Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
リアルIPのカード作成自動化への挑戦
Search
gree_tech
PRO
October 25, 2022
Technology
0
720
リアルIPのカード作成自動化への挑戦
GREE Tech Conference 2022で発表された資料です。
https://techcon.gree.jp/2022/session/TrackB-6
gree_tech
PRO
October 25, 2022
Tweet
Share
More Decks by gree_tech
See All by gree_tech
コミュニケーションに鍵を見いだす、エンジニア1年目の経験談
gree_tech
PRO
0
140
REALITY株式会社における開発生産性向上の取り組み: 失敗と成功から学んだこと
gree_tech
PRO
2
1.8k
『ヘブンバーンズレッド』におけるフィールドギミックの裏側
gree_tech
PRO
2
620
セキュリティインシデント対応の体制・運用の試行錯誤 / greetechcon2024-session-a1
gree_tech
PRO
1
640
『アナザーエデン 時空を超える猫』国内海外同時運営実現への道のり ~別々で開発されたアプリを安定して同時リリースするまでの取り組み~
gree_tech
PRO
1
590
『アサルトリリィ Last Bullet』におけるクラウドストリーミング技術を用いたブラウザゲーム化の紹介
gree_tech
PRO
1
680
UnityによるPCアプリの新しい選択肢。「PC版 Google Play Games」への対応について
gree_tech
PRO
1
1.1k
実機ビルドのエラーによる検証ブロッカーを0に!『ヘブンバーンズレッド』のスモークテスト自動化の取り組み
gree_tech
PRO
1
710
"ゲームQA業界の技術向上を目指す! 会社を超えた研究会の取り組み"
gree_tech
PRO
1
850
Other Decks in Technology
See All in Technology
相互運用可能な学修歴クレデンシャルに向けた標準技術と国際動向
fujie
0
240
Backlog AI アシスタントが切り開く未来
vvatanabe
1
130
生成AI導入の効果を最大化する データ活用戦略
ham0215
0
150
Lambda management with ecspresso and Terraform
ijin
2
160
Kiroでインフラ要件定義~テスト を実施してみた
nagisa53
3
350
AIエージェントを現場で使う / 2025.08.07 著者陣に聞く!現場で活用するためのAIエージェント実践入門(Findyランチセッション)
smiyawaki0820
6
1k
生成AI時代におけるAI・機械学習技術を用いたプロダクト開発の深化と進化 #BetAIDay
layerx
PRO
1
1.2k
20250807_Kiroと私の反省会
riz3f7
0
210
MCP認可の現在地と自律型エージェント対応に向けた課題 / MCP Authorization Today and Challenges to Support Autonomous Agents
yokawasa
5
2.3k
Infrastructure as Prompt実装記 〜Bedrock AgentCoreで作る自然言語インフラエージェント〜
yusukeshimizu
1
110
SRE新規立ち上げ! Hubbleインフラのこれまでと展望
katsuya0515
0
200
Strands Agents & Bedrock AgentCoreを1分でおさらい
minorun365
PRO
7
320
Featured
See All Featured
Faster Mobile Websites
deanohume
308
31k
Art, The Web, and Tiny UX
lynnandtonic
301
21k
The Cult of Friendly URLs
andyhume
79
6.5k
Visualization
eitanlees
146
16k
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
46
7.6k
Creating an realtime collaboration tool: Agile Flush - .NET Oxford
marcduiker
31
2.2k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
110
19k
The MySQL Ecosystem @ GitHub 2015
samlambert
251
13k
Building Better People: How to give real-time feedback that sticks.
wjessup
367
19k
jQuery: Nuts, Bolts and Bling
dougneiner
63
7.8k
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
358
30k
Fireside Chat
paigeccino
38
3.6k
Transcript
グリーエンターテインメント チーフクライアントエンジニア 立花 祐一郎 リアルIPのカード作成自動化への 挑戦
氏名 立花 祐一郎 所属 グリーエンターテインメント株式会社 担当 チーフクライアントエンジニア 経歴 モバイルゲーム会社から2019年にファンプレックス (現グリーエンターテインメント)に転籍。 以降、ゲーム運用フェーズにて
サーバー・クライアント開発、社外調整、管理業務と幅広く従事。 自己紹介 2
グリーエンターテインメントの紹介 3
目次 1. リアルIPって何? 2. カード作成自動化の経緯 3. カード作成自動化の取り組み 4. 残された課題 5.
まとめ 4
5 リアルIPって何?
リアルIPの定義 現実のアイドルやアーティストなどを扱った知的財産 6
リアルIPを用いたゲームの特徴 写真を加工してカード化などを行う 7
8 カード作成自動化の経緯
9 留意事項 • 本セッションのリアルIPのゲームですが、権利関係の都合でタイト ル公表NGとなっております。 • そのため、カード作成の自動化に使われた実際の写真や ゲーム 内のスクショは本セッションでは紹介できません。
カード作成自動化の経緯について 弊社のリアルIPゲームの作成したカード枚数... 年間 数百枚以上!! 10
作成カードの例 ゲーム内レアリティに沿ってカードの豪華さが変化する 11
自動化に適した条件 一番レアリティの低いNカードに関して 12 • 正面顔 • シンプルな背景 • 加工が控えめ
自動化に適した条件 全カードのうち6割がNカード 13 枚数 >
14 カード作成自動化の取り組み
自動化の大まかな流れ① 切り抜き 背景除去
自動化の大まかな流れ② 16 カード に適用 データ の読み 込み 山田太郎 カードの説明
顔の切り抜き 切り抜き 背景除去
顔の切り抜きルール • 目と鼻の位置を基準に切り取る 18
顔検出方法の選定 • 目と鼻の位置が検出可能 • APIを呼び出すだけで使える手軽なもの 19
選定時の候補 • OpenCV • カスケード分類器 • ディープラーニング • AWS Recognition
20
カスケード分類器 メリット • 情報が豊富 デメリット • 顔検知の精度は低い • パラメーターの調整が必要 21
ディープラーニング(YuNet) メリット • 高速かつ精度の高い顔検出ができる デメリット ・特になし 22
AWS Recognition メリット • 簡単かつ非常に精度が高い デメリット • 1枚当たり0.0013USDの費用が発生 • 外部APIの呼び出しなので通信が必要
23
24 カスケード 分類器 ディープラーニング(YuNet) AWS Recognition 精度 誤検知あり 良好 非常に良好
費用 無料 無料 0.0013USD/枚
顔検出手法の決定 精度の高いAWS Recognitionを採用 25 OpenCV AWS Recognition
AWS Recognitionの顔検出APIレスポンス 主要なレスポンス要素 • Bouding Box • 画像の赤枠 • Confidence
• 信頼値。検出した顔の正確性 • Landmarks • 画像の青丸 26
AWS Recognitionのつまづいた点 S3から落としてきた画像の向きが勝手に変わってしまう 27
EXIFメタデータ 写真で撮影した画像のメタデータ メタデータの例 • 写真の向き • カメラやスマホの種類 • 著作権 •
撮影地点 28
Exifの値を参照して向きを補正するサンプル Pythonのサンプルコード 29
Exifの値を参照して向きを補正するサンプル • 方向のメタデータの値は1~8 (例) • 1ならばそのまま • 2ならば反転 30
背景除去 切り抜き 背景除去
背景除去 1. Photoshopの「被写体を選択」 2. マスク適用 32
Photoshopの「被写体を選択」 • 1クリックで、人物の輪郭を選択する機能 • 以下に該当する場合は選択範囲が取れない可能性が高くなる • 被写体が複数 • 背景が複雑 33
「被写体を選択」をスクリプトから呼び出す Photoshopの「アクション」機能 • Photoshopの操作を録画・再生できる機能 • 馴染みのないPhotoshop処理も簡単に自動化できる 34
後の工程 Photoshopスクリプトで全て自動化 35 カード に適用 データ の読み 込み 山田太郎 カードの説明
結果 色調整を除けば、7~8割の精度でカードの自動生成が可能 36
残された課題 37
残された課題 色味の調整 ・照明などの影響を埋める調整が必要 38
まとめ • 7~8割の精度でカード自動生成が出来た • AWS Recognitionは、お手軽かつ精度高く顔検出サービス • Photoshopの機能にも自動化に使えるものがある • 色調整が今後の課題
39
40