JP7497791B2 - 画像生成支援装置 - Google Patents

Description

本発明は、複数の構成要素により形成される画像の生成を支援する技術に関する。

商品やサービスを宣伝する広告方法として、Ｗｅｂページやメール等を利用したオンライン広告（バナー）が用いられている。オンライン広告を提示する場合には、画面に表示される広告画像（以下、「バナー画像」という）を、広告画像を閲覧するユーザーによってクリックされ易いようにデザインすることが重要である。すなわち、バナー画像を形成する構成要素（例えば、オブジェクト画像、キャッチコピー、ロゴ等）を生成するとともに、各構成要素の最適な配置（レイアウト）を考える必要がある。
従来、バナー画像を生成する技術として、例えば、非特許文献１および非特許文献２に開示されているような、バナー画像を形成する構成要素であるキャッチコピーを自動生成する技術が提案されている。

言語処理学会，第２５回年次大会 学会論文集，２０１９年３月，頁１２９３－１２９６ 言語処理学会，第２５回年次大会 学会論文集，２０１９年３月，頁５５８－５６１

従来技術は、バナー画像を形成する構成要素であるコンテンツ素材（オブジェクト画像、キャッチコピー、ロゴ等）の自動生成に関するものであり、各構成要素の自動配置に関しては検討されていない。
このため、従来、バナー画像をデザインする場合、バナー画像を形成する構成要素の配置設計は、人間系の判断に依存していた。
バナー画像を形成する構成要素を最適に自動配置することができれば、バナー画像を容易に生成することができ、ユーザーのクリック率が高まることが期待される。
本発明は、このような点に鑑みて創案されたものであり、画像を形成する構成要素を、ユーザーの選択に基づく学習によって最適に自動配置した画像を容易に生成することができる画像生成支援装置を提供することを目的とする。

本発明の画像生成支援装置は、複数の構成要素により形成される画像の生成を支援する。画像を形成する構成要素は、画像の種類に応じて選択される。例えば、バナー画像等のオンライン広告用の画像を生成する場合には、オブジェクト画像、キャッチコピー、ロゴ、説明文等の構成要素が選択される。
本発明は、処理手段、記憶手段、表示手段および入力手段により構成されている。
記憶手段には、画像を形成する構成要素が記憶されるとともに、構成要素に対応させて構成要素情報と評価情報が記憶される。好適には、構成要素、構成要素情報および評価情報を記憶する構成要素データベースが設けられる。
構成要素情報は、構成要素の基準配置位置を示す位置情報と構成要素の基準外形を示す外形情報を含んでいる。位置情報としては、表示手段の表示画面の表示領域における構成要素の配置位置が用いられる。構成要素の配置位置としては、例えば、表示領域における構成要素の特徴点の位置（例えば、矩形の重心位置あるい角部の位置、円形の中心位置）が用いられる。位置情報としては、好適には、表示領域における座標が用いられる。外形情報には、構成要素の外形形状（例えば、矩形、円形等）と大きさ（例えば、矩形の幅と高さ、円形の半径等）が含まれる。
評価情報は、表示領域における、構成要素の配置領域を示す。例えば、評価情報は、構成要素の表示領域の座標によって表される。
処理手段は、記憶手段に記憶されている各構成要素の構成要素情報に基づいて画像候補を生成し、表示手段に表示するように構成されている。構成要素情報に基づいて画像候補を生成する方法としては種々の方法を用いることができる。例えば、位置情報で示される基準配置位置に、乱数により設定されるオフセットを加算した位置に、外形情報で示される基準外形を有し、外形情報で示される大きさに、乱数により設定される係数を乗算した大きさの構成要素を配置する方法を用いることができる。
また、処理手段は、表示手段に表示した画像候補に対して入力手段から評価信号が入力されると、表示手段に表示した画像候補を形成する構成要素の配置領域を示す評価情報を取得し、構成要素に対応させて記憶手段に記憶するように構成されている。評価信号は、例えば、広告のターゲットであるユーザーが、表示手段に表示された画像候補を選好する場合に、入力手段を操作することによって入力される。
また、処理手段は、画像候補の表示手段への表示と評価情報の取得を所定回数繰り返した後、取得した評価情報を構成要素毎に累積した累積評価情報に基づいて、記憶手段に記憶されている各構成要素の構成要素情報を更新するように構成されている。累積評価情報に基づいて構成要素情報を更新する方法としては、種々の方法を用いることができる。例えば、累積評価情報で示される、構成要素の配置位置の分布の重心位置に基づいて位置情報を更新し、構成要素の配置位置の分布状態に基づいて形状情報を更新する方法を用いることができる。なお、ユーザーが選好する配置位置が複数存在する場合には、構成要素の配置位置の分布の重心位置は、複数存在する。
また、処理手段は、更新した各構成要素の構成要素情報に基づいて画像を生成するように構成されている。更新した各構成要素の構成要素情報に基づいて画像を生成する方法としては、種々の方法を用いることができる。例えば、更新した構成要素情報に含まれている位置情報で示される、更新した基準配置位置の近傍の位置に、外形情報で示される、更新した基準外形に近い外形を有する構成要素を配置した画像を生成する方法が用いられる。
好適には、画像の生成を要求する画像生成要求信号が入力手段から入力された場合に、画像が生成されるように構成される。また、画像生成要求信号が入力される毎に、各構成要素の構成要素情報に基づいて画像が生成される。複数回の画像の生成に対応可能とするには、例えば、更新した基準配置位置の近傍の位置をランダムに設定し、更新した基準外形に近い外形をランダムに設定する方法が用いられる。
本発明では、画像を形成する構成要素を、ユーザーの選択に基づく学習によって最適に自動配置した画像を容易に生成することができる。
本発明の異なる形態では、処理手段は、各構成要素の構成要素情報の更新を、更新終了条件が満足されるまで実行する。
更新終了条件は、種々設定可能である。例えば、構成要素情報の更新を設定された回数（１回を含む）行った条件、累積評価情報が設定された条件を満足した条件等を用いることができる。
本形態では、画像を形成する構成要素を、ユーザーの選択に基づく学習によって最適に自動配置した画像を容易に生成することができる。
本発明の異なる形態では、構成要素が表示される表示領域は、複数の分割領域に分割されている。好適には、分割領域は、表示手段の表示画面を形成する画素（ピクセル）により規定される。例えば、１つの画素（ピクセル）に対応する領域または複数の画素（ピクセル集合）に対応する領域が分割領域として規定される。
そして、処理手段は、表示手段に表示した画像候補を形成する構成要素の配置領域に対応する分割領域の位置を示す評価情報を取得し、また、同じ構成要素の各評価情報を累積した累積評価情報に基づいて各構成要素の構成要素情報を更新するように構成されている。
構成要素の配置領域を示す評価情報としては、好適には、表示手段の表示画面の表示領域における分割領域の位置を要素とし、構成要素の配置領域に対応する分割領域の位置を示す行列が用いられる。例えば、構成要素の配置領域に対応する要素に「１」が設定され、他の要素に「０」が設定された行列が用いられる。
同じ構成要素の評価情報を累積した累積評価情報としては、好適には、構成要素の配置位置の分布に対応する要素が累積値（正の整数値）を示す加算行列が用いられる。
本形態では、評価情報および累積評価情報を容易に取得することができる。
本発明の異なる形態では、処理手段は、累積評価情報で示される分割領域の位置の中から、抽出条件を満足する分割領域の位置を抽出し、抽出した分割領域の位置に外接する図形の図形情報に基づいて、各構成要素の構成要素情報を更新するように構成されている。
外接する図形としては、例えば、外接する矩形や外接する円（外接円）が用いられる。また、外接する図形の図形情報としては、例えば、外接する矩形の重心位置と大きさや、外接円の中心位置と半径が用いられる。
抽出条件は、適宜設定可能である。例えば、「累積値が所定値以上である、分割領域の位置」という抽出条件を用いることができる。
抽出した分割領域の位置に外接する図形の図形情報に基づいて構成要素情報を更新する方法としては、種々の方法を用いることができる。例えば、外接する矩形の重心位置や外接円の中心位置に基づいて、位置情報で示される基準配置位置を更新し、外接する矩形の大きさ（幅と長さ）や外接円の半径に基づいて、外形情報で示される基準外形の大きさを更新する方法を用いることができる。
本形態では、画像を形成する構成要素を、ユーザーの選択に基づく学習によって最適に自動配置した画像を容易、確実に生成することができる。
本発明の異なる形態では、処理手段は、画像候補の生成、評価情報の取得、構成要素情報の更新および画像の生成を、多層ニューラルネットワークを用いて実行する。
本形態では、画像候補の生成、評価情報の取得、構成要素情報の更新および画像の生成を簡単に行うことができる。
本発明の異なる形態では、処理手段は、画像候補生成手段、評価情報取得手段、構成要素情報更新手段および画像生成手段を有している。
画像候補生成手段は、記憶手段に記憶されている各構成要素の構成要素情報に基づいて画像候補を生成し、表示手段に表示する。
評価情報取得手段は、表示手段に表示した画像候補に対して入力手段から評価信号が入力されると、表示手段に表示した画像候補を形成する構成要素の配置領域を示す評価情報を取得する。
構成要素情報更新手段は、画像候補の表示手段への表示と評価情報の取得が所定回数繰り返された後、評価情報取得手段で取得した評価情報を構成要素毎に累積した累積評価情報に基づいて、記憶手段に記憶されている各構成要素の構成要素情報を更新する。
画像生成手段は、構成要素情報更新手段により更新した各構成要素の構成要素情報に基づいて画像を生成する。

本発明の画像生成支援装置を用いることにより、画像を形成する構成要素を、ユーザーの選択に基づく学習によって最適に自動配置した画像を容易に生成することができる。

本発明の画像生成支援装置の一実施形態のブロック図である。 構成要素データベースの一例を示す図である。 学習モードにおける動作の一例を示すフローチャートである。 画像生成モードにおける動作の一例を示すフローチャートである。 画像を形成する構成要素Ａ～Ｃの一例を示す図である。 第１の画像候補Ｇ１の一例を示す図である。 第１の画像候補Ｇ１を形成する構成要素Ａ１の評価情報Ｒ（Ａ１）を示す図である。 第１の画像候補Ｇ１を形成する構成要素Ｂ１の評価情報Ｒ（Ｂ１）を示す図である。 第１の画像候補Ｇ１を形成する構成要素Ｃ１の評価情報Ｒ（Ｃ１）を示す図である。 第２の画像候補Ｇ２の一例を示す図である。 第Ｎの画像候補ＧＮの一例を示す図である。 構成要素Ａ１の評価情報Ｒ（Ａ１）～構成要素ＡＮの評価情報Ｒ（ＡＮ）を累積した累積評価情報Ｓ（Ａ）の一例を示す図である。 構成要素Ｂ１の評価情報Ｒ（Ｂ１）～構成要素ＢＮの評価情報Ｒ（ＢＮ）を累積した累積評価情報Ｓ（Ｂ）の一例を示す図である。 構成要素Ｃ１の評価情報Ｒ（Ｃ１）～構成要素ＣＮの評価情報Ｒ（ＣＮ）を累積した累積評価情報Ｓ（Ｃ）の一例を示す図である。 構成要素Ａの累積評価情報Ｓ（Ａ）から求めた累積評価情報の部分集合Ｕ（Ａ）の一例を示す図である。 構成要素Ｂの累積評価情報Ｓ（Ｂ）から求めた累積評価情報の部分集合Ｕ（Ｂ）の一例を示す図である。 構成要素Ｃの累積評価情報Ｓ（Ｃ）から求めた累積評価情報の部分集合Ｕ（Ｃ）の一例を示す図である。 本発明の画像生成支援装置を、多層ニューラルネットワークにより構成した異なる実施形態を示す図である。

以下に、本発明の画像生成支援装置の一実施形態を、図面を参照して説明する。なお、以下では、インターネットを利用した、バナー画像等のオンライン広告用の画像を生成する場合について説明する。
本発明の画像生成支援装置の一実施形態のブロック図が図１に示されている。図１に示されている画像生成支援装置１００は、処理手段１１０、記憶手段１２０、表示手段１３０、入力手段１４０により構成されている。

記憶手段１２０は、ＲＡＭやＲＯＭ等の種々の記憶装置により構成され、プログラムや種々の情報を記憶する。
記憶手段１２０は、構成要素データベース１２１を有している。
構成要素データベース１２１には、構成要素が記憶されるとともに、構成要素に対応させて構成要素情報、候補画像情報および評価情報が記憶される。
構成要素情報には、構成要素の基準配置位置を示す位置情報と構成要素の基準外形を示す外形情報が含まれる。
構成要素は、表示手段１３０の表示画面の表示領域に表示（配置）される。本実施形態では、位置情報として、表示手段１３０の表示画面の表示領域における座標が用いられる。例えば、Ｘ軸およびＹ軸に沿って延在する矩形の表示領域に構成要素を表示（配置）する場合には、Ｘ座標とＹ座標によって表される位置が位置情報として用いられる。構成要素の基準配置位置としては、好適には、構成要素の特徴点の位置が用いられる。例えば、矩形の重心位置や角部の位置、円形の中心位置等等が用いられる。
外形情報には、構成要素の外形形状（例えば、矩形、円形等）と、大きさ（例えば、矩形の幅と高さ、円形の半径等）が含まれる。
評価情報は、詳しくは後述するが、表示手段１３０に表示した画像候補を形成する各構成要素の配置領域を示す。本実施形態では、評価情報として、表示領域を分割した分割領域の位置を要素とする行列を用いている。

構成要素データベース１２１の一例が図２に示されている。
図２に示されている構成要素データベース１２１には、構成要素Ａ（オブジェクト）、構成要素Ｂ（キャッチコピー）、構成要素Ｃ（ロゴ）、構成要素Ｄ（説明文）、構成要素Ｅ（背景画像）等が記憶されている。また、構成要素Ａ～Ｅに対応させて構成要素情報、画像候補情報、評価情報が記憶される。
なお、各構成要素の構成要素情報の初期値（例えば、構成要素Ａの、矩形の重心位置を示す位置情報の初期値（Ｘａ０，Ｙａ０）、矩形の幅の初期値（Ｗａ０）、矩形の高さの初期値（Ｈａ０））は、入力手段１４０により入力されて、構成要素データベース１２１に記憶される。後述する構成要素情報の更新の際には、構成要素データベース１２１に記憶されている構成要素情報の初期値が更新される。構成要素情報の更新の際には、少なくとも、位置情報の初期値が更新される。

表示手段１３０は、液晶表示装置や有機ＥＬ表示装置等により構成され、後述する画像候補や画像を表示する。
入力手段１４０は、構成要素データベース１２１に記憶する情報、画像候補に対する評価信号（後述する）、画像要求信号等を入力する。入力手段１４０には、キーボードやタッチパネル、記憶媒体に記憶されている情報を読み取る読み取り装置、通信回線を介して外部と通信可能な通信手段等が含まれる。

処理手段１１０は、ＣＰＵ等の処理装置により構成され、種々の処理を実行する。
処理手段１１０は、画像候補生成手段１１１、評価情報取得手段１１２、構成要素情報更新手段１１３、画像生成手段１１４を有している。各手段は、共通の処理装置により構成することもできるし、異なる処理装置により構成することもできる。

画像候補生成手段１１１は、記憶手段１２０の構成要素データベース１２１に記憶されている構成要素、構成要素に対応して記憶されている構成要素情報（位置情報、外形情報）に基づいて画像候補を生成し、生成した画像候補を表示手段１３０に表示する。
なお、画像候補生成手段１１１は、構成要素データベースに１２１に記憶されている構成要素情報に基づいて順次画像候補を生成して表示手段１３０に表示してもよいし、予め構成要素情報に基づいて一定数の画像候補を生成し、生成した一定数の画像候補の中から画像候補を選択して順次表示手段１３０に表示してもよい。
本実施形態では、構成要素データベース１２１に記憶されている構成要素情報（位置情報、外形情報）に基づいて、画像候補を形成する各構成要素の配置態様（配置位置および外形）をランダムに決定する。例えば、構成要素の構成要素情報に含まれている位置情報で示される基準配置位置に、乱数により設定されるオフセットを加算した位置を、当該構成要素の配置位置として決定する。また、構成要素の構成要素情報に含まれている外形情報で示される外形を、当該構成要素の外形として決定する。また、構成要素の構成要素情報に含まれている外形情報で示される大きさに、乱数により設定される係数を乗算した大きさを、当該構成要素の大きさとして決定する。
なお、全ての構成要素を有していない画像候補が含まれるように構成することもできる。
また、画像候補を形成する構成要素の外形は、複数の外形の中からランダムに選択するように構成することもできる。

本実施形態では、ユーザーは、表示手段１３０に表示された画像候補のうちのいずれかを選択したことを示す評価信号を入力手段１４０から入力する。なお、ユーザーは、複数の画像候補を選択してもよいし、画像候補の選択を行わず、別の画像候補を評価対象にすることもできる。
評価情報取得手段１１２は、表示手段１３０に表示した画像候補に対して入力手段１４０から評価信号が入力されると、表示手段１３０に表示した画像候補を形成する構成要素の配置領域を示す評価情報を取得する。
構成要素により形成され画像候補や画像を表示（配置）する、表示手段１３０の表示画面の表示領域は、図５に示されているように、直交するＸ方向およびＹ方向に延在する複数の分割領域に分割されている。本実施形態では、分割領域は、表示手段１３０の表示画面を形成する画素（ピクセル）により規定されている。この場合、分割領域の位置は、Ｘ座標とＹ座標により表される。なお、分割領域は、複数の画素(ピクセル)からなるピクセル集合により規定することもできる。
また、本実施形態では、構成要素の配置領域を示す評価情報として行列を用いている。行列は、分割領域の位置を要素とし、構成要素の配置領域に対応する分割領域の位置を示す。例えば、行列を構成する要素のうち、構成要素の配置領域に対応する要素に「１」が設定され、他の要素に「０」が設定されている行列が用いられる（図７～図９参照）。

本実施形態では、画像候補生成手段１１１による、画像候補の表示手段１３０への表示および評価情報取得手段１１２による、表示手段１３０に表示された画像候補を形成する構成要素の評価情報の取得を所定回数（Ｎ回）行う（画像候補をＮ個表示する）。
構成要素情報更新手段１１３は、画像候補の表示手段１３０への表示と評価情報の取得が所定回数行われた後、評価情報取得手段１１２で取得した評価情報を構成要素毎に累積（加算）して累積評価情報を取得する。そして、取得した各構成要素の累積評価情報に基づいて、記憶手段１２０の構成要素データベース１２１に記憶されている各構成要素の構成要素情報を更新する。なお、構成要素情報の更新を複数回行う場合には、１回目の更新では、構成要素情報の初期値を更新し、２回目以降の更新では、更新された構成要素情報を更新する。
本実施形態では、同じ構成要素の評価情報を累積した累積評価情報として加算行列を用いている。加算行列は、分割領域の位置を要素とし、各評価情報で示される構成要素の配置の分布を示す。例えば、行列を構成する要素のうち、構成要素の配置の分布を示す分割領域の要素に累積値（正の整数値）が設定され、他の要素に「０」が設定されている加算行列が用いられる（図１２～図１３参照）。

加算行列に基づいて構成要素情報を更新する方法としては、種々の方法を用いることができる。
例えば、加算行列で示される、構成要素の配置の分布の重心位置と共分散に基づいて、構成要素情報を更新する方法を用いることができる。なお、ユーザーが選好する、構成要素の配置位置が１箇所の場合には、構成要素の配置の分布の重心位置は１つであるが、ユーザーが選好する、構成要素の配置位置が複数箇所（例えば、表示領域の上方と下方の２箇所）存在する場合には、構成要素の配置の分布の重心位置は複数となる。共分散は、位置座標（Ｘ，Ｙ）の２つの変数の分布状態を示す。
あるいは、加算行列で示される、構成要素の配置の分布に対応する分割領域の中から、抽出条件を満足する分割領域を抽出する。抽出条件としては、適宜の条件を用いることができる。例えば、「累積値が所定位置以上である分割領域」という条件を用いることができる。次に、抽出した分割領域に外接する図形を判別する。本実施形態では、外接する矩形を判別している。外接する図形は、矩形に限定されず、外接する円（外接円）等を用いることもできる。そして、判別した、外接する図形の図形情報に基づいて構成要素情報を更新する。例えば、外接する矩形の重心位置に基づいて、構成要素情報に含まれている位置情報を更新する。また、外接する矩形の大きさ（幅と高さ）に基づいて、構成要素情報に含まれている外形情報で示される大きさを更新する。

画像生成手段１１４は、構成要素データベース１２１に記憶されている、構成要素情報更新手段１１３により更新された(後述する学習モードで更新された)構成要素情報（位置情報、外形情報）に基づいて画像を生成し、生成した画像を表示手段１３０に表示する。
画像を生成する方法としては、例えば、更新された位置情報で示される基準配置位置の近傍の位置に、更新された外形情報で示される基準外形を有し、更新された外形情報で示される基準外形に近い外形を有する構成要素が配置された画像を生成する。

本実施形態の画像生成支援装置１００の動作を以下に説明する。
以下では、記憶手段１２０の構成要素データベース１２１に、画像を形成する各構成要素の構成要素情報の初期値（初期位置、初期形状、初期サイズ）が記憶されているものとする。構成要素や構成要素情報の初期値を入力する方法としては、入力手段１４０を構成するキーボードやタッチパネルを操作することによって入力する方法、入力手段１４０を構成する読み取り装置を用いて記憶媒体から読み取る方法、入力手段１４０を構成する通信手段を用いて外部から受信する方法等を用いることができる。
なお、構成要素情報の初期値として予め定められている値を用いることもできる。この場合、構成要素情報の入力は不要となる。

本実施形態の画像生成支援装置１００は、学習モードと画像生成モードに設定可能である。
先ず、学習モードにおける動作の一例を、図３に示されているフローチャートを参照して説明する。図３に示されている学習モードの処理は、例えば、入力手段１４０から学習モード開始信号が入力されることによって開始される。
図３に示されている学習モードにおける処理は、画像候補生成手段１１１、評価情報取得手段１１２および構成要素情報更新手段１１３により実行される。

ステップｓ１では、画像候補の生成回数を示すｎを「１」に設定する。
ステップｓ２では、構成要素データベース１２１に記憶されている、画像を形成する複数の構成要素のうちの一つを選択する。
ステップｓ３では、ステップｓ２で選択した構成要素に対応して構成要素データベース１２１に記憶されている構成要素情報（位置情報、外形情報）に基づいて、選択した構成要素の配置態様をランダムに決定する。例えば、位置情報で示される基準配置位置に、乱数により設定されるオフセットを加算した位置に、外形情報で示される基準外形の形状を有し、外形情報で示される基準外形の大きさに、乱数により設定される係数を乗算した大きさの構成要素を配置する。
ステップｓ４では、画像を形成する全ての構成要素を選択したか否かを判断する。全ての構成要素を選択していない場合には、ステップｓ５に進み、全ての構成要素を選択した場合には、ステップｓ６に進む。
ステップｓ５では、他の構成要素（選択していない構成要素のうちの一つ）を選択し、ステップｓ３に進む。本実施形態では、ステップｓ５からステップｓ３に進む場合には、構成要素同士が重ならないように他の構成要素の配置態様を決定する。例えば、他の構成要素の配置態様が、すでに配置態様が決定されている構成要素と重なる場合には、再度配置態様を決定する。なお、構成要素同士の重なりを許容するように設定することもできる。この場合には、重なりが許容された構成要素同士は、後から配置態様が決定された構成要素を、先に配置態様が決定された構成要素の前面に配置する。

ステップｓ６では、ステップｓ３で決定した各構成要素の配置態様に基づいて画像候補を生成し、表示手段１３０に表示する。すなわち、画像候補を形成する構成要素を、表示手段１３０の表示画面の表示領域に表示（配置）する。
ステップｓ７では、表示手段１３０に表示した画像候補に対して評価が有ったか否かを判断する。本実施形態では、表示手段１３０に表示した画像候補に対して、ユーザーが、当該画像候補を選択したことを示す評価信号が入力されたか否かを判断する。画像候補に対して評価が有った（評価信号が入力された）場合には、ステップｓ８に進み、画像候補に対して評価信号が無かった（評価信号が入力されなかった）場合には、ステップｓ９に進む。なお、評価信号が入力されなかったことは、例えば、表示手段１３０に画像候補を表示してから一定時間内に入力手段１４０から評価信号が入力されなかったこと、あるいは、選択する画像候補がないことを示す信号が入力手段１４０から入力されたことにより判断することができる。

ステップｓ８では、表示手段１３０に表示した画像候補に対する評価情報を取得し、構成要素データベース１２１に記憶する。具体的には、表示手段１３０に表示されている画像候補を形成する各構成要素の配置領域を示す評価情報を取得し、構成要素データベース１２１に、各構成要素に対応させて記憶する。
本実施形態では、画像候補および画像を表示する、表示手段１３０の表示画面の表示領域は、Ｘ方向およびＹ方向に延在する複数の分割領域に分割されている。分割領域の位置は、表示領域におけるＸ座標とＹ座標により表される。このため、構成要素が配置される配置領域は、分割領域の位置で表すことができる。
なお、本実施形態では、構成要素の配置領域を示す評価情報として行列を用いている。行列は、Ｘ方向およびＹ方向に延在する分割領域の位置を要素とし、構成要素の配置領域に対応する分割領域の位置を示す。例えば、行列を構成する要素のうち、構成要素の配置領域に対応する要素に「１」が設定され、他の要素に「０」が設定された行列が用いられる。

ステップｓ９では、ｎが所定回数Ｎに等しいか否かを判断する。すなわち、画像候補をＮ個表示したか否か（詳しくは、画像候補の生成処理および画像候補に対する評価情報の取得処理がＮ回行われたか否か）を判断する。ｎがＮと等しくない場合（画像候補をＮ個表示していない場合）には、ステップｓ１０に進み、ｎがＮと等しい場合（画像候補をＮ個表示した場合）には、ステップｓ１１に進む。
ステップｓ１０では、ｎに「１」を加算した後、ステップｓ２に進み、次の画像候補の生成処理および画像候補に対する評価情報の取得処理（ステップｓ２～ｓ８）を繰り返す。

ステップｓ１１では、ステップｓ８で取得した、各画像候補に対する評価情報に基づいて、構成要素データベース１２１に記憶されている各構成要素の構成要素情報を更新する。
具体的には、ステップｓ８で取得した評価情報を構成要素毎に累積（加算）し、各構成要素の累積評価情報を求める。複数の評価情報を累積した累積評価情報は、構成要素の配置の分布を示す。本実施形態では、累積評価情報として、構成要素の配置領域に対応する分割領域の位置を示す行列を加算した加算行列を用いている。加算行列は、分割領域の位置を要素とし、構成要素の配置の分布を示す。例えば、行列を構成する要素のうち、構成要素の配置の分布を示す分割領域に対応する要素に累積値（正の整数値）が設定され、他の要素に「０」が設定された加算行列が用いられる。
そして、各構成要素の加算行列に基づいて、各構成要素の構成要素情報を更新する。各構成要素の加算行列に基づいて、各構成要素の構成要素情報を更新する方法としては、前述した方法を用いることができる。例えば、加算行列から求めた、構成要素の配置の分布の重心位置と共分散に基づいて構成要素情報を更新する方法を用いることができる。あるいは、加算行列から、抽出条件を満足する分割領域の位置を示す抽出行列（抽出評価情報）を求める。そして、抽出評価情報に基づいて構成要素情報を更新する。

ステップｓ１２では、更新終了条件が満足されたか否か（構成要素情報の更新を終了するか否か）を判断する。更新終了条件が満足されていない場合には、ステップｓ１に戻り、更新終了条件が満足された場合には、処理を終了する。
更新終了条件としては、適宜の条件を設定することができる。例えば、「構成要素情報の更新を設定回数（１回を含む）行った」条件を用ることができる。あるいは、一定回数の更新における各構成要素の加算行列の要素の「重心位置の移動量の平均」や「共分散の平均」が所定値に満たない場合は更新を終了する、といった条件を用いることができる。
構成要素情報の更新処理を繰り返す場合には、画像候補を生成する方法を変更するのが好ましい。

次に、画像生成モードにおける動作の一例を、図４を参照して説明する。図４に示されている画像生成モードにおける処理は、画像生成手段１１４によって実行される。
図４に示されている画像生成モードの処理は、例えば、入力手段１４０から画像生成開始信号が入力されることによって開始される。なお、図３に示されている学習モードの処理が終了した後に開始されるように構成することもできる。
ステップｔ１では、構成要素データベース１２１に記憶されている、画像を形成する複数の構成要素のうちの一つを選択する。
ステップｔ２では、ステップｔ１で選択した構成要素に対応して構成要素データベース１２１に記憶されている、学習モード（図３参照）で更新した構成要素情報（位置情報、外形情報）に基づいて、選択した構成要素の配置態様を決定する。ステップｔ２における、構成要素の配置態様を決定する方法としては、種々の方法を用いることができる。例えば、更新した構成要素情報に含まれている位置情報で示される、更新した基準配置位置の近傍の位置に、外形情報で示される、更新した基準外形に近い外形を有する構成要素を配置した画像を生成する方法が用いられる。
ステップｔ３では、画像を形成する全ての構成要素を選択したか否かを判断する。全ての構成要素を選択していない場合には、ステップｔ４に進み、全ての構成要素を選択した場合には、ステップｔ５に進む。
ステップｔ４では、他の構成要素（選択していない構成要素のうちの一つ）を選択し、ステップｔ２に進む。

ステップｔ５では、ステップｔ２で決定した各構成要素の配置態様に基づいて画像を生成し、表示手段１３０に表示する。すなわち、画像を、表示手段１３０の表示画面の配置領域に表示（配置）する。
ステップｔ６では、表示手段１３０に表示した画像に対して他の画像の要求が有ったか否かを判断する。本実施形態では、ユーザーは、表示手段１３０に表示された画像と異なる他の画像の表示を要求する場合には、入力手段１４０から、他の画像の表示を要求する画像要求信号を入力可能に構成されている。このため、表示手段１３０に表示した画像に対して他の画像の要求が有ったか否かは、入力手段１４０から画像要求信号が入力されたか否かによって判断する。他の画像の要求が有った（画像要求信号が入力された）場合には、ステップｔ１に進み、他の画像の要求が無かった（画像要求信号が入力されなかった）場合には、終了する。なお、画像要求信号が入力されなかったことは、例えば、表示手段１３０に画像を表示してから一定時間内に入力手段１４０から画像要求信号が入力されなかったことにより、あるいは、表示された画像を選択したことを示す信号が入力手段１４０から入力されたことにより判断することができる。

図３のステップｓ１～ｓ６、ｓ９、ｓ１０の処理は、画像候補生成手段１１１によって実行される。
図３のステップｓ７の処理は、評価情報取得手段１１２によって実行される。
図３のステップｓ１１、ｓ１２の処理は、構成要素情報更新手段１１３によって実行される。
図４のステップｔ１～ｔ６の処理は、画像生成手段１１４によって実行される。

次に、本実施形態の画像生成支援装置１００の動作を、図５～図１７を参照して具合的に説明する。
以下では、図５に示されているように、表示手段１３０の表示画面の表示領域に、画像を構成する構成要素Ａ～Ｃを配置する場合について説明する。図５では、画像を形成する構成要素Ａ～Ｃは、長方形を有している。
表示手段１３０の表示画面の表示領域は、Ｘ方向およびＹ方向に沿って延在する矩形形状を有しているとともに、Ｘ方向およびＹ方向に沿って複数の分割領域に分割されている。図５では、表示手段１３０の表示画面を形成する画素（ピクセル）の領域が分割領域として規定されている。分割領域の位置は、表示領域におけるＸ座標とＹ座標によって表される。
なお、構成要素データベース１２１には、構成要素Ａ～Ｃが記憶されているとともに、構成要素Ａ～Ｃの構成要素情報（位置情報、外形情報）の初期値が構成要素Ａ～Ｃに対応して記憶されている。

先ず、画像候補を生成して表示手段１３０に表示する動作を説明する。なお、画像候補はＮ個作成して表示するが、以下では、Ｎ個の画像候補Ｇ１、Ｇ２、…、ＧＮを生成して表示する場合について説明する。

先ず、図６に示されているように、構成要素データベース１２１に、構成要素Ａ、Ｂ、Ｃに対応して記憶されている構成要素情報（位置情報、外形情報）に基づいて、画像候補Ｇ１を形成する構成要素Ａ１、Ｂ１、Ｃ１の配置態様をランダムに順次決定する。
そして、入力手段１４０から入力される評価信号に基づいて、図７～図９に示されているように、構成要素Ａ１、Ｂ１、Ｃ１それぞれの評価情報Ｒ（Ａ１）、Ｒ（Ｂ１）、Ｒ（Ｃ１）を取得する。
評価情報Ｒ（Ａ１）は、図７に破線で囲まれている領域を示す。評価情報Ｒ（Ａ１）は、表示領域を分割した分割領域の位置を要素とし、図７に「１」が示されている分割領域に対応する要素に「１」が設定され、他の要素に「０」が設定された行列で表される。
評価情報Ｒ（Ｂ１）は、図８に破線で囲まれている領域を示す。評価情報Ｒ（Ａ１）は、表示領域を分割した分割領域の位置を要素とし、図８に「１」が示されている分割領域に対応する要素に「１」が設定され、他の要素に「０」が設定された行列で表される。
評価情報Ｒ（Ｃ１）は、図９に破線で囲まれている領域を示す。評価情報Ｒ（Ｃ１）は、表示領域を分割した分割領域の位置を要素とし、図９に「１」が示されている分割領域に対応する要素に「１」が設定され、他の要素に「０」が設定された行列で表される。

次に、図１０に示されているように、構成要素データベース１２１に、構成要素Ａ、Ｂ、Ｃに対応して記憶されている構成要素情報（位置情報、外形情報）に基づいて、画像候補Ｇ２を形成する構成要素Ａ２、Ｂ２、Ｃ２の配置態様をランダムに順次決定する。
そして、入力手段１４０から入力される評価信号に基づいて、構成要素Ａ２、Ｂ２、Ｃ２それぞれの評価情報Ｒ（Ａ２）（図１２参照）、Ｒ（Ｂ２）（図１３参照）、Ｒ（Ｃ２）（図１４参照）を取得する。
次に、図１１に示されているように、構成要素データベース１２１に、構成要素Ａ、Ｂ、Ｃに対応して記憶されている構成要素情報（位置情報、外形情報）に基づいて、画像候補ＧＮを形成する構成要素ＡＮ、ＢＮ、ＣＮの配置態様をランダムに順次決定する。
そして、入力手段１４０から入力される評価信号に基づいて、構成要素ＡＮ、ＢＮ、ＣＮそれぞれの評価情報Ｒ（ＡＮ）（図１２参照）、Ｒ（ＢＮ）（図１３参照）、Ｒ（ＣＮ）（図１４参照）を取得する。

画像候補Ｇ１、Ｇ２、…、ＧＮを表示手段１３０に表示した後、取得した評価情報Ｒ（Ａ１）～Ｒ（Ｃ１）、Ｒ（Ａ２）～Ｒ（Ｃ２）、…、Ｒ（ＡＮ）～Ｒ（ＣＮ）を構成要素Ａ～Ｃ毎に累積（加算）し、各構成要素Ａ～Ｃの累積評価情報Ｓ（Ａ）、Ｓ（Ｂ）、Ｓ（Ｃ）を取得する。

構成要素Ａの累積評価情報Ｓ（Ａ）は、図１２に示されているように、破線で囲まれている、構成要素Ａ１の評価情報Ｒ（Ａ１）で示される領域、一点鎖線で囲まれている、構成要素Ａ２の評価情報Ｒ（Ａ２）で示される領域、二点鎖線で囲まれている、構成要素ＡＮの評価情報Ｒ（ＡＮ）で示される領域で表され、構成要素（Ａ１）、（Ａ２）、…、（ＡＮ）の配置の分布を示す。
累積評価情報Ｓ（Ａ）は、表示領域を分割した分割領域の位置を要素とし、図１２に「１」で示されている分割領域（Ｒ（Ａ１）のみで示される領域、Ｒ（Ａ２）のみで示される領域、Ｒ（ＡＮ）のみで示される領域）に対応する要素に「１」が設定され、「２」で示されている分割領域（Ｒ（Ａ１）とＲ（Ａ２）で示される領域、Ｒ（Ａ２）とＲ（ＡＮ）で示される領域、Ｒ（ＡＮ）とＲ（Ａ１）で示される領域）に対応する要素に「２」が設定され、「３」で示されている分割領域（Ｒ（Ａ１）、Ｒ（Ａ２）およびＲ（ＡＮ）で示される領域）に対応する要素に「３」が設定されている行列で表される。

構成要素Ｂの累積評価情報Ｓ（Ｂ）は、図１３に示されているように、破線で囲まれている、構成要素Ｂ１の評価情報Ｒ（Ｂ１）で示される領域、一点鎖線で囲まれている、構成要素Ｂ２の評価情報Ｒ（Ｂ２）で示される領域、二点鎖線で囲まれている、構成要素ＢＮの評価情報Ｒ（ＢＮ）で示される領域で表され、構成要素（Ｂ１）、（Ｂ２）、…、（ＢＮ）の配置の分布を示す。
累積評価情報Ｓ（Ｂ）は、配置領域を分割した分割領域の位置を要素とし、図１３に「１」で示されている分割領域（Ｒ（Ｂ１）のみで示される領域、Ｒ（Ｂ２）のみで示される領域、Ｒ（ＢＮ）のみで示される領域）に対応する要素に「１」が設定され、「２」で示されている分割領域（Ｒ（Ｂ１）とＲ（Ｂ２）で示される領域）に対応する要素に「２」が設定されている行列で表される。

構成要素Ｃの累積評価情報Ｓ（Ｃ）は、図１４に示されているように、破線で囲まれている、構成要素Ｃ１の評価情報Ｒ（Ｃ１）で示される領域、一点鎖線で囲まれている、構成要素Ｃ２の評価情報Ｒ（Ｃ２）で示される領域、二点鎖線で囲まれている、構成要素ＣＮの評価情報Ｒ（ＣＮ）で示される領域で表され、構成要素（Ｃ１）、（Ｃ２）、…、（ＣＮ）の配置の分布を示す。
累積評価情報Ｓ（Ｃ）は、配置領域を分割した分割領域の位置を要素とし、図１４に「１」で示されている分割領域（Ｒ（Ｃ１）のみで示される領域、Ｒ（Ｃ２）のみで示される領域、Ｒ（ＣＮ）のみで示される領域）に対応する要素に「１」が設定され、「２」で示されている分割領域（Ｒ（Ｃ１）とＲ（Ｃ２）で示される領域）に対応する要素に「２」が設定されている行列で表される。

次に、構成要素Ａの累積評価情報Ｓ（Ａ）、構成要素Ｂの累積評価情報Ｓ（Ｂ）、構成要素Ｃの累積評価情報Ｓ（Ｃ）に基づいて、構成要素データベース１２１に構成要素Ａ、Ｂ、Ｃに対応して記憶されている構成要素情報（位置情報、外形情報）を更新する。
累積評価情報に基づいて構成要素情報を更新する方法としては種々の方法を用いることができる。

例えば、構成要素Ａ～Ｃの累積評価情報Ｓ（Ａ）～Ｓ（Ｃ）の重心位置と共分散に基づいて、構成要素Ａ～Ｃの構成要素情報（位置情報、外形情報）を更新する方法を用いることができる。
あるいは、構成要素Ａ～Ｃの累積評価情報Ｓ（Ａ）～Ｓ（Ｃ）から求めた累積評価情報の部分集合Ｕ（Ａ）～Ｕ（Ｃ）に基づいて、構成要素Ａ～Ｃの構成要素情報（位置情報、外形情報）を更新する方法を用いることができる。
具体的には、累積評価情報で示される、構成要素の配置の分布に対応する分割領域の位置の中から、抽出条件を満足する分割領域の位置（抽出評価情報）を判別する。抽出条件としては、例えば、「累積値が所定値以上の分割領域」を用いることができる。そして、抽出した分割領域の位置に外接する図形（本実施形態では、矩形）を判別し、外接する図形の領域（累積評価情報の部分集合で表される領域）に含まれる分割領域の位置を示す累積評価情報の部分集合を求める。
図１５に、累積評価情報Ｓ（Ａ）から求めた抽出評価情報Ｔ（Ａ）と、抽出評価情報Ｔ（Ａ）から求めた累積評価情報の部分集合Ｕ（Ａ）が示されている。抽出評価情報Ｔ（Ａ）は、累積値（加算値）が「３」以上である分割領域を示している。累積評価情報の部分集合Ｕ（Ａ）は、抽出評価情報Ｔ（Ａ）で示される分割領域に外接する図形の領域（累積評価情報の部分集合で示される領域）に含まれる分割領域の位置を示している。
図１６に、累積評価情報Ｓ（Ｂ）から求めた抽出評価情報Ｔ（Ｂ）と、抽出評価情報Ｔ（Ｂ）から求めた累積評価情報の部分集合Ｕ（Ｂ）が示されている。抽出評価情報Ｔ（Ｂ）は、累積値（加算値）が「２」以上である分割領域を示している。累積評価情報の部分集合Ｕ（Ｂ）は、抽出評価情報Ｔ（Ｂ）で示される分割領域に外接する図形の領域（累積評価情報の部分集合で示される領域）に含まれる分割領域の位置を示している。
図１７に、累積評価情報Ｓ（Ｃ）から求めた抽出評価情報Ｔ（Ｃ）と、抽出評価情報Ｔ（Ｃ）から求めた累積評価情報の部分集合Ｕ（Ｃ）が示されている。抽出評価情報Ｔ（Ｃ）は、累積値（加算値）が「２」以上である分割領域を示している。累積評価情報の部分集合Ｕ（Ｃ）は、抽出評価情報Ｔ（Ｃ）で示される分割領域に外接する図形の領域（累積評価情報の部分集合で示される領域）に含まれる分割領域の位置を示している。
そして、求めた構成要素Ａ～Ｃの累積評価情報の部分集合Ｕ（Ａ）～Ｕ（Ｃ）に基づいて、構成要素Ａ～Ｃの構成要素情報（位置情報、外形情報）を更新する。例えば、構成要素Ａの累積評価情報の部分集合Ｕ（Ａ）の重心位置に基づいて、構成要素Ａの構成要素情報に含まれている位置情報を更新する。また、構成要素Ａの累積評価情報の部分集合Ｕ（Ａ）の大きさ（外接する矩形の大きさ）に基づいて、構成要素Ａの構成要素情報に含まれている外形情報で示される大きさを更新する。

以上の実施形態では、提示した画像候補に対するユーザー（広告の閲覧者）の選択結果に基づき、構成要素情報を更新している。
このような、ユーザー行動等の観測によるフィードバックから生成モデルのパラメータを最適値に更新する手法は、一般に「強化学習」と呼ばれている。強化学習は、オンライン機械学習の一種であり、システムの処理手段１１０に含まれる「エージェント」が、外部の「環境」の情報をリアルタイムに観測し、何らかの最適化基準（目的関数）に基づいて、ある局面での価値判断や方策決定のパラメータを更新していく手法である。
本発明の実施形態においては、エージェントは、「画像候補生成手段１１１」、「評価情報取得手段１１２」、「構成要素情報更新手段１１３」および「画像生成手段１１４」に相当し、環境は、「評価情報取得手段１１２」によって観測されるユーザーとその選択行動に相当する。

強化学習に基づく手法は、多層ニューラルネットワークによる深層強化学習を用いて実現することもできる。
本発明の異なる実施形態では、画像候補の提示および画像候補に対するユーザーの選択結果に基づいた構成要素情報の更新処理を、多層ニューラルネットワークによる深層強化学習を用いて実現している。
本実施形態は、構成要素の配置態様の方策を決定する「エージェント」と、観測されるユーザーとその選択行動を表す「環境」により構成されている。
深層強化学習においては、エージェントが取る方策（構成要素の配置態様の決定）に対し、環境であるユーザーが選択行動を行い、その観測結果に応じてエージェントに報酬（評価情報）がフィードバックされ、方策のパラメータ（累積評価情報）の更新が行われる。
本実施形態では、前述した画像候補生成手段１１１、評価情報取得手段１１２、構成要素情報更新手段１１３および画像生成手段１１４の動作を、多層ニューラルネットワークが用いて実行し、ネットワークのパラメータ（各ノードの重み係数とバイアス値）は誤差逆伝播学習により最適な値に調整される。
深層強化学習における多層ニューラルネットワークは、典型的には、多層パーセプトロン（ＭＬＰ）あるいは畳み込みニューラルネットワーク（ＣＮＮ）等を用いて適宜最適な形態で構成される。また、深層強化学習では、既存の種々のアルゴリズムを用いることができる。

本実施形態では、「環境」の情報を全て観測可能であることから、「方策ベース」のアルゴリズムが適している。方策ベースのアルゴリズムとしては既存の種々の方法を用いることができる。以下では、本実施形態に好適なアルゴリズムとして、「Ａｃｔｏｒ－Ｃｒｉｔｉｃ法」を用いた例を説明する。
「Ａｃｔｏｒ－Ｃｒｉｔｉｃ法」は、エージェントの方策（行動）を決定するＡｃｔｏｒと、行動結果の状態の評価を行うＣｒｉｔｉｃにより構成される。図１８に、本実施形態を「Ａｃｔｏｒ－Ｃｒｉｔｉｃ法」でモデル化した構成が示されている。
学習モードにおいては、下記の手順（１）から（６）を繰り返し実行し、ユーザーの選択結果に基づき方策パラメータを逐次更新していく。
（１）Ａｃｔｏｒは、現時点の方策πに従って、行動ａ(t)を選択して実行する。
（２）ユーザーの選択により、環境は、１時刻先の状態Ｓ(t+1)へ遷移する。
（３）Ｃｒｉｔｉｃは、１時刻先の状態Ｓ(t+1)を観測する。
（４）Ｃｒｉｔｉｃは、行動ａ(t)による報酬ｒ(t)を受け取る。
（５）Ｃｒｉｔｉｃは、状態Ｓ(t+1)の評価値Ｖ（Ｓ(t)）を推定し、Ａｃｔｏｒに渡す。
（６）Ａｃｔｏｒは、評価値Ｖ（Ｓ(t)）に基づいて、方策πを更新する。
なお、手順（１）が、前述した「画像候補生成手段１１１」および「画像生成手段１１４」の処理に対応し、手順（２）～（４）が、前述した「評価情報取得手段１１２」の処理に対応し、手順（５）と（６）が、前述した「構成要素情報更新手段１１３」の処理にい対応する。
また、「状態」が、前述した「累積評価情報」に対応し、「評価値」が、ユーザーの選択により取得した各構成要素の「評価情報」に対応する。
画像生成モードにおいては、ある時刻Ｔで学習を終了した後に、その時間断面での方策パラメータに従って手順（１）を実行する。

以上のように、本実施形態では、処理手段１１０は、画像候補の生成、評価情報の取得および各構成要素の構成要素情報の更新を、多層ニューラルネットワークで構成されるＡｃｔｏｒ－Ｃｒｉｔｉｃ法を用いて実行することができる。
本実施形態においても、画像を形成する構成要素を、ユーザーの選択に基づく学習によって最適に自動配置した画像を容易に生成することができる。

以上のように、本発明では、画像を形成する構成要素の配置態様は、構成要素に対応して記憶されている構成要素情報に基づいて決定される。構成要素の構成要素情報は、複数の画像候補に対するユーザーの選択に基づいて更新される。そして、更新された構成要素情報に基づいて画像を生成する。
これにより、画像を形成する構成要素の最適な配置を、ユーザーの選択に基づく学習結果に基づき容易に生成することができる。

本発明は、実施形態で説明した構成に限定されず、種々の変更、追加、削除が可能である。
画像を形成する構成要素は、適宜変更可能である。
構成要素の形状、大きさは、適宜変更可能である。
構成要素に対応する構成要素情報は、実施形態で説明した構成に限定されず、種々変更可能である。
構成要素データベースの構成は、実施形態で説明した構成に限定されない。
学習モードにおける処理は、図３に示されている処理に限定されない。
画像候補を生成する方法は、実施形態で説明した方法に限定されない。
評価情報を取得する方法は、実施形態で説明した方法に限定されない。
構成要素情報を更新する方法は、実施形態で説明した方法に限定されない。
画像生成モードにおける処理は、図４に示されている処理に限定されない。
画像を生成する方法は、実施形態で説明した方法に限定されない。
多層ニューラルネットワークによる深層強化学習で用いるアルゴリズムは、実施形態で説明したアルゴリズムに限定されない。
実施形態で説明した構成は、単独で用いることもできるし、適宜選択した複数の構成を組み合わて用いることもできる。
実施形態では、オンライン広告用の画像を生成する場合について説明したが、本発明は、複数の構成要素により形成される種々の画像を生成する際に用いることができる。

１００ 画像生成支援装置
１１０ 処理手段（処理装置）
１１１ 画像候補生成手段
１１２ 評価情報取得手段
１１３ 構成要素情報更新手段
１１４ 画像生成手段
１２０ 記憶手段（記憶装置）
１２１ 構成要素データベース
１３０ 表示手段(表示装置)
１４０ 入力手段（入力装置）
Ｇ１、Ｇ２、ＧＮ 画像候補
Ａ、Ｂ、Ｃ、Ａ１、Ｂ１、Ｃ１、Ａ２、Ｂ２、Ｃ２、ＡＮ、ＢＮ、ＣＮ 構成要素
Ｒ（Ａ１）、Ｒ（Ｂ１）、Ｒ（Ｃ１）、Ｒ（Ａ２）、Ｒ（Ｂ２）、Ｒ（Ｃ２）、Ｒ（ＡＮ）、Ｒ（ＢＮ）、Ｒ（ＣＮ） 評価情報
Ｓ（Ａ）、Ｓ（Ｂ）、Ｓ（Ｃ） 累積評価情報
Ｔ（Ａ）、Ｔ（Ｂ）、Ｔ（Ｃ） 抽出評価情報
Ｕ（Ａ）、Ｕ（Ｂ）、Ｕ（Ｃ） 累積評価情報の部分集合

Claims (6)

1. 複数の構成要素により形成される画像の生成を支援する画像生成支援装置であって、
   処理手段と、記憶手段と、表示手段と、入力手段を備え、
   前記記憶手段には、構成要素の基準配置位置を示す位置情報と構成要素の基準外形を示す外形情報を含む構成要素情報および構成要素の配置領域を示す評価情報が各構成要素に対応して記憶され、
   前記処理手段は、
   前記記憶手段に記憶されている各構成要素の構成要素情報に基づいて画像候補を生成し、生成した画像候補を前記表示手段に表示し、
   前記表示手段に表示した画像候補に対して前記入力手段から入力される評価信号に基づいて、前記表示手段に表示した画像候補を形成する構成要素の配置領域を示す評価情報を取得し、取得した評価情報を構成要素に対応させて前記記憶手段に記憶し、
   前記画像候補の前記表示手段への表示と前記評価情報の取得を所定回数繰り返した後、前記取得した評価情報を構成要素毎に累積した累積評価情報に基づいて、前記記憶手段に記憶されている各構成要素の構成要素情報を更新し、
   前記更新した各構成要素の構成要素情報に基づいて画像を生成することを特徴とする画像生成支援装置。
2. 請求項１に記載の画像生成支援装置であって、
   前記処理手段は、前記記憶手段に記憶されている各構成要素の構成要素情報の更新を、更新終了条件が満足されるまで実行することを特徴とする画像生成支援装置。
3. 請求項１または２に記載の画像生成支援装置であって、
   前記表示手段の表示領域は、複数の分割領域に分割されており、
   前記処理手段は、
   前記表示手段に表示した画像候補を形成する構成要素の配置領域に対応する分割領域の位置を示す評価情報を取得し、
   前記取得した評価情報を構成要素毎に累積した累積評価情報に基づいて、前記記憶手段に記憶されている各構成要素の構成要素情報を更新することを特徴とする画像生成支援装置。
4. 請求項３に記載の画像生成支援装置であって、
   前記処理手段は、前記累積評価情報で示される分割領域の位置の中から、抽出条件を満足する分割領域の位置を抽出し、抽出した分割領域の位置に外接する図形の図形情報に基づいて、前記記憶手段に記憶されている各構成要素の構成要素情報を更新することを特徴とする画像生成支援装置。
5. 請求項１～４のうちのいずれか一項に記載の画像生成支援装置であって、
   前記処理手段は、画像候補の生成、評価情報の取得、構成要素情報の更新および画像の生成を、多層ニューラルネットワークを用いて実行することを特徴とする画像生成支援装置。
6. 請求項１～５のうちのいずれか一項に記載の画像生成支援装置であって、
   前記処理手段は、
   前記記憶手段に記憶されている各構成要素の構成要素情報に基づいて画像候補を生成し、生成した画像候補を前記表示手段に表示する画像候補生成手段と、
   前記表示手段に表示した画像候補に対して前記入力手段から入力される評価信号に基づいて、前記表示手段に表示した画像候補を形成する構成要素の配置領域を示す評価情報を取得する評価情報取得手段と、
   前記画像候補の前記表示手段への表示と前記評価情報の取得が所定回数繰り返された後、前記評価情報取得手段で取得した評価情報を構成要素毎に累積した累積評価情報に基づいて、前記記憶手段に記憶されている各構成要素の構成要素情報を更新する構成要素情報更新手段と、
   前記構成要素情報更新手段により更新した各構成要素の構成要素情報に基づいて画像を生成する画像生成手段と、
   を有することを特徴とする画像生成支援装置。

Images