは4K,8Kといった高解像度の映像装置での上映に耐えられません。その当時は最高解像度で撮影されていたとしても、将来はどこまで高解像度になるのか分からないのです。

8mm、16mm、35mm、70mm といったフィルム撮影された素材をリマスタリングする場合、次のような手順を踏みます。もちろん音声や音楽についてもリマスタリング（デジタルリマスタリング）はありますが、ここでは映像に関する工程を取り上げます。

• フィルムの補修、クリーニング
• デジタルスキャン：フィルム1コマ1コマをデジタルスキャンしてデータ化。フィルムの状態やコマの大きさ、撮影状況によってスキャン解像度は異なります。
• レストア：スキャンしたデジタルデータから傷やゴミ、不要なブレを除去します。また、フィルムのもつ独特のグレイン（粒状のざらつき）を独自のフィルターである程度除去する場合もあります。
• カラーグレーディング：色の深さ、色合い、色の濃さなどを調整します。元のフィルムの劣化度合いによっても異なります。
• マスタリング：画角などを適切に切り取り、取り扱い映像データ形式、マスターデータとしてパッケージ化します。

デジタルスキャン以降はデジタルツールでの作業ですが、全体を通して専門家の目と手による作業が進められるのが一般的です。低コストの変換や、映像が一貫したアニメーションなどの場合は、全自動で工程が進められる技術も進んでいます。どちらにしろ単なる変換ではない、映像の種別、状況に応じて経験にもとづいた繊細な取り扱いが求められているわけです。

例えばこちらは、1896年、多くの人が初めての映画としてその臨場感に驚いたリュミエール兄弟の蒸気機関車の映像を 4K, 60fps にアップコンバートした動画です。

アップコンバート、デノイズ技術の研究開発

上記のような複雑な工程に AI、それもディープラーニングを活用したアプローチが取り入れられつつあります。考えてみると、低解像度の映像を高解像度に変換したり、もともと撮影された理想の状況に補正したり、ゴミや傷を除去したりといった工程は「学習データ」が大量にあり、「素材」と「正答」がセットで存在する人工知能が学習しやすい得意な分野なのです。

アップコンバート、デノイズの研究やアプローチには大きく分けて２種類の系統があります。ひとつ目は画像や、動画を素材として低解像度から高解像度に変換し、その際のノイズを除去するもの、ふたつ目は、3DCGのレンダリングと呼ばれる映像生成の際に、計算量や計算時間を短縮するためにノイズ除去の作業を組み合わせるものです。

近年デノイズ系の研究は盛んで、人工知能関連の論文が数多く登録、紹介されているサイト「Papers with Code」には、デノイジング （ノイズ除去）関連の論文と実装サンプルソースコードが 2020年3月現在、 252件登録されています。

Papers with Code の デノイジング関連の論文＋コード一覧

デノイジングAIの活用やニーズに基づいた映像系の研究開発分野としても注目の分野であるとともに、革新的なひとつの方法があるわけではありません。映像制作のニーズや状況、映像のジャンル、得意不得意、計算速度、精度や品質、さまざまな観点から多くの研究者が研究し、理解を深めているのが現状です。

SIGGRAPH 2019 で注目された高速のデノイズ手法

SIGGRAPH 2019での発表：Novel Denoising Method Generates Sharper Photorealistic Images Faster

これはアドビ、マサチューセッツ工科大学、ヘルシンキのアールト大学の共同研究です。ディープラーニング手法を使った新しいアプローチによるデノイズ手法で「Kernel-Splatting Network」と命名されています。一般的にノイズを除去する際、単に近接したピクセル同士の平均を取ってなめらかにすると、鮮鋭さが失われてしまいます。「Kernel-Splatting Network」は、さまざまな場面をディープラーニングで繰り返し学習しておき、どういった場面ではどのピクセルに重みをつけて近接するピクセルとノイズ除去の計算をすれば良いのかを把握して映像を鮮鋭化させています。将来的にはフレーム間補間により動画にも対応するそうです。

Disney Animation が取り組むデノイズ手法

Web : https://studios.disneyresearch.com/2017/07/20/kernel-predicting-convolutional-networks-for-denoising-monte-carlo-renderings/
論文：Kernel-Predicting Convolutional Networks for Denoising Monte Carlo Renderings

長編アニメーション映画制作に使われたデノイズ手法です。高解像度化が進む映画制作で、一番のボトルネックでもあるレンダリング計算時間を短縮することに貢献しています。

実用化されたツールでプロ限定ではなく一般にも浸透し始める

アップコンバートやデノイズの計算は、計算量は多いながらも、あらかじめ十分な素材データから十分に学習済みの結果を当てはめて行けば良いのでツール化がしやすい分野でもあります。また並行処理が可能なことから、グラフィックスハードウェアGPUによる並列計算、メニーコアCPUによる並列計算、またはクラウドコンピューティングによる並列計算により一気に処理できる可能性が広がります。さらに利用すればするほど、ますます精度が上がっていくため、適切な設定や効果を生み出していく調整や、用途や目的によって学習データを調整し直すといった最適化も可能でしょう。

デノイザーの大きな役目は、単なるノイズ除去だけではなく、低解像度の画像を拡大した際のノイズ除去、3DCGのレンダリングにあまり時間をかけなかったために生じた細かなノイズの除去など、広範囲の用途に使われます。4K、8K の映像素材を求めると映像制作にかかる時間やデータ量が指数的に増加していきますが、その増加分をうまくデノイザーを組み合わせることで計算を省略したり同じ手間でもより高品質なものを追求することができます。

アニメ専用高解像度拡大ツール Anime Refiner

Web：https://animerefiner.com/

単なるアップコンバートではない、アニメ用の線画やベタ塗りのカラフルな色彩に特化した高解像度化ツールです。HDサイズ（1280×720ピクセル）なら4Kに、フルHDサイズ(1920×1080ピクセル）の素材を8Kまで高解像度化が可能です。拡大に際してノイズ除去、鮮明化、陰影の強調が行われます。

実写映像用高解像度拡大ツール Topaz Labs Video Enhance AI

Topaz Video Enhance AI Demo from Topaz Labs on Vimeo.

Web：https://topazlabs.com/video-enhance-ai/

ノイズ除去、引き伸ばし、精鋭化に長けた、Windows 10, macOS 10.12以降用の一般ユーザー向けツールです。低解像度の動画を引き伸ばしたいという用途はもちろん、映像のある部分を切り取って拡大するような用途に向いています。

CGツール組込型デノイズツール Intel Open Image Denoise

Web：https://openimagedenoise.github.io/
紹介動画：https://software.intel.com/en-us/videos/intel-open-image-denoise-optimized-cpu-denoising

オープンソースとして公開された Intel Open Image Denoise は 2020年3月現在 Version 1.1、商用利用も考えられたApache 2.0ライセンスのため、他のCGツールに無料で組み込んで利用することができます。

CGツール組込型デノイズツール NVIDIA OptiX AI-Accelerated Denoiser

Web：https://developer.nvidia.com/optix-denoiser
論文：https://research.nvidia.com/sites/default/files/publications/dnn_denoise_author.pdf

グラフィックハードウェアメーカーであるNVIDIAが1,000種類の3Dシーンの数万枚の画像を学習させた、AIベースのデノイザーで、さまざまな3DCGツールに組み込んで無料で利用することができます。高品質ではありますが、ある程度のハードウェアリソースを必要とします。研究論文「Interactive Reconstruction of Monte Carlo Image Sequences using a Recurrent Denoising Autoencoder」にもとづいた、実用レベルのサンプル実装。NVIDIAがあらかじめ学習させた素材ではなく、自身が持つ映像素材をデノイザーに学習させる方法も紹介されています。

これからのAIと画像補正、映像補正ツールの行き着く先

4K, 8K時代における映像コンテンツの高精細化、デジタルアーカイブの有効活用など、AIをベースにしたツールの恩恵はますます広まることでしょう。4K時代、8K時代と言われつつ、まだまだそれらの高解像度向けに作られた映像作品は限られます。旧来の低解像度の作品も、高解像度化することでコンテンツの価値を継続させることができます。

今回紹介した高解像度化、ノイズ除去のアプローチに限らず、映像制作においては多種多様なニーズが存在します。従来は手間と熟練の技術が必要だった作業もツールの機能によって置き換えられつつあります。例えば画像や映像の中の欠けている部分を補完したり、テロップ等で隠れた部分を補修したり、白黒映像をカラー化できたりするのもディープラーニングの恩恵です。

写真の白黒化サービスはWebブラウザだけで利用できる平易なものもあり、手軽に試せるのが良いところでしょう。ここで紹介したような複雑なツールやサービスもどんどん一般化し、安価に利用できるようになりました。そこに人工知能の恩恵があるとは誰も気にせずに万人がスマートフォンでも使うようになってきているのです。

Deep Image Prior : 画像の欠けている部分を補完するツール

Web：https://dmitryulyanov.github.io/deep_image_prior

DeepAI : 白黒写真のカラー化

Web：https://deepai.org/machine-learning-model/colorizer

ALGORITHMIA : 白黒写真のカラー化　

Web：https://demos.algorithmia.com/colorize-photos

ColouriseSG : 白黒写真のカラー化　

Web：https://colourise.sg/

本連載の今後の予定：「CGへの扉」では、単なるAIの話題とは少し異なり、CG/VFX, アートの文脈から話題を切り取り紹介していきます。映像制作の現場におけるAI活用や、AIで価値が高まった先進的なツール、これからの可能性を感じさせるような話題、テクノロジーの話題にご期待ください。何か取り上げて欲しいテーマやご希望などがございましたら、ぜひ編集部までお知らせください。

CGへの扉：

Vol.1：CG/VFXにおける人工知能の可能性と、その限界

Vol.2：なめらかなキャラクタアニメーションと、ディープラーニングの役目

Vol.3：CGとAIの蜜月が今まで不可能だった映像を生みだす

Vol.4：CG/VFX制作に欠かせなくなったマシーンラーニングの勘所

Vol.5：SIGGRAPH 2019に見るCG研究と機械学習

Vol.6：Facebookが取り組むVRとAIのアプローチ

Vol.7：AIによる差別やバイアスを避ける取り組み“PAIR”

Vol.8：一流オークションハウスも注目するアートとAIの関係性

Vol.9：現実の課題を解決するCGとAIの相互作用 #SIGGRAPHAsia2019

Vol.10：老齢とは無縁、De-Aging技術の台頭

Vol.11：動き、ダンスに新しい要素を加えるAIの役目

Contributor：安藤幸央