物体検出
画像や動画の中から特定のオブジェクト（物体）の位置と種類を自動的に特定するAI技術。バウンディングボックスと呼ばれる矩形領域で位置を指定し、その中身が何であるかを分類する。自動運転や防犯カメラ、工場の検品など幅広い分野で活用されており、深層学習の発展によってリアルタイムでの高精度な検出が実現している。
コンピュータビジョンのAI用語一覧
183件コンピュータビジョンに関するAI用語を183件掲載しています。意味や使い方、関連用語を一覧から確認できます。
イベントカメラ
イベントカメラとは、画素ごとの輝度変化（イベント）のみを非同期に検出して記録する次世代の視覚センサーです。従来のカメラのようにフレーム単位で画像を出力しないため、高速な動作の撮影や低消費電力・低遅延での処理が可能となり、コンピュータビジョンやエッジAIの分野で注目されています。
RGB-Dカメラ
RGB-Dカメラは、通常のカラー画像（RGB）と同時に、被写体との距離情報である深度（Depth）を計測して出力するカメラです。従来のカメラでは困難だった3次元空間の立体的な形状や奥行きの把握が可能となり、コンピュータビジョンやロボットの自律移動、空間認識などのAI技術において、高精度な環境認識を実現するための重要なデバイスとして活用されています。
インペインティング
インペインティングとは、画像の一部を選択して消去・修正したり、テキスト指示に基づいて新しい要素を自然に合成・復元したりする画像編集技術です。深層学習や拡散モデルの発展により、背景の整合性を保ちながら欠損部分を補完することが可能になりました。写真の不要物除去や修復、クリエイティブな画像編集で広く活用されています。
インスタンスセグメンテーション
インスタンスセグメンテーションは、画像内の個々の物体（インスタンス）をピクセル単位で識別して検出するコンピュータビジョンの技術です。同じカテゴリの物体であっても、それぞれを「個別の物体」として分離して認識できるのが特徴で、自動運転や医療画像解析など高度な画像理解が必要な分野で広く活用されています。
画像処理
画像処理とは、デジタル画像をコンピュータで解析・加工し、情報の抽出や画質の改善を行う技術です。AIの発展に伴い、自動運転や医療診断などの分野で高度な認識や解析がリアルタイムで行われるようになっています。
バウンディングボックス
バウンディングボックスとは、画像や動画内で特定の物体がどこにあるかを示す長方形の領域です。物体検出をはじめとするコンピュータビジョンの領域で広く活用され、AIに物体の位置と種類を学習させるアノテーションや、検出結果の可視化に不可欠な基礎技術です。
画像認識
画像認識とは、デジタル画像や動画から何が写っているかをコンピュータが解析・識別する技術です。従来の画像処理技術から発展し、深層学習や畳み込みニューラルネットワークの導入により飛躍的に精度が向上しました。自動運転、医療画像診断、顔認証セキュリティなど幅広い分野で利用され、コンピュータビジョン領域の中核をなしています。
セマンティックセグメンテーション
セマンティックセグメンテーションは、画像内のすべてのピクセルに対して意味的なクラスを分類するコンピュータビジョンの技術です。物体検出とは異なり、物体の輪郭をピクセル単位で正確に特定できるため、自動運転や医療画像解析などで広く活用されています。
画像分類
画像分類とは、入力された画像全体がどのようなカテゴリに属するかをコンピュータに判定させるAI技術です。例えば、写真に猫が映っているか犬が映っているかを自動で識別するタスクで広く使われており、画像認識の基本技術として多分野で活用されています。
テクスチャ解析
テクスチャ解析とは、画像における表面の質感や繰り返される模様のパターンを数値化し、評価・分類する画像処理技術です。グレーレベル共起行列やフィルタ処理による統計的アプローチに加え、近年は機械学習やディープラーニングを活用した高精度な領域分割や外観検査など、コンピュータビジョンの様々な分野で応用されています。
ボクセル
ボクセルとは、3次元空間における体積の最小単位であり、2次元のピクセルを3次元に拡張した概念です。規則的な格子状のデータ構造を持つため、AIを用いた3D物体の認識や生成において、3D畳み込みニューラルネットワークの入力データなどとして広く活用されています。
3D物体検出
3D物体検出は、カメラやLiDARなどのセンサーデータから三次元空間における物体の位置や大きさ、姿勢を高精度に特定するコンピュータビジョンの技術です。自動運転車やロボットの周囲環境認識において中核的な役割を果たしています。
空間認識
空間認識とは、AIやセンサーを用いて現実世界の3次元的な形状、位置関係、奥行きなどを正確に把握する技術です。自動運転やロボットの自律走行、AR（拡張現実）デバイスにおけるデジタル情報の正確な配置など、現実世界とデジタルデータを結びつけるための基盤技術として、様々な産業分野で重要な役割を果たしています。
再投影誤差
再投影誤差とは、3次元空間上の点を2次元画像上に投影した位置と、実際の画像上の対応点との間の距離のズレのことです。コンピュータビジョンにおいて、カメラの外部パラメータや内部パラメータ、3Dモデルの正確性を評価するための指標として広く利用されています。
特徴点
画像やデータの中で、周囲と比べて際立って識別しやすい局所的な部分のことです。輪郭の角（コーナー）や輝度変化の激しい点などが該当し、画像認識や物体追跡、3D復元などで重要な役割を果たします。機械学習やディープラーニング技術を用いて高精度に検出され、画像の幾何学的な位置合わせやマッチングの基準として広く利用されています。
点群
点群（ポイントクラウド）とは、3次元空間上の位置座標を持つ無数の点の集まりです。LiDARや深度カメラ等で取得され、自動運転の周囲認識や3次元測量、ロボット工学などのAI分野で空間把握の基本データとして活用されています。
オクルージョン
オクルージョンとは、画像や動画の中で物体の一部が別の物体に隠れて見えなくなる現象です。AIの画像認識においては、遮蔽物がある状態でも対象を正確に検出・識別するための重要な技術的課題となっています。
拡張現実（AR）
拡張現実（AR）とは、現実世界の映像や空間にデジタル情報やグラフィックを重ね合わせて表示し、人間の知覚を拡張する技術です。スマートフォンやスマートグラスなどを通じて、実際の空間に3Dモデルや文字情報をリアルタイムに配置します。近年ではAIやコンピュータビジョンとの統合により、高度な物体認識や空間把握が可能になっています。
深度センサ
深度センサとは、撮影対象物までの距離情報を取得し、三次元的な空間データを生成するためのデバイスです。自動運転やロボットの障害物検知、ARなどのコンピュータビジョン分野において、周囲の状況を立体的に把握するために欠かせない技術として広く活用されています。
3Dモデル
3Dモデルとは、コンピュータ上の3次元仮想空間に幾何学的なデータとして構築された立体表現のことです。従来のCG制作だけでなく、近年は生成AI技術の発展により、テキストや単一画像から高品質な立体データを自動生成する研究や実用化が進んでおり、ゲーム、メタバース、ロボティクスなどの多様な領域で活用が広がっています。
自己位置推定
自己位置推定とは、ロボットや自動運転車などの自律移動体が、各種センサーの情報を利用して環境内における自身の現在位置や姿勢を特定する技術です。GPSが届かない屋内や地下でも高精度なナビゲーションを行うために不可欠であり、SLAMやオドメトリなどの技術と組み合わせて高度な自律走行を実現します。
SLAM
SLAMとは、ロボットや自動運転車などの移動体が未知の環境を移動する際、センサー情報をもとに自身の「自己位置推定」と周囲の「環境地図作成」を同時に行う技術です。GPSが届かない屋内や地下でも自律的なナビゲーションを可能にする基盤技術として、自動運転やARなど幅広い分野で活用されています。
アウトペインティング
アウトペインティングとは、画像生成AIを用いて、元の画像の境界線の外側に新しい背景や被写体を自然に描き足し、画像全体の構図を拡張する技術です。元の画像のコンテキストや画風、光源、色使いなどを高度に維持したまま、違和感のない外挿を行います。主に景色の拡張や、正方形画像を横長に変換する用途などで活用されています。