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。
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。
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。
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。
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。
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。
ミリ波レーダー
ミリ波レーダーとは、ミリ波帯の電波を用いて障害物の距離や方向を高精度に測定するセンサー技術です。自動運転や先進運転支援システムにおいて、悪天候に強い点から機械学習モデルと組み合わされ、AIの認識能力を補う重要なデバイスとして広く活用されています。
マルチオブジェクトトラッキング
マルチオブジェクトトラッキング（MOT）とは、動画などの連続フレーム内で複数の対象物を同時に検出・追跡するコンピュータビジョン技術です。各物体に固有の識別番号を割り当て、遮蔽や交差が発生しても同一性を維持し続けます。自動運転の障害物検知や防犯カメラの人物追跡など、リアルタイムな状況把握に不可欠な役割を果たします。
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。
深度情報
深度情報とは、カメラなどのセンサーから対象物までの距離を示すデータのことです。2次元の画像データに奥行き（Z軸）の次元を加えることで、物体の立体的な形状や配置、3次元空間における位置関係を正確に把握するために用いられます。自動運転、ロボットのナビゲーション、AR、顔認証など、様々なAI技術の基盤として重要性が高まっています。
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。
カメラ
AIにおけるカメラは、人間の目に相当する視覚情報収集デバイスです。撮影した画像や動画をコンピュータビジョン技術によって解析し、自動運転や物体認識などの高度な認識処理の入力として活用されています。
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。
画像生成
画像生成とは、人工知能がテキストなどの入力指示や既存データを基に、新しい画像を自動で創り出す技術です。深層学習の発展によりリアルな写真からイラストまで多様な表現が可能になり、生成AIを代表する技術分野としてクリエイティブ産業やビジネス現場で幅広く活用されています。
画像セグメンテーション
画像セグメンテーションは、デジタル画像を画素単位で領域分割し、物体や背景ごとに分類するコンピュータビジョン技術です。自動運転や医療画像診断など、AIが詳細な視覚情報を理解するために欠かせない基盤技術として広く活用されています。
畳み込みニューラルネットワーク（CNN）
畳み込みニューラルネットワーク（CNN）とは、主に画像や動画などの格子状データの処理に特化したディープラーニングの構造です。フィルターを用いた畳み込み処理とプーリング処理を組み合わせることで、データの局所的な特徴を効率的に抽出し、画像認識や物体検出などの分野で高い性能を発揮します。
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。
画像分割
画像分割（イメージセグメンテーション）とは、デジタル画像内の個々のピクセルを、共通の属性や意味を持つ領域ごとに分類・グループ分けするコンピュータビジョン技術です。画像全体から特定の対象物の境界を正確に特定することで、自動運転、医療画像診断、ロボットの視覚システムなど、高度な画像理解を伴う多様な分野で不可欠な技術となっています。