OM-1 MARKⅢを創る　第5話　AF その2

2026年3月10日 15:45

　今回は、前回の続きです。まずOM SYSTEM以外のAFの動向を探って行きます。まずは、ソニーから
　ソニーの一眼には、姿勢推定技術という人物の骨格情報に基づき、後ろ向きや横向きでも安定して追随するリアルタイム認識AFが、実装されています。勢推定技術が最初に実装されたのは、
ソニーα7R V

で、以降、
ソニーα1Ⅱ　に至るまで、改良が繰返されてきました。

　姿勢推定は、他メーカーが、未だ到達していない、ソニーが独占する山の頂きです。関連する論文の詳細は、以下のソニーテクノロジーを紹介したサイトで参照できます。

https://www.sony.com/ja/SonyInfo/technology/stories/entries/AAAI-20_IAAI-20/HPE/

　対するキヤノンの回答は、Deep Learningへの全振りです。
キヤノン EOS R1

アクション優先という被写体のアクションを認識、予想し、対象となる被写体をAFが追尾する機能を、サッカー、バスケットボール、バレーボールの3競技で実現しています。究極的には、AIによるシャッターチャンスの認識、無人撮影の方向性が見え隠れします。
　一般に、Large langage Model（LLM）にるAI学習には膨大な計算リソースが必要で、消費電力の抑制には、グーグルのTensor Processing Unit(TPU)のように、データフロー（非ノイマン）型のプロセッサ設計が必須です。
　キヤノンのAIエンジンDIGIC Acceleratorについては、ノイマン型、データフロー型かの情報は開示されていないため、確証がありませんが、キヤノンが、ラピダスに対し、2nmプロセスの画像処理エンジンの試作を発注したという報道を根拠にするなら、現行のDIGIC Acceleratorの少なくと100倍以上の性能要求があると考えて間違いなさそうです。

　しかし、Deep LearningによるAF処理は、万能か？という素朴な疑問が残ります。ここで一旦、閑話休題。一眼の話を少しお休みします。

　実は将棋ソフトにも従来型（NNUE）型と、Deap Learning（DL）型があり、従来型の代表が、水匠, やねうら王などで、DL型代表が、dlshogiです。

　従来型は、「駒の配置」や「王の堅さ」などの評価関数に基づいて、ニューラルネットワークを最適化します。
　DL型は、AI同士が、ひたすら対局を繰り返すことで「勝ちパターン」を学習します。
　どちらが強いかは、PC環境に依存します。
NVIDIA RTX 4090を搭載するようなハイエンドPC環境では、DL型の勝利、普通のPC環境であれば、従来型勝利と言う結果になります。

　またDL型が、序盤から中盤にかけての大局観が優れているのに対し、従来型は、終盤の詰むや詰まざるやの正確な読みに力を発揮します。

　棋士で例えるなら、序中盤の研究に余念がない軍曹こと永瀬拓矢９段が、DL型。圧倒的な読みのスピード、終盤の精度で、他を寄せ付けない藤井聡汰竜王名人が従来型と言えそうです。

　話をAFに戻します。AFにとって、序中盤、終盤どちらが重要なのでしょうか？　AFの精度は、終盤勝負というのが、個人的な意見です。
　泥臭いチューニングによって、少しずつ精度をカイゼンする。実際、ソニーは、被写体の配置によって、位相差AFとコントラストAFを切り替えるといった地道なカイゼンの繰り返しによりAFの精度を理想に近づけています。

　巨人達の圧倒的開発リソースを目の前に見据えて、OM SYSTEMには、何ができるのか？何をすべきなのか？　
　次回は、AF談義の最終話になります

　以降は、研究開発者向けの参考資料です。前回、話題にした鳥の被写体検出時に、AFが枝葉に引っ張られる問題に関連する最新の論文を紹介します。

Enhancing occluded and standard bird object recognition... (2025)

Automatic Segmentation of Birds Using a Combination of Object Detection and Foundation Image Segmentation Models (2024)

Towards complete tree crown delineation by instance segmentation (2025):

　論文内で「枝を無視して鳥だけをマスクする」ために使われている技術的ポイントは以下の通りです。

データ拡張（Data Augmentation）: 意図的に画像に「枝のようなノイズ」を合成し学習させ、AIに「これは無視すべき障害物だ」と学習させる。
インスタンス・セグメンテーション: 「背景」「枝」「鳥」をそれぞれ別々の物体として認識し、鳥の領域だけを塗りつぶしたマスクを生成。
アテンション機構（Attention Mechanism）: 画像内の「鳥の瞳」や「羽の模様」など、枝にはない特徴的な部分にAIの注意を集中させることで、枝への誤合焦を防止。

OM-1 MARKⅢを創る　第5話　AF その2

ピックアップされています