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
760
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
LLM翻訳ツールの開発と海外のお客様対応等への社内導入事例
gree_tech
PRO
0
870
ヘブンバーンズレッドのレンダリングパイプライン刷新
gree_tech
PRO
0
890
ヘブンバーンズレッドにおける、世界観を活かしたミニゲーム企画の作り方
gree_tech
PRO
0
890
「魔法少女まどか☆マギカ Magia Exedra」のグローバル展開を支える、開発チームと翻訳チームの「意識しない協創」を実現するローカライズシステム
gree_tech
PRO
0
870
「魔法少女まどか☆マギカ Magia Exedra」での負荷試験の実践と学び
gree_tech
PRO
0
960
「魔法少女まどか☆マギカ Magia Exedra」の必殺技演出を徹底解剖! -キャラクターの魅力を最大限にファンに届けるためのこだわり-
gree_tech
PRO
0
890
ヒューリスティック評価を用いたゲームQA実践事例
gree_tech
PRO
0
880
ライブサービスゲームQAのパフォーマンス検証による品質改善の取り組み
gree_tech
PRO
0
880
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
150
Other Decks in Technology
See All in Technology
自動テストのコストと向き合ってみた
qa
0
210
関係性が駆動するアジャイル──GPTに人格を与えたら、対話を通してふりかえりを習慣化できた話
mhlyc
0
140
AI駆動開発を推進するためにサービス開発チームで 取り組んでいること
noayaoshiro
0
240
Adapty_東京AI祭ハッカソン2025ピッチスライド
shinoyamada
0
230
そのWAFのブロック、どう活かす? サービスを守るための実践的多層防御と思考法 / WAF blocks defense decision
kaminashi
0
140
Where will it converge?
ibknadedeji
0
200
『バイトル』CTOが語る! AIネイティブ世代と切り拓くモノづくり組織
dip_tech
PRO
1
110
AIツールでどこまでデザインを忠実に実装できるのか
oikon48
6
3.1k
ガバメントクラウドの概要と自治体事例(名古屋市)
techniczna
2
210
AI時代だからこそ考える、僕らが本当につくりたいスクラムチーム / A Scrum Team we really want to create in this AI era
takaking22
7
4k
Uncle Bobの「プロフェッショナリズムへの期待」から学ぶプロの覚悟
nakasho
2
110
後進育成のしくじり〜任せるスキルとリーダーシップの両立〜
matsu0228
7
3.2k
Featured
See All Featured
Rebuilding a faster, lazier Slack
samanthasiow
84
9.2k
The Invisible Side of Design
smashingmag
301
51k
Producing Creativity
orderedlist
PRO
347
40k
"I'm Feeling Lucky" - Building Great Search Experiences for Today's Users (#IAC19)
danielanewman
229
22k
KATA
mclloyd
32
15k
VelocityConf: Rendering Performance Case Studies
addyosmani
332
24k
Being A Developer After 40
akosma
91
590k
Thoughts on Productivity
jonyablonski
70
4.9k
The Straight Up "How To Draw Better" Workshop
denniskardys
237
140k
GraphQLとの向き合い方2022年版
quramy
49
14k
It's Worth the Effort
3n
187
28k
Cheating the UX When There Is Nothing More to Optimize - PixelPioneers
stephaniewalter
285
14k
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