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
560
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
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
230
『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
190
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
190
『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
160
『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
210
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
370
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
240
"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
280
Jamstack でリニューアルするグリーグループのメディア
gree_tech
PRO
2
450
Other Decks in Technology
See All in Technology
My small contributions - Fujiwara Tech Conference 2025
ijin
0
1.2k
商品レコメンドでのexplicit negative feedbackの活用
alpicola
1
300
I could be Wrong!! - Learning from Agile Experts
kawaguti
PRO
8
3.2k
Alignment and Autonomy in Cybozu - 300人の開発組織でアラインメントと自律性を両立させるアジャイルな組織運営 / RSGT2025
ama_ch
1
2.2k
ドメイン駆動設計の実践により事業の成長スピードと保守性を両立するショッピングクーポン
lycorptech_jp
PRO
6
700
20240513 - 框裡框外_文學院學生如何在AI世代安身立命 @ 淡江大學
dpys
0
650
Oracle Exadata Database Service(Dedicated Infrastructure):サービス概要のご紹介
oracle4engineer
PRO
0
12k
新しいスケーリング則と学習理論
taiji_suzuki
10
3.8k
embedパッケージを深掘りする / Deep Dive into embed Package in Go
task4233
1
200
Git scrapingで始める継続的なデータ追跡 / Git Scraping
ohbarye
5
430
駆け出しリーダーとしての第一歩〜開発チームとの新しい関わり方〜 / Beginning Journey as Team Leader
kaonavi
0
120
AWS Community Builderのススメ - みんなもCommunity Builderに応募しよう! -
smt7174
0
150
Featured
See All Featured
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
330
21k
Designing Dashboards & Data Visualisations in Web Apps
destraynor
230
52k
How GitHub (no longer) Works
holman
312
140k
10 Git Anti Patterns You Should be Aware of
lemiorhan
PRO
656
59k
The Psychology of Web Performance [Beyond Tellerrand 2023]
tammyeverts
45
2.3k
Optimising Largest Contentful Paint
csswizardry
33
3k
No one is an island. Learnings from fostering a developers community.
thoeni
19
3.1k
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
38
1.9k
Writing Fast Ruby
sferik
628
61k
Faster Mobile Websites
deanohume
305
30k
Easily Structure & Communicate Ideas using Wireframe
afnizarnur
192
16k
Scaling GitHub
holman
459
140k
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