OM-1 MARKⅢを創る第11話　ターゲットベースAFアルゴリズムの詳細

2026年7月31日 13:40

　この記事は、

では、意図的に有耶無耶にしていたターゲットベースAFアルゴリズムの詳細を説明する記事です。

はじめに

　現在のマイクロフォーサーズフラッグシップに搭載されているクアッドピクセルCMOSセンサーは、全画素で像面位相差の測距データを取得できる強力なポテンシャルを持っています。
　しかし既存のシステムでは、その膨大な測距能力を画面全域の「1053点」という固定された格子（グリッド）の中に丸め込み、文鎮化させてしまっています。

　このハードウェアのポテンシャルをソフトウェア（アルゴリズム）の思想によって正しく解放し、画像処理エンジンの演算負荷を最適化するシステムが「ターゲットベースAF」です。

　本稿では、インプットから最終的なAF実行に至るまでの、その基本アルゴリズムと正確なデータ処理プロセスについて解説します。

【フェーズ1】ターゲット指定による「演算範囲の定義」と高密度化

　アルゴリズムの起点は、撮影者による範囲の定義です。カメラに備わっている「ターゲット指定」や「カスタムターゲット」を使用し、画面内のどのエリアで被写体検出を行うか、その範囲（枠）を明示的に指定します。

　この範囲制限は、単なるトリミングではありません。
　クアッドピクセル構造は、センサー内のどの画素からでも位相差情報を引き出せる特性を持っています。

　画面全域を漫然とカバーする処理を止めるため、ターゲット指定された枠が小さければ小さいほど、その限られたエリアに対して利用可能な測距点の密度を物理的に増大させ、集中配置（マッピング）することが可能になります。
　これにより、枠内におけるサンプリングの空間解像度が劇的に跳ね上がり、測距の精度そのものが向上します。

【フェーズ2】第1のルックアップテーブル（LUT）による被写体認識

　明示的に指定されたターゲット範囲が確定すると、カメラ内部のアルゴリズムは、その範囲内に被写体認識およびAFを行うための座標を定義した「第1のルックアップテーブル（LUT）」を展開します。

　この第1のLUTにおける点の配置は、一律の均等な格子状（グリッド）ではありません。
　指定された枠内において、「中心の密度が最も高く、周辺にいくほど粗くなる正規分布（ガウス分布）」の形をとってサンプリングポイントをマッピングします。

　画像処理エンジン（TruePic Ⅺ）は、画面全体や枠内を一律にスキャンするのではなく、この第1のLUTによってマッピングされた効率的な点（座標）だけをベースにして、被写体認識（AI検出）の一次スクリーニングを走らせます。

　これにより、枠内に複数の被写体が同時に認識された場合であっても、撮影者が最も意図している「枠の中心軸」から極めて効率的、かつ正確に被写体を識別・検出することが可能になります。

【フェーズ3】第2のルックアップテーブル（LUT）の動的生成とAF実行

　第1のLUTを元に被写体が認識された瞬間に、アルゴリズムは即座に最終フェーズへと移行します。

　認識された被写体のジャンルに応じて、ピントを合わせるべき最もクリティカルな固有部位（「人間の瞳」「動物の瞳」「飛行機の窓」など）の位置を特定し、その局所エリアにAF測距点を集中させる「第2のルックアップテーブル（LUT）」をその場で動的に生成・上書き（マッピング）します。

　最終的なAF（測距計算）は、画面全体でも固定の1053点でもありません。
　また、最初のインプットであるターゲット枠（SingleやAllなど）の大きさに依存（制限）されることもありません。

　ここで行われるのは、「C-AF+TR（被写体追従）の精度を完璧に確保・維持できる範囲」として、アルゴリズムが最適化した点数だけを第2のLUTから抽出し、集中演算をかける処理です。

　これにより、画面の大部分の不要な画素計算を最初から完全に「引き算」し、被写体の核心部に対してのみ、追従精度を保証するジャストなリソースを集中爆撃します。
　この2段階のルックアップテーブルの連係こそが、画像処理エンジンにかかる負荷を著しく軽減し、かつてない超高速・高精度なフォーカシングを可能にするターゲットベースAFの真髄です。

【具体例】鳥への適用におけるアルゴリズムの挙動

　本アルゴリズムが、実際の撮影環境においてどのようにデータ処理を行うか、「鳥」を被写体とした場合の挙動を例に解説します。

ターゲット指定（枠内高密度化）
撮影者がカスタムターゲット等の枠で鳥を捉えた瞬間、演算範囲がその枠内に限定されます。クアッドピクセル構造のポテンシャルにより、絞り込まれた枠内に対して利用可能な測距点が限界まで高密度にマッピングされ、空間解像度（精度）が最大化されます。
第1のLUT展開と一次認識
確定した枠内に、中心の密度が最も高い「正規分布（ガウス分布）」の第1のLUTが敷かれます。画像処理エンジンはこの第1のLUTの座標のみをスキャンし、枠の中心軸を基準に、効率的かつ正確に「鳥」という被写体を識別・検出します。
第2のLUT生成（部位への超集中）
AIが被写体を「鳥」と認識した瞬間に、アルゴリズムは鳥の最もクリティカルな固有部位である「鳥の瞳」の位置を特定。その極小エリアに測距点を集中させる「第2のルックアップテーブル（LUT）」をオンメモリで即座に動的生成し、上書きします。
C-AF+TR精度確保によるAF実行
最終的なAF演算は、最初のターゲット枠の大きさには制限されません。鳥の動きに対して「C-AF+TR（被写体追従）の精度を完全に確保・維持できる最適な範囲」の点数だけを第2のLUTから抽出し、鳥の瞳をピンポイントで直撃する集中演算を実行します。

　この一連のパイプラインにより、画面全域を無駄に走査することなく、必要な領域に対してのみジャストなリソースを120fps以上の超高頻度で投入し続けるため、極めて過酷な動体追従であってもエンジンが窒息することなく、冷徹にピントを合わせ続けることが可能となります。

【基本アルゴリズムのまとめ】

　ターゲットベースAFのデータ処理パイプラインは、以下の4ステップで完結します。

ターゲット枠の指定（演算範囲の制限と、枠内測距点の密度向上）
第1のLUT展開（中心が密な正規分布をベースにした被写体認識）
第2のLUT生成（認識した被写体の「瞳」や「窓」に測距点を動的マッピング）
AF実行（C-AF+TRの精度を確保できる最適な範囲の点だけを抽出し、測距計算を完了）