JP7692283B2 - スタイルトランスファープログラムおよびスタイルトランスファー方法 - Google Patents

Description

本発明の実施形態の少なくとも１つは、スタイルトランスファープログラムおよびスタイルトランスファー方法に関する。

写真画像をゴッホ風やモネ風などの所定のスタイルに応じた画像へ変換する、スタイルトランスファーの技術が知られている。

特許文献１には、スタイル変換（ｓｔｙｌｅ ｔｒａｎｓｆｅｒ）についての記載がなされている。

特開２０２０－１８７５８３号公報

ところで、ビデオゲーム等において、画像のレンダリングに用いられるバッファは複数存在する。このバッファ単位でスタイル変換を行うことができれば、ユーザに提供する画像の表現力が増大する。

本発明の少なくとも一つの実施形態の目的は、上記課題を解決し、ユーザに提供する画像の表現力を増大させることである。

非限定的な観点によると、本発明の一実施形態に係るスタイルトランスファープログラムは、サーバに、レンダリングに用いられるバッファからバッファデータを取得する取得機能と、前記バッファデータに対して、１以上のスタイル画像に基づいたスタイルトランスファーを適用する、スタイルトランスファー機能と、スタイルトランスファーが適用された後のデータを出力する出力機能と、を実現させるためのものである。

非限定的な観点によると、本発明の一実施形態に係るスタイルトランスファー方法は、コンピュータによるスタイルトランスファー方法であって、レンダリングに用いられるバッファからバッファデータを取得する取得処理と、前記バッファデータに対して、１以上のスタイル画像に基づいたスタイルトランスファーを適用する、スタイルトランスファー処理と、スタイルトランスファーが適用された後のデータを出力する出力処理とを含むものである。

本願の各実施形態により１または２以上の不足が解決される。

本発明の実施形態の少なくとも一つに対応するビデオゲーム処理システムの構成の例を示すブロック図である。 本発明の実施形態の少なくとも一つに対応するサーバの構成を示すブロック図である。 本発明の実施形態の少なくとも一つに対応するスタイルトランスファープログラム処理の例を示すフローチャートである。 本発明の実施形態の少なくとも一つに対応するサーバの構成を示すブロック図である。 本発明の実施形態の少なくとも一つに対応するスタイルトランスファープログラム処理の例を示すフローチャートである。 本発明の実施形態の少なくとも一つに対応するサーバの構成を示すブロック図である。 本発明の実施形態の少なくとも一つに対応するスタイルトランスファープログラム処理の例を示すフローチャートである。 本発明の実施形態の少なくとも一つに対応するサーバの構成を示すブロック図である。 本発明の実施形態の少なくとも一つに対応するスタイルトランスファープログラム処理の例を示すフローチャートである。 本発明の実施形態の少なくとも一つに対応するサーバの構成を示すブロック図である。 本発明の実施形態の少なくとも一つに対応するスタイルトランスファープログラム処理の例を示すフローチャートである。 本発明の実施形態の少なくとも一つに対応する、スタイルトランスファーに用いられるニューラルネットワークの構造例を示す概念図である。 本発明の実施形態の少なくとも一つに対応するサーバの構成を示すブロック図である。 本発明の実施形態の少なくとも一つに対応するスタイルトランスファープログラム処理の例を示すフローチャートである。 本発明の実施形態の少なくとも一つに対応する、スタイルトランスファーに用いられるニューラルネットワークの構造例を示す概念図である。 本発明の実施形態の少なくとも一つに対応する最適化処理の処理例を示すフローチャートである。

以下、本発明の実施形態の例について図面を参照して説明する。なお、以下で説明する各実施形態の例における各種構成要素は、矛盾等が生じない範囲で適宜組み合わせ可能である。また、ある実施形態の例として説明した内容については、他の実施形態においてその説明を省略している場合がある。また、各実施形態の特徴部分に関係しない動作や処理については、その内容を省略している場合がある。さらに、以下で説明する各種フローやシーケンスを構成する各種処理の順序は、処理内容に矛盾等が生じない範囲で順不同である。

［第１の実施形態］
本発明の第１の実施形態の概要について説明をする。以下では、第１の実施形態として、サーバにおいて実行されるスタイルトランスファープログラムを例示して説明する。

図１は、本発明の実施形態の少なくとも一つに対応するビデオゲーム処理システムの構成の例を示すブロック図である。ビデオゲーム処理システム１００は、ビデオゲーム処理サーバ１０（サーバ１０）と、ビデオゲーム処理システム１００のユーザ（ゲームのプレイヤ等）が使用するユーザ端末２０とを備える。ユーザ端末２０Ａ、２０Ｂ、および２０Ｃはそれぞれ、ユーザ端末２０の一例である。ビデオゲーム処理システム１００の構成はこれに限定されない。例えば、ビデオゲーム処理システム１００は、単一のユーザ端末を複数のユーザが使用する構成であってよい。ビデオゲーム処理システム１００が複数のサーバを備えてもよい。

サーバ１０とユーザ端末２０は、それぞれインターネットなどの通信ネットワーク３０に通信可能に接続されている。通信ネットワーク３０とサーバ１０との間の接続、および通信ネットワーク３０とユーザ端末２０との間の接続は有線接続であっても無線接続であってもよい。例えば、ユーザ端末２０は、通信事業者が管理する基地局と無線通信回線によるデータ通信を行うことにより、通信ネットワーク３０と接続してよい。

ビデオゲーム処理システム１００は、サーバ１０とユーザ端末２０とを備えることにより、ユーザの操作に応じて各種処理を実行するための各種機能を実現する。

サーバ１０はビデオゲームの進行を制御する。サーバ１０は、ビデオゲーム処理システム１００の管理者によって管理され、複数のユーザ端末２０に対して各種処理に関する情報を提供するための各種機能を有する。

サーバ１０は、プロセッサ１１と、メモリ１２と、記憶装置１３とを備える。プロセッサ１１は、例えば、各種の演算および制御を行うＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等の中央処理装置である。また、サーバ１０がＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を備える場合には、各種の演算および制御の一部をＧＰＵによって行うようにしてもよい。サーバ１０は、メモリ１２に読み出したデータを用いて各種の情報処理をプロセッサ１１にて実行し、得られた処理結果を必要に応じて記憶装置１３に記憶させる。

記憶装置１３は、各種情報を格納する記憶媒体としての機能を有する。記憶装置１３の構成は特に限定されないが、ユーザ端末２０にかかる処理負荷を軽減させるといった観点から、ビデオゲーム処理システム１００にて行われる制御に必要な各種情報を全て記憶可能な構成であることが好ましい。このような例には、ＨＤＤやＳＳＤがある。ただし、各種情報を記憶する記憶装置は、サーバ１０がアクセス可能な状態で記憶領域を備えていればよく、例えば専用の記憶領域をサーバ１０の外部に有する構成とされていてもよい。サーバ１０は、ビデオゲーム処理システム１００の管理者等によって管理され、複数のユーザ端末２０に対して各種処理に関する情報を提供するための各種機能を有する。サーバ１０は、ゲーム画像をレンダリング可能なゲームサーバなどの情報処理装置によって構成される。

ユーザ端末２０はユーザによって管理され、ネットワーク配信型のゲームを行うことが可能な通信端末によって構成される。ネットワーク配信型のゲームを行うことが可能な通信端末の例として、例えば携帯電話端末、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）、携帯型ゲーム装置、ＶＲゴーグル、ＡＲグラス、スマートグラス、所謂ウェアラブルデバイスなどがある。ビデオゲーム処理システム１００が含み得るユーザ端末の構成はこれらに限定されず、ユーザが合成画像を認識し得る構成であればよい。ユーザ端末の構成の他の例には、各種通信端末を組み合わせたものやパーソナルコンピュータ、据置型ゲーム装置がある。

ユーザ端末２０は、通信ネットワーク３０に接続し、サーバ１０との通信を行うことにより各種処理を実行するためのハードウェア（例えば、座標に応じたブラウザ画面やゲーム画面を表示する表示装置など）およびソフトウェアを備える。なお、複数のユーザ端末２０のそれぞれは、サーバ１０を介さずに互いに直接通信を行うこともできる構成とされていてもよい。

ユーザ端末２０には表示装置が内蔵されていてよい。また、ユーザ端末２０に対して、表示装置が無線接続あるいは有線接続されていてもよい。なお、表示装置は極めて一般的な構成であるため、ここでは図示を省略している。ゲーム画面は例えば、前述の合成画像として表示装置によって表示され、ユーザがこの合成画像を認識する。ゲーム画面は例えば、ユーザ端末が備える表示装置の一例であるディスプレイや、ユーザ端末と接続された表示装置の一例であるディスプレイに表示される。表示装置には、例えば、ホログラム表示が可能なホログラムディスプレイ装置や、画像（ゲーム画面を含む）をスクリーン等に映写する映写装置なども含まれる。

ユーザ端末２０は、プロセッサ２１と、メモリ２２と、記憶装置２３とを備える。プロセッサ２１は、例えば、各種の演算および制御を行うＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等の中央処理装置である。また、ユーザ端末２０がＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を備える場合には、各種の演算および制御の一部をＧＰＵによって行うようにしてもよい。ユーザ端末２０は、メモリ２２に読み出したデータを用いて各種の情報処理をプロセッサ２１にて実行し、得られた処理結果を必要に応じて記憶装置２３に記憶させる。記憶装置２３は、各種情報を格納する記憶媒体としての機能を有する。

ユーザ端末２０には入力装置が内蔵されていてよい。また、ユーザ端末２０に対して入力装置が無線接続あるいは有線接続されていてもよい。入力装置はユーザによる操作入力を受け付ける。ユーザによる操作入力に応じて、サーバ１０が備えるプロセッサまたはユーザ端末２０が備えるプロセッサが、各種の制御処理を実行する。入力装置の例として、携帯電話端末が備えるタッチパネル画面、ＡＲグラスに無線接続あるいは有線接続されたコントローラなどがある。また、ユーザ端末２０が備えるカメラも入力装置に相当し得る。ユーザはカメラの前で手を動かす等のジェスチャーにより、操作入力を行う（ジェスチャー入力）。

その他、ユーザ端末２０はスピーカ等の他の出力装置を備えていてよい。他の出力装置は、ユーザに対して音声やその他の各種の情報を出力する。

図２は、本発明の実施形態の少なくとも一つに対応するサーバの構成を示すブロック図である。サーバ１０の構成の例であるサーバ１０Ａは、取得部１０１と、スタイルトランスファー部１０２と、出力部１０３とを少なくとも備える。サーバ１０Ａが備えるプロセッサは、記憶装置に保持されたスタイルトランスファープログラムを参照し、そのプログラムを実行することにより、取得部１０１と、スタイルトランスファー部１０２と、出力部１０３とを機能的に実現する。

取得部１０１は、レンダリングに用いられるバッファからバッファデータを取得する機能を有する。スタイルトランスファー部１０２は、バッファデータに対して、１以上のスタイル画像に基づいたスタイルトランスファーを適用する機能を有する。出力部１０３は、スタイルトランスファーが適用された後のデータを出力する機能を有する。

次に、本発明の第１の実施形態におけるプログラム実行処理について説明する。図３は、本発明の実施形態の少なくとも一つに対応するスタイルトランスファープログラム処理の例を示すフローチャートである。

取得部１０１は、レンダリングに用いられるバッファからバッファデータを取得する（Ｓｔ１１）。スタイルトランスファー部１０２は、取得したバッファデータに対して、１以上のスタイル画像に基づいたスタイルトランスファーを適用する（Ｓｔ１２）。出力部１０３は、スタイルトランスファーが適用された後のデータを出力する（Ｓｔ１３）。

スタイルは、たとえば建築、美術、音楽などにおける様式または型などを意味する。スタイルは例えば、ゴッホ風やピカソ風などの画風を意味してもよい。スタイルは、画像の形式（例えば色、所定の模様、またはパターン等）を意味してもよい。

レンダリングに用いられるバッファとは、例えば３次元のＣＧ画像をレンダリングする機能を有するレンダリングエンジンが用いるバッファなどを意味する。

スタイルトランスファー部１０２は、スタイルトランスファー用のニューラルネットワークを用いて良い。関連する技術として例えば、Ｖｉｎｃｅｎｔ Ｄｕｍｏｕｌｉｎ， ｅｔ．ａｌ． 「Ａ ＬＥＡＲＮＥＤ ＲＥＰＲＥＳＥＮＴＡＴＩＯＮ ＦＯＲ ＡＲＴＩＳＴＩＣ ＳＴＹＬＥ」等がある。スタイルトランスファー部１０２がニューラルネットワークに所定のサイズの入力画像を入力することにより、スタイルトランスファーが適用された出力画像が得られる。

出力部１０３によるスタイルトランスファー適用後のデータの出力先は、取得部１０１がバッファデータを取得したバッファとは異なるバッファであってよい。より特定的には、前記取得部１０１がバッファデータを取得したバッファを第１バッファとした場合、スタイルトランスファーの適用後のデータの出力先は、第１バッファとは異なる第２バッファであってよい。第２バッファは、レンダリング処理において第１バッファの後に用いられるバッファであってもよい。

その他、出力部１０３によるスタイルトランスファーの適用後のデータの出力先は、サーバ１０Ａが備える出力装置であってよく、サーバ１０Ａから見た外部装置であってもよい。

第１の実施形態の一側面として、レンダリングに用いられるバッファ単位でスタイルトランスファーを適用することができる。これにより、ユーザに提供する画像による表現力を増大させることができる。

第１の実施形態の一側面として、取得部１０１およびスタイルトランスファー部１０２などを、上述のバッファの操作が可能なゲームエンジンに組み込むことにより、従来用いられていた写真などのデータよりもリッチな情報に基づいてスタイルトランスファーを行うことができる。例えば、ゲームエンジンがゲーム画面に表示させる特定のオブジェクトを認識して、特定のオブジェクトに対応するバッファに対してのみスタイルトランスファーを適用することができるようになる。

第１の実施形態の一側面として、バッファに対してスタイルトランスファーを適用する構成であれば、バッファ毎に適用するスタイルトランスファーの種類を適宜選択することができるので、多彩なＣＧ表現が可能となる。例えば、第１バッファに対してはゴッホ風にスタイルを変換するスタイルトランスファーを適用し、第２バッファに対してはゴーギャン風にスタイルを変換するスタイルトランスファーを適用する、などの事が新たに可能になる。

第１の実施形態の一側面として、レンダリングに用いられるバッファに対してスタイルトランスファーを適用することにより、ゲーム画像のスタイルをリアルタイムに変化させることができる。

［第２の実施形態］
本発明の第２の実施形態の概要について説明をする。以下では、第２の実施形態として、サーバにおいて実行されるスタイルトランスファープログラムを例示して説明する。なお、サーバは、図１に記載のビデオゲーム処理システム１００が備えるサーバ１０であってよい。

図４は、本発明の実施形態の少なくとも一つに対応するサーバの構成を示すブロック図である。サーバ１０の構成の例であるサーバ１０Ｂは、取得部１０１Ｂと、スタイルトランスファー部１０２と、出力部１０３とを少なくとも備える。サーバ１０Ｂが備えるプロセッサは、記憶装置に保持されたスタイルトランスファープログラムを参照し、そのプログラムを実行することにより、取得部１０１Ｂと、スタイルトランスファー部１０２と、出力部１０３とを機能的に実現する。

取得部１０１Ｂは、レンダリングに用いられる３Ｄバッファからバッファデータを取得する機能を有する。スタイルトランスファー部１０２は、バッファデータに対して、１以上のスタイル画像に基づいたスタイルトランスファーを適用する機能を有する。出力部１０３は、スタイルトランスファーが適用された後のデータを出力する機能を有する。

次に、本発明の第２の実施形態におけるプログラム実行処理について説明する。図５は、本発明の実施形態の少なくとも一つに対応するスタイルトランスファープログラム処理の例を示すフローチャートである。

取得部１０１Ｂは、レンダリングに用いられる３Ｄバッファからバッファデータを取得する（Ｓｔ２１）。スタイルトランスファー部１０２は、取得したバッファデータに対して、１以上のスタイル画像に基づいたスタイルトランスファーを適用する（Ｓｔ２２）。出力部１０３は、スタイルトランスファーが適用された後のデータを出力する（Ｓｔ２３）。

スタイルは、たとえば建築、美術、音楽などにおける様式または型などを意味する。スタイルは例えば、ゴッホ風やピカソ風などの画風を意味してもよい。スタイルは、画像の形式（例えば色、所定の模様、またはパターン等）を意味してもよい。

レンダリングに用いられる３Ｄバッファとは、例えば３次元空間を表現可能なデータを格納するバッファを意味する。

スタイルトランスファー部１０２および出力部１０３については、第１の実施形態と同様であるため、詳しい説明を省略する。

第２の実施形態の一側面として、レンダリングに用いられる３Ｄバッファに対してスタイルトランスファーを適用することができる。これにより、ユーザに対して表示される３ＤＣＧのマップ全体のスタイルを、ゲームにおける各種の条件などに基づいて変換することができる。

［第３の実施形態］
本発明の第３の実施形態の概要について説明をする。以下では、第３の実施形態として、サーバにおいて実行されるスタイルトランスファープログラムを例示して説明する。

図６は、本発明の実施形態の少なくとも一つに対応するサーバの構成を示すブロック図である。サーバ１０の構成の例であるサーバ１０Ｃは、取得部１０１Ｃと、スタイルトランスファー部１０２と、出力部１０３とを少なくとも備える。サーバ１０Ｃが備えるプロセッサは、記憶装置に保持されたスタイルトランスファープログラムを参照し、そのプログラムを実行することにより、取得部１０１Ｃと、スタイルトランスファー部１０２と、出力部１０３とを機能的に実現する。

取得部１０１Ｃは、レンダリングに用いられる中間バッファからバッファデータを取得する機能を有する。スタイルトランスファー部１０２は、取得したバッファデータに対して、１以上のスタイル画像に基づいたスタイルトランスファーを適用する機能を有する。出力部１０３は、スタイルトランスファーが適用された後のデータを出力する機能を有する。

次に、本発明の第３の実施形態におけるプログラム実行処理について説明する。図７は、本発明の実施形態の少なくとも一つに対応するスタイルトランスファープログラム処理の例を示すフローチャートである。

取得部１０１Ｃは、レンダリングに用いられる中間バッファからバッファデータを取得する（Ｓｔ３１）。スタイルトランスファー部１０２は、取得したバッファデータに対して、１以上のスタイル画像に基づいたスタイルトランスファーを適用する（Ｓｔ３２）。出力部１０３は、スタイルトランスファーが適用された後のデータを出力する（Ｓｔ３３）。

スタイルは、たとえば建築、美術、音楽などにおける様式または型などを意味する。スタイルは例えば、ゴッホ風やピカソ風などの画風を意味してもよい。スタイルは、画像の形式（例えば色、所定の模様、またはパターン等）を意味してもよい。

レンダリングに用いられる中間バッファとは、レンダリング処理の途中で用いられるバッファである。中間バッファの一例として、ＲＧＢバッファ、ＢａｓｅＣｏｌｏｒバッファ、Ｍｅｔａｌｌｉｃバッファ、Ｓｐｅｃｕｌａｒバッファ、Ｒｏｕｇｈｎｅｓｓバッファ、Ｎｏｒｍａｌバッファなどがある。これらのバッファは、最終的に出力されるＣＧ画像が格納される最終バッファより前に配置されたバッファであり、最終バッファとは異なるバッファである。レンダリングに用いられる中間バッファは、列挙された前述のバッファには限られない。

スタイルトランスファー部１０２および出力部１０３については、第１の実施形態と同様であるため、詳しい説明を省略する。

第３の実施形態の一側面として、レンダリングに用いられる中間バッファに格納されたデータに対してスタイルトランスファーを適用することにより、スタイルトランスファーが適用されたデータを、中間バッファの出力として得ることができる。カラー情報や、光の反射情報などの各種の観点で切り出された、レンダリングの途中段階における一部のデータに対してスタイルトランスファーを適用することができるので、きめ細やかなスタイル変換やスタイル制御を行うことができるようになる。また、スタイトランスファーが適用されたデータを用いて最終画像を生成することにより、ユーザに提供する最終画像による表現力をさらに増大させることができる。

［第４の実施形態］
本発明の第４の実施形態の概要について説明をする。以下では、第４の実施形態として、サーバにおいて実行されるスタイルトランスファープログラムを例示して説明する。

図８は、本発明の実施形態の少なくとも一つに対応するサーバの構成を示すブロック図である。サーバ１０の構成の例であるサーバ１０Ｄは、取得部１０１と、スタイルトランスファー部１０２Ｄと、出力部１０３とを少なくとも備える。サーバ１０Ｄが備えるプロセッサは、記憶装置に保持されたスタイルトランスファープログラムを参照し、そのプログラムを実行することにより、取得部１０１と、スタイルトランスファー部１０２Ｄと、出力部１０３とを機能的に実現する。

取得部１０１は、レンダリングに用いられるバッファからバッファデータを取得する機能を有する。スタイルトランスファー部１０２Ｄは、取得したバッファデータに対して、複数のスタイル画像に基づいたスタイルトランスファーを適用する機能を有する。スタイルトランスファーの適用は、ニューラルネットワークの所定の層において複数のスタイル画像に基づくパラメータを混入し、かつ、複数のスタイル画像に基づいて定義された最適化関数に基づいて最適化処理を行って得られた学習済みのニューラルネットワークに、前記バッファデータを入力することにより行われる。出力部１０３は、スタイルトランスファーが適用された後のデータを出力する機能を有する。

次に、本発明の第４の実施形態におけるプログラム実行処理について説明する。図９は、本発明の実施形態の少なくとも一つに対応するスタイルトランスファープログラム処理の例を示すフローチャートである。

取得部１０１は、レンダリングに用いられるバッファからバッファデータを取得する（Ｓｔ４１）。スタイルトランスファー部１０２Ｄは、取得したバッファデータに対して、複数のスタイル画像に基づいたスタイルトランスファーを適用する（Ｓｔ４２）。出力部１０３は、スタイルトランスファーが適用された後のデータを出力する（Ｓｔ４３）。

スタイルは、たとえば建築、美術、音楽などにおける様式または型などを意味する。スタイルは例えば、ゴッホ風やピカソ風などの画風を意味してもよい。スタイルは、画像の形式（例えば色、所定の模様、またはパターン等）を意味してもよい。

レンダリングに用いられるバッファは、第１～第３の実施形態において説明したバッファのうちいずれかであってよい。

スタイルトランスファー部１０２Ｄは、取得したバッファデータに対して、複数のスタイル画像に基づいたスタイルトランスファーを適用する機能を有する。スタイルトランスファー部１０２Ｄは、複数のスタイルをブレンドしたスタイルトランスファーを行う。

スタイルトランスファー部１０２Ｄは、スタイルトランスファー用のニューラルネットワークを用いて良い。関連する技術として例えば、Ｖｉｎｃｅｎｔ Ｄｕｍｏｕｌｉｎ， ｅｔ．ａｌ． 「Ａ ＬＥＡＲＮＥＤ ＲＥＰＲＥＳＥＮＴＡＴＩＯＮ ＦＯＲ ＡＲＴＩＳＴＩＣ ＳＴＹＬＥ」等がある。

第４の実施形態においては、複数のスタイルをブレンドして適用する。そのために、学習時のニューラルネットワークの所定の層において複数のスタイル画像に基づくパラメータを混入する。所定の層は、例えばアフィン層（全結合層）であってよい。

第４の実施形態においてはさらに、複数のスタイル画像に基づいて定義された最適化関数に基づいて、ニューラルネットワークについて最適化処理を行う。この最適化処理によって、複数のスタイル画像により適合した、学習済みのニューラルネットワークが得られる。

スタイルトランスファー部１０２Ｄが、学習済みのニューラルネットワークに所定のサイズの入力画像を入力することにより、スタイルトランスファーが適用された出力画像が得られる。第４の実施形態において、入力画像は上述のバッファデータに対応する。

出力部１０３については、第１の実施形態と同様であるため、詳しい説明を省略する。

第４の実施形態の一側面として、ニューラルネットワークの所定の層において複数のスタイル画像に基づくパラメータを混入するだけでなく、複数のスタイル画像に基づいて定義された最適化関数に基づいて最適化処理が行われる。これにより、この最適化処理によって得られた学習済みのニューラルナットワークを用いて、複数のスタイル画像がきれいにブレンドされたスタイルトランスファーを実現することができる。

［第５の実施形態］
本発明の第５の実施形態の概要について説明をする。以下では、第５の実施形態として、サーバにおいて実行されるスタイルトランスファープログラムを例示して説明する。

図１０は、本発明の実施形態の少なくとも一つに対応するサーバの構成を示すブロック図である。サーバ１０の構成の例であるサーバ１０Ｙは、取得部１０１Ｙと、スタイルトランスファー部１０２Ｙと、出力部１０３Ｙと、スタイル画像選択部１０４Ｙとを少なくとも備える。サーバ１０Ｙが備えるプロセッサは、記憶装置に保持されたスタイルトランスファープログラムを参照し、そのプログラムを実行することにより、取得部１０１Ｙと、スタイルトランスファー部１０２Ｙと、出力部１０３Ｙと、スタイル画像選択部１０４Ｙとを機能的に実現する。

取得部１０１Ｙは、レンダリングに用いられるバッファからバッファデータを取得する機能を有する。スタイルトランスファー部１０２Ｙは、取得したバッファデータに対して、１以上のスタイル画像に基づいたスタイルトランスファーを適用する機能を有する。出力部１０３Ｙは、スタイルトランスファーが適用された後のデータを出力する機能を有する。スタイル画像選択部１０４Ｙは、所定の条件に基づいて、前記１以上のスタイル画像を選択する機能を有する。

次に、本発明の第５の実施形態におけるプログラム実行処理について説明する。図１１は、本発明の実施形態の少なくとも一つに対応するスタイルトランスファープログラム処理の例を示すフローチャートである。

スタイル画像選択部１０４Ｙは、所定の条件に基づいて、１以上のスタイル画像を選択する（Ｓｔ５１）。取得部１０１Ｙは、レンダリングに用いられるバッファからバッファデータを取得する（Ｓｔ５２）。スタイルトランスファー部１０２Ｙは、取得したバッファデータに対して、ステップＳｔ５１において選択された１以上のスタイル画像に基づいたスタイルトランスファーを適用する（Ｓｔ５３）。出力部１０３Ｙは、スタイルトランスファーが適用された後のデータを出力する（Ｓｔ５４）。

所定の条件は、サーバ１０Ｙが進行を制御しているビデオゲームにおける各種の条件であってよい。所定の条件として、例えば進行中のビデオゲームに登場するキャラクタの感情、該キャラクタが用いた技や魔法の種類、バフやデバフ、レベルアップ等の該キャラクタの状態変化などが挙げられる。なお、キャラクタはプレイヤーキャラクタ（ＰＣ）であってもよく、ノンプレイヤ―キャラクタ（ＮＰＣ）であってもよい。キャラクタは味方キャラクタであっても敵キャラクタであってもよい。

所定の条件は、進行中のビデオゲームにおけるキャラクタ以外のオブジェクトに係る条件であってもよい。オブジェクトの例としては、ビデオゲームのマップに配置された建物や生物、ビデオゲームの進行中に登場したアイテム等が挙げられる。所定の条件は、オブジェクトが登場したか否か、オブジェクトが何回登場したか、オブジェクトが破壊されるなどしてマップから消失したか否か、など、種々のものが考えられる。

所定の条件は、進行中のビデオゲームにおけるメタ情報またはシステム情報に係る条件であってもよい。進行中のビデオゲームにおけるメタ情報に係る条件の一例としては、プレイヤーキャラクタが居るゲーム内の舞台の変更（例えば未来都市への舞台移動）などがある。進行中のビデオゲームにおけるシステム情報に係る条件の一例としては、ユーザによるビデオゲームのプレイ時間などがある。

所定の条件は上記のものには限られず、その他の種々の条件であってよい。

スタイルは、たとえば建築、美術、音楽などにおける様式または型などを意味する。スタイルは例えば、ゴッホ風やピカソ風などの画風を意味してもよい。スタイルは、画像の形式（例えば色、所定の模様、またはパターン等）を意味してもよい。

レンダリングに用いられるバッファとは、例えば３次元のＣＧ画像をレンダリングする機能を有するレンダリングエンジンが用いるバッファなどを意味する。

レンダリングに用いられるバッファは３Ｄバッファであってよい。レンダリングに用いられる３Ｄバッファとは、例えば３次元空間を表現可能なデータを格納するバッファを意味する。

レンダリングに用いられるバッファは中間バッファであってもよい。レンダリングに用いられる中間バッファとは、レンダリング処理の途中で用いられるバッファである。中間バッファの一例として、ＲＧＢバッファ、ＢａｓｅＣｏｌｏｒバッファ、Ｍｅｔａｌｌｉｃバッファ、Ｓｐｅｃｕｌａｒバッファ、Ｒｏｕｇｈｎｅｓｓバッファ、Ｎｏｒｍａｌバッファなどがある。これらのバッファは、最終的に出力されるＣＧ画像が格納される最終バッファより前に配置されたバッファであり、最終バッファとは異なるバッファである。レンダリングに用いられる中間バッファは、列挙された前述のバッファには限られない。

スタイルトランスファー部１０２Ｙは、スタイルトランスファー用のニューラルネットワークを用いて良い。関連する技術として例えば、Ｖｉｎｃｅｎｔ Ｄｕｍｏｕｌｉｎ， ｅｔ．ａｌ． 「Ａ ＬＥＡＲＮＥＤ ＲＥＰＲＥＳＥＮＴＡＴＩＯＮ ＦＯＲ ＡＲＴＩＳＴＩＣ ＳＴＹＬＥ」等がある。スタイルトランスファー部１０２Ｙがニューラルネットワークに所定のサイズの入力画像を入力することにより、スタイルトランスファーが適用された出力画像が得られる。

図１２は、本発明の実施形態の少なくとも一つに対応する、スタイルトランスファーに用いられるニューラルネットワークＮ１の構造例を示す概念図である。ニューラルネットワークＮ１は、入力画像に基づくピクセル群を潜在（Ｌａｔｅｎｔ）パラメータに変換する第１変換層と、畳み込み（Ｃｏｎｖｏｌｕｔｉｏｎ）等によりダウンサンプリングを行う１以上の層と、複数の残差ブロック（Ｒｅｓｉｄｕａｌ Ｂｌｏｃｋｓ）層と、アップサンプリングを行う層と、潜在（Ｌａｔｅｎｔ）パラメータをピクセル群に変換する第２変換層とを含む。なお、第２変換層の出力であるピクセル群に基づいて出力画像が得られる。

ニューラルネットワークＮ１の第１変換層とダウンサンプリングを行う層との間や、ダウンサンプリングを行う層に含まれる複数の畳み込み層同士の間等に、全結合層が配置される。全結合層は、アフィン層（Ａｆｆｉｎｅ ｌａｙｅｒ）とも呼ばれている。

スタイルトランスファー部１０２Ｙは、取得部１０１Ｙが取得したバッファデータを、ニューラルネットワークＮ１の第１変換層に入力する。これにより、スタイルトランスファー適用後のデータがニューラルネットワークＮ１の第２変換層から出力される。

出力部１０３Ｙによるスタイルトランスファー適用後のデータの出力先は、取得部１０１Ｙがバッファデータを取得したバッファとは異なるバッファであってよい。より特定的には、取得部１０１Ｙがバッファデータを取得したバッファを第１バッファとした場合、スタイルトランスファー適用後のデータの出力先は、第１バッファとは異なる第２バッファであってよい。第２バッファは、レンダリング処理において第１バッファの後に用いられるバッファであってもよい。

その他、出力部１０３Ｙによるスタイルトランスファー適用後のデータの出力先は、サーバ１０Ｙが備える出力装置であってよく、サーバ１０Ｙから見た外部装置であってもよい。

第５の実施形態の一側面として、レンダリングに用いられるバッファ単位でスタイルトランスファーを適用することができる。これにより、ユーザに提供する画像による表現力を増大させることができる。

第５の実施形態の一側面として、取得部１０１Ｙおよびスタイルトランスファー部１０２Ｙなどを、上述のバッファの操作が可能なゲームエンジンに組み込むことにより、従来用いられていた写真などのデータよりもリッチな情報に基づいてスタイルトランスファーを行うことができる。例えば、ゲームエンジンがゲーム画面に表示される特定のオブジェクトを認識して、特定のオブジェクトに対応するバッファに対してのみスタイルトランスファーを適用することができるようになる。

第５の実施形態の一側面として、バッファに対してスタイルトランスファーを適用する構成であれば、バッファ毎に適用するスタイルトランスファーの種類を適宜選択することができるので、多彩なＣＧ表現が可能となる。例えば、第１バッファに対してはゴッホ風にスタイルを変換するスタイルトランスファーを適用し、第２バッファに対してはゴーギャン風にスタイルを変換するスタイルトランスファーを適用する、などの事が新たに可能になる。

第５の実施形態の一側面として、レンダリングに用いられるバッファに対してスタイルトランスファーを適用することにより、ゲーム画像のスタイルをリアルタイムに変化させることができる。

第５の実施形態の一側面として、レンダリングに用いられる３Ｄバッファに対してスタイルトランスファーを適用することができる。これにより、ユーザに対して表示される３ＤＣＧのマップ全体のスタイルを、ゲームにおける各種の条件などに基づいて変換することができる。

第５の実施形態の一側面として、レンダリングに用いられる中間バッファに格納されたデータに対してスタイルトランスファーを適用することにより、スタイルトランスファーが適用されたデータを、中間バッファの出力として得ることができる。カラー情報や、光の反射情報などの各種の観点で切り出された、レンダリングの途中段階における一部のデータに対してスタイルトランスファーを適用することができるので、きめ細やかなスタイル変換やスタイル制御を行うことができるようになる。また、スタイトランスファーが適用されたデータを用いて最終画像を生成することにより、ユーザに提供する最終画像による表現力をさらに増大させることができる。

第５の実施形態の一側面として、進行中のビデオゲーム等に係る種々の条件に応じて、上述のバッファに対して異なるスタイルトランスファーを適用することができる。例えば、バッファが、ビデオゲームに登場するオブジェクトに対応するバッファである場合は、オブジェクト毎に異なるスタイルトランスファーを適用することができる。バッファが３Ｄバッファである場合は、例えばゲームに登場するキャラクタの感情（笑い、泣き、怒り等）に基づいて、マップ全体のタッチを変えることができる。キャラクタがゲーム中で用いた技や魔法の種類に基づいてマップ全体のタッチを変えることもできる。キャラクタの状態変化に基づいてマップ全体のタッチを変えても良い。バッファが中間バッファである場合は、キャラクタの感情、魔法の種類、状態変化等に基づいて、中間バッファが司る色（ＢａｓｅＣｏｌｏｒバッファ）、表面をメタル状にするか否か（Ｍｅｔａｌｌｉｃバッファ）、光の反射度合（Ｓｐｅｃｕｌａｒバッファ）、粗さ（Ｒｏｕｇｈｎｅｓｓバッファ）などを、対象のスタイル画像に基づいて個別に変換することができるようになる。

［第６の実施形態］
本発明の第６の実施形態の概要について説明をする。以下では、第６の実施形態として、サーバにおいて実行されるスタイルトランスファープログラムを例示して説明する。

図１３は、本発明の実施形態の少なくとも一つに対応するサーバの構成を示すブロック図である。サーバ１０の構成の例であるサーバ１０Ｚは、取得部１０１Ｚと、スタイルトランスファー部１０２Ｚと、出力部１０３Ｚとを少なくとも備える。サーバ１０Ｚが備えるプロセッサは、記憶装置に保持されたスタイルトランスファープログラムを参照し、そのプログラムを実行することにより、取得部１０１Ｚと、スタイルトランスファー部１０２Ｚと、出力部１０３Ｚとを機能的に実現する。

取得部１０１Ｚは、レンダリングに用いられるバッファからバッファデータを取得する機能を有する。スタイルトランスファー部１０２Ｚは、バッファデータに対して、複数のスタイル画像に基づいたスタイルトランスファーを適用する機能を有する。出力部１０３Ｚは、スタイルトランスファーが適用された後のデータを出力する機能を有する。

次に、本発明の第６の実施形態におけるプログラム実行処理について説明する。図１４は、本発明の実施形態の少なくとも一つに対応するスタイルトランスファープログラム処理の例を示すフローチャートである。

取得部１０１Ｚは、レンダリングに用いられるバッファからバッファデータを取得する（Ｓｔ６１）。スタイルトランスファー部１０２Ｚは、取得したバッファデータに対して、複数のスタイル画像に基づいたスタイルトランスファーを適用する（Ｓｔ６２）。出力部１０３Ｚは、スタイルトランスファーが適用された後のデータを出力する（Ｓｔ６３）。

スタイルは、たとえば建築、美術、音楽などにおける様式または型などを意味する。スタイルは例えば、ゴッホ風やピカソ風などの画風を意味してもよい。スタイルは、画像の形式（例えば色、所定の模様、またはパターン等）を意味してもよい。

レンダリングに用いられるバッファとは、例えば３次元のＣＧ画像をレンダリングする機能を有するレンダリングエンジンが用いるバッファなどを意味する。

レンダリングに用いられるバッファは３Ｄバッファであってよい。レンダリングに用いられる３Ｄバッファとは、例えば３次元空間を表現可能なデータを格納するバッファを意味する。

レンダリングに用いられるバッファは中間バッファであってもよい。レンダリングに用いられる中間バッファとは、レンダリング処理の途中で用いられるバッファである。中間バッファの一例として、ＲＧＢバッファ、ＢａｓｅＣｏｌｏｒバッファ、Ｍｅｔａｌｌｉｃバッファ、Ｓｐｅｃｕｌａｒバッファ、Ｒｏｕｇｈｎｅｓｓバッファ、Ｎｏｒｍａｌバッファなどがある。これらのバッファは、最終的に出力されるＣＧ画像が格納される最終バッファより前に配置されたバッファであり、最終バッファとは異なるバッファである。レンダリングに用いられる中間バッファは、列挙された前述のバッファには限られない。

なお、取得部１０１Ｚは、レンダリングに用いられるバッファ以外の場所から、スタイルトランスファーを適用する対象となるデータを取得してもよい。例えば取得部１０１Ｚは、メモリ１２や、サーバ１０Ｚからみた外部装置などから、スタイルトランスファーを適用する対象となるデータを取得してもよい。取得されるデータは、典型的には画像データであるが、それ以外の種類のデータ（例えば音声データ等）であってもよい。

スタイルトランスファー部１０２Ｚによるスタイルトランスファーの適用（ステップＳｔ６２）は、ニューラルネットワークの所定の層において複数のスタイル画像に基づくパラメータを混入し、かつ、前記複数のスタイル画像に基づいて定義された最適化関数に基づいて最適化処理を行って得られた学習済みのニューラルネットワークに、バッファデータを入力することにより行われる。以下、学習済みのニューラルネットワークについて説明する。

図１５は、本発明の実施形態の少なくとも一つに対応する、スタイルトランスファーに用いられるニューラルネットワークＮ２の構造例を示す概念図である。ニューラルネットワークＮ２は、入力画像に基づくピクセル群を潜在（Ｌａｔｅｎｔ）パラメータに変換する第１変換層と、畳み込み（Ｃｏｎｖｏｌｕｔｉｏｎ）等によりダウンサンプリングを行う１以上の層と、複数の残差ブロック（Ｒｅｓｉｄｕａｌ Ｂｌｏｃｋｓ）層と、アップサンプリングを行う層と、潜在（Ｌａｔｅｎｔ）パラメータをピクセル群に変換する第２変換層とを含む。なお、第２変換層の出力であるピクセル群に基づいて出力画像が得られる。

ニューラルネットワークＮ２の第１変換層とダウンサンプリングを行う層との間や、ダウンサンプリングを行う層に含まれる複数の畳み込み層同士の間等には全結合層が配置される。全結合層は、アフィン層（Ａｆｆｉｎｅ ｌａｙｅｒ）とも呼ばれている。

ニューラルネットワークＮ２のアフィン層Ａ１には、複数のスタイル画像に基づくパラメータが混入される。より具体的には、以下の通りである。

ニューラルネットワークＮ２のアフィン層Ａ１は、アフィン変換のパラメータをａおよびｂとし、画像のピクセルの潜在（Ｌａｔｅｎｔ）変数をｘとした場合、畳み込み層の出力の潜在変数ｘを、ｘ＊ａ＋ｂに変換する処理を行う層である。

ここで、任意のスタイル１とスタイル２とをブレンドする場合、スタイルトランスファー部１０２Ｚによる制御の下で、アフィン層Ａ１で行われる処理は以下の通りである。スタイル１に係るスタイル画像から導出されたアフィン変換パラメータをａ_１およびｂ_１とする。スタイル２に係るスタイル画像から導出されたアフィン変換パラメータをａ_２およびｂ_２とする。このとき、スタイル１とスタイル２とをブレンドする場合のアフィン変換パラメータはａ＝（ａ_１＋ａ_２）／２と、ｂ＝（ｂ_１＋ｂ_２）／２とになる。そして、アフィン層Ａ１においてｘ＊ａ＋ｂを計算することにより、スタイル１とスタイル２のブレンドを行うことができる。なお、前記はスタイル１とスタイル２とを均等に（それぞれ５０％ずつ）ブレンドする場合の計算式を示している。当業者の通常の知識に基づいて、スタイル１が８０％、スタイル２が２０％などのように、各スタイルに基づく影響度がそれぞれ異なる割合となるように重みづけを行った上でブレンドしてもよい。

ブレンドするスタイルの数は３以上であってもよい。ｎが３以上の自然数である場合に、ｎ個のスタイルをブレンドする場合のアフィン変換パラメータは、例えばａ＝（ａ_１＋ａ_２……＋ａ_ｎ）／ｎと、ｂ＝（ｂ_１＋ｂ_２……＋ｂ_ｎ）／ｎとであってよい。各スタイルに基づく影響度がそれぞれ異なる割合となるように重みづけを行った上でブレンドしてもよい点については、前述のスタイルの数が２の場合と同様である。

サーバ１０Ｚのメモリ１２等には、複数のスタイルについての変換パラメータａ_ｋおよびｂ_ｋ（ｋは１からｎまでの間の任意の自然数）が保存されていてよい。また、複数のスタイルについての変換パラメータは、例えば（ａ_１，ａ_２，……，ａ_ｎ）および（ｂ_１，ｂ_２，……，ｂ_ｎ）等のように、ベクトル形式でメモリ１２や記憶装置１３等に保存されていてもよい。各スタイルに基づく影響度がそれぞれ異なる割合となるように重みづけを行う場合は、各スタイルに応じた重みを示す値がメモリ１２や記憶装置１３等に保存されていてもよい。

次に、ニューラルネットワークＮ２について機械学習を行うための最適化関数について説明する。最適化関数は損失関数とも呼ばれることがある。ニューラルネットワークＮ２に対して、複数のスタイル画像に基づいて定義された最適化関数に基づいて最適化処理を行うことにより、学習済みのニューラルネットワークＮ２が得られる。なお、説明の便宜上、学習前後のそれぞれのニューラルネットワークについて、同じ参照符号であるＮ２が用いられている。

例えば、上述の関連する技術においては、以下のように定義された最適化関数が用いられている。

スタイル最適化関数：

コンテンツ最適化関数：

上述の最適化関数において、ｐは生成された画像を示す。生成された画像は、機械学習に用いられるニューラルネットワークの出力画像に相当する。ｓ（小文字のｓ）は例えば抽象絵画などのスタイル画像を示す。Ｕ_ｉは第ｉレイヤのユニットの総数を示す。Ｕ_ｊは第ｊレイヤのユニットの総数を示す。Ｇはグラムマトリクス（Ｇｒａｍ ｍａｔｒｉｘ）を示す。φ_ｉはＶＧＧ－１６アーキテクチャの第ｉ番目の活性化関数の出力を示す。Ｓ（大文字のＳ）はスタイルの最適化を計算するためのＶＧＧ－１６のレイヤ群を示す。ｃ（小文字のｃ）はコンテンツ画像を示す。Ｃ（大文字のＣ）はコンテンツ最適化関数を計算するためのＶＧＧ－１６のレイヤ群であり、ｊは当該レイヤ群に含まれるレイヤのインデックスである。絶対値記号に付加されたＦはフロベニウスノルムを意味する。

上述のスタイル最適化関数およびコンテンツ最適化関数によって定義された最適化関数の値を最小化するようにニューラルネットワークに対して機械学習を行い、学習後のニューラルネットワークに入力画像を入力することにより、スタイル画像が示すスタイルに近づくように変換がなされた出力画像がニューラルネットワークから出力される。

ここで、上記のような最適化関数を用いた最適化処理では、複数のスタイルをブレンドしてスタイルトランスファーを行う場合に、ブレンドの結果は改良の余地があるものとなった。

そこで、本発明の第６の実施形態においては、複数のスタイル画像に基づいて定義された最適化関数に基づいて最適化処理を行う。これにより、複数のスタイル画像に基づいた最適化を行うことができる。その結果、入力画像に対して複数のスタイルがきれいにブレンドされた出力画像を得ることができる。

より具体的には、最適化処理は、複数のスタイル画像から選ばれた任意の二つのスタイル画像に基づいて定義された第１の最適化関数を用いて最適化処理を行う、第１の最適化処理と、前記複数のスタイル画像における一つのスタイル画像に基づいて定義された第２の最適化関数を用いて最適化処理を行う、第２の最適化処理とを含んでいてよい。これにより、ブレンドしたいスタイルの数が３以上である場合に、好適な最適化を行う事ができる。その結果、入力画像に対して複数のスタイルがよりきれいにブレンドされた出力画像を得ることができる。

次に、第１の最適化関数および第２の最適化関数について説明する。第６の実施形態の一側面として、第１の最適化関数は以下の式（１）で定義されてよい。

第６の実施形態の一側面として、第２の最適化関数は以下の式（２）で定義されてよい。

上記の式において、

は複数のスタイル画像からなるスタイル画像群であり、ｑおよびｒはスタイル画像群に含まれる任意のスタイル画像を示す。ただし、ｑとｒは互いに異なるスタイル画像である。N_ｉ，ｒはφ_ｉ特徴マップの行数である。N_ｉ，ｃはφ_ｉ特徴マップの列数である。ｐ、ｓ（小文字のｓ）、Ｇ、φ_ｉ、Ｓ、ｃ（小文字のｃ）、およびＦについては、上述の関連する技術におけるものと同様である。

上記の第１の最適化関数は、生成された画像をｐとし、複数のスタイル画像から選ばれた任意の二つのスタイル画像をｑおよびｒとしたときに、画像ｐに所定の演算を行って得られた値と、スタイル画像ｑおよびｒにそれぞれ前記所定の演算を行って得られた値の平均値と、の間のノルムを合算する関数である。上記の式（１）は、所定の演算が、

である場合を示している。所定の演算は、上記以外の演算であってもよい。

上記の第２の最適化関数は、生成された画像をｐとし、スタイル画像をｓとしたときに、画像ｐに所定の演算を行って得られた値と、スタイル画像ｓに前記所定の演算を行って得られた値との間のノルムを合算する関数である。上記の式（２）は、所定の演算が、

である場合を示している。所定の演算は、上記以外の演算であってもよい。

次に、上述の第１の最適化関数および第２の最適化関数を用いた最適化処理の例について説明する。

図１６は、本発明の実施形態の少なくとも一つに対応する最適化処理の処理例を示すフローチャートである。ここでは、第１の最適化関数が上記の式（１）で定義される関数であり、第２の最適化関数が上記の式（２）で定義される関数である場合の処理例について説明する。

最適化処理の処理主体は、装置が備えるプロセッサである。プロセッサを備えた装置（以下、装置Ａ）は上述のサーバ１０Ｚであってよい。この場合、図１に示したプロセッサ１１が処理主体となる。プロセッサを備えた装置Ａは、サーバ１０Ｚ以外の他の装置（例えば、ユーザ端末２０や他のサーバ等）であってもよい。

ブレンドされるスタイルの数をｎとする。プロセッサは、スタイル画像群に含まれるｎ個のスタイル画像の中から、任意の二つのスタイル画像ｑおよびｒを選択する（Ｓｔ７１）。

プロセッサは、選択されたスタイル画像ｑおよびｒについての第１の最適化関数の値を最小化するように最適化を行う（Ｓｔ７２）。なお、生成された画像ｐについては、プロセッサがニューラルネットワークの出力画像を画像ｐとして取得する。ニューラルネットワークは、装置Ａに実装されていてもよく、装置Ａ以外の他の装置に実装されていてもよい。

プロセッサは、_ｎＣ_２通りの全パターンにつき最適化を行ったか否かを判定する（Ｓｔ７３）。すなわちプロセッサは、ｎ個のスタイル画像の中から任意の二つのスタイル画像ｑおよびｒを選択することについて、全てのパターンを処理済みであるか否かを判定する。_ｎＣ_２通りの全パターンにつき最適化を行った場合（Ｓｔ７３：ＹＥＳ）、ステップＳｔ７４へと処理が遷移する。_ｎＣ_２通りの全パターンにつき最適化を行っていない場合（Ｓｔ７３：ＮＯ）、ステップＳｔ７１へと処理が戻り、プロセッサが次の二つのスタイル画像ｑおよびｒの組み合わせを選択する。

プロセッサは、スタイル画像群に含まれるｎ個のスタイル画像の中から、一つのスタイル画像ｓを選択する（Ｓｔ７４）。

プロセッサは、選択されたスタイル画像ｓについての第２の最適化関数の値を最小化するように最適化を行う（Ｓｔ７５）。なお、生成された画像ｐについては、プロセッサがニューラルネットワークの出力画像を画像ｐとして取得する。ニューラルネットワークは、装置Ａに実装されていてもよく、装置Ａ以外の他の装置に実装されていてもよい。

プロセッサは、_ｎＣ_１通りの全パターンにつき最適化を行ったか否かを判定する（Ｓｔ７６）。すなわちプロセッサは、ｎ個のスタイル画像の中から任意のスタイル画像ｓを選択することについて、全てのパターンを処理済みであるか否かを判定する。_ｎＣ_１通りの全パターンにつき最適化を行った場合（Ｓｔ７６：ＹＥＳ）、図１６に示した最適化処理は終了する。_ｎＣ_１通りの全パターンにつき最適化を行っていない場合（Ｓｔ７６：ＮＯ）、ステップＳｔ７４へと処理が戻り、プロセッサが次の一つのスタイル画像ｓを選択する。

スタイルトランスファー部１０２Ｚは、例えば上記のようにして最適化が行われた学習済みのニューラルネットワークＮ２の第１変換層に、取得部１０１Ｚが取得したバッファデータを入力する。これにより、ｎ個のスタイル画像がきれいにブレンドされたスタイルトランスファーの適用後のデータがニューラルネットワークＮ２の第２変換層から出力される。

関連する技術における最適化処理に基づいて出力された画像データの場合、複数のスタイルのブレンド結果がぶれて、色が平均化されるだけであった。一方、本発明の第６の実施形態に係る上記の最適化処理に基づいて出力された出力画像の場合、色とパターンがきれいにブレンドされる。

出力部１０３Ｚによるスタイルトランスファー適用後のデータの出力先は、取得部１０１Ｚがバッファデータを取得したバッファとは異なるバッファであってよい。より特定的には、前記取得部１０１がバッファデータを取得したバッファを第１バッファとした場合、スタイルトランスファーの適用後のデータの出力先は、第１バッファとは異なる第２バッファであってよい。第２バッファは、レンダリング処理において第１バッファの後に用いられるバッファであってもよい。

その他、出力部１０３Ｚによるスタイルトランスファーの適用後のデータの出力先は、サーバ１０Ｚが備える出力装置であってよく、サーバ１０Ｚから見た外部装置であってもよい。

第６の実施形態の一側面として、複数のスタイル画像に基づいたスタイルトランスファーにおいて、複数のスタイル画像に基づいて定義された最適化関数に基づいて最適化処理を行うことにより、出力画像におけるスタイルのブレンドについての品質を向上させることができる。

第６の実施形態の一側面として、任意の二つのスタイル画像についての最適化を行ってから、各スタイル画像について最適化を行うことにより、出力画像におけるスタイルのブレンドについての品質をさらに向上させることができる。

第６の実施形態の一側面として、二つのスタイル画像に由来するそれぞれの値の平均を取ってから、生成された画像との間のノルムを計算することにより、二つのスタイル画像に対してバランス良く最適化を行うことができる。

第６の実施形態の一側面として、第１の最適化関数が上述の式（１）で定義される関数であることにより、複数のスタイル画像に応じて色とパターンがきれいにブレンドされた出力画像を得ることができる。

第６の実施形態の一側面として、二つのスタイル画像を選択して最適化を行った後に、各スタイル画像についての最適化も行う事により、各スタイル画像のそれぞれに対してもバランス良く最適化を行うことができる。

第６の実施形態の一側面として、第２の最適化関数が上述の式（２）で定義される関数であることにより、各スタイル画像に応じて色とパターンがきれいにブレンドされた出力画像を得ることができる。

以上に説明したように、本願の各実施形態により１または２以上の不足が解決される。なお、夫々の実施形態による効果は、非限定的な効果または効果の一例である。

上述した各実施形態では、ユーザ端末２０およびサーバ１０は、自己が備える記憶装置に記憶されている各種制御プログラム（例えば、スタイルトランスファープログラム）に従って、上述した各種の処理を実行する。また、ユーザ端末２０やサーバ１０に限られない他のコンピュータが、自己が備える記憶装置に記憶されている各種制御プログラム（例えば、スタイルトランスファープログラム）に従って、上述した各種の処理を実行してもよい。

また、ビデオゲーム処理システム１００の構成は、上述した各実施形態の例として説明した構成に限定されない。例えばユーザ端末が実行する処理として説明した処理の一部または全部をサーバ１０が実行する構成としてもよいし、サーバ１０が実行する処理として説明した処理の一部または全部をユーザ端末２０が実行する構成としてもよい。また、サーバ１０が備える記憶部（記憶装置）の一部または全部をユーザ端末２０が備える構成としてもよい。すなわち、ビデオゲーム処理システム１００における、ユーザ端末とサーバのどちらか一方が備える機能の一部または全部を、他の一方が備える構成とされていてもよい。

また、プログラムが、上述した各実施形態の例として説明した機能の一部または全部を、通信ネットワークを含まない装置単体に実現させる構成としてもよい。

［付記］
上述した実施形態の説明は、少なくとも下記発明を、当該発明の属する分野における通常の知識を有する者がその実施をすることができるように記載した。
［１］
サーバに、
レンダリングに用いられるバッファからバッファデータを取得する取得機能と、
前記バッファデータに対して、１以上のスタイル画像に基づいたスタイルトランスファーを適用する、スタイルトランスファー機能と、
スタイルトランスファーが適用された後のデータを出力する出力機能と、
を実現させるためのスタイルトランスファープログラム。
［２］
前記バッファは３Ｄバッファである、
［１］に記載のスタイルトランスファープログラム。
［３］
前記バッファは中間バッファである、
［１］に記載のスタイルトランスファープログラム。
［４］
前記サーバに、
所定の条件に基づいて、前記１以上のスタイル画像を選択する、スタイル画像選択機能を
実現させるための［１］から［３］のうちいずれか一項に記載のスタイルトランスファープログラム。
［５］
前記スタイルトランスファー機能では、前記バッファデータに対して、複数のスタイル画像に基づいたスタイルトランスファーを適用する機能を実現させ、
前記スタイルトランスファーの適用は、ニューラルネットワークの所定の層において複数のスタイル画像に基づくパラメータを混入し、かつ、前記複数のスタイル画像に基づいて定義された最適化関数に基づいて最適化処理を行って得られた学習済みのニューラルネットワークに、前記バッファデータを入力することにより行われる、
［１］から［４］のうちいずれか一項に記載のスタイルトランスファープログラム。
［６］
前記最適化処理は、前記複数のスタイル画像から選ばれた任意の二つのスタイル画像に基づいて定義された第１の最適化関数を用いて最適化処理を行う、第１の最適化処理と、
前記複数のスタイル画像おける一つのスタイル画像に基づいて定義された第２の最適化関数を用いて最適化処理を行う、第２の最適化処理とを含む、
［５］に記載のスタイルトランスファープログラム。
［７］
前記第１の最適化関数が、
生成された画像をｐとし、前記複数のスタイル画像から選ばれた任意の二つのスタイル画像をｑおよびｒとしたときに、画像ｐに所定の演算を行って得られた値と、スタイル画像ｑおよびｒにそれぞれ前記所定の演算を行って得られた値の平均値と、の間のノルムを合算する関数である、
［６］に記載のスタイルトランスファープログラム。
［８］
前記第１の最適化関数が、

である、
［７］に記載のスタイルトランスファープログラム。
［９］
前記第２の最適化関数が、
生成された画像をｐとし、スタイル画像をｓとしたときに、画像ｐに所定の演算を行って得られた値と、スタイル画像ｓに前記所定の演算を行って得られた値との間のノルムを合算する関数である、
［６］から［８］のうちいずれか一項に記載のスタイルトランスファープログラム。
［１０］
前記第２の最適化関数が、

である、
［９］に記載のスタイルトランスファープログラム。
［１１］
［１］から［１０］のうちいずれか一項に記載のスタイルトランスファープログラムがインストールされたサーバ。
［１２］
［１］から［１０］のうちいずれか一項に記載のスタイルトランスファープログラムがインストールされたコンピュータ。
［１３］
コンピュータによるスタイルトランスファー方法であって、
レンダリングに用いられるバッファからバッファデータを取得する取得処理と、
前記バッファデータに対して、１以上のスタイル画像に基づいたスタイルトランスファーを適用する、スタイルトランスファー処理と、
スタイルトランスファーが適用された後のデータを出力する出力処理とを含む、
スタイルトランスファー方法。

本発明の実施形態の一つによれば、ユーザに提供する画像の表現力を増大させるスタイルトランスファープログラムおよびスタイルトランスファー方法として有用である。

１０、１０Ａ、１０Ｂ、１０Ｃ、１０Ｄ、１０Ｙ、１０Ｚ サーバ
１１ プロセッサ
１２ メモリ
１３ 記憶装置
２０、２０Ａ、２０Ｂ、２０Ｃ ユーザ端末
２１ プロセッサ
２２ メモリ
２３ 記憶装置
３０ 通信ネットワーク
１００ ビデオゲーム処理システム
１０１、１０１Ｂ、１０１Ｃ、１０１Ｙ、１０１Ｚ 取得部
１０２、１０２Ｄ、１０２Ｙ、１０２Ｚ スタイルトランスファー部
１０３、１０３Ｙ、１０３Ｚ 出力部
１０４Ｙ スタイル画像選択部
Ｎ１、Ｎ２ ニューラルネットワーク

Claims (6)

1. サーバに、
   レンダリングに用いられるバッファからバッファデータを取得する取得機能と、
   前記バッファデータに対して、１以上のスタイル画像に基づいたスタイルトランスファーを適用する、スタイルトランスファー機能と、
   スタイルトランスファーが適用された後のデータを出力する出力機能と、
   を実現させるためのスタイルトランスファープログラムであって、
   前記スタイルトランスファー機能では、前記バッファデータに対して、複数のスタイル画像に基づいたスタイルトランスファーを適用する機能を実現させ、
   前記スタイルトランスファーの適用は、ニューラルネットワークの所定の層において複数のスタイル画像に基づくパラメータを混入し、かつ、前記複数のスタイル画像に基づいて定義された最適化関数に基づいて最適化処理を行って得られた学習済みのニューラルネットワークに、前記バッファデータを入力することにより行われ、
   前記最適化処理は、前記複数のスタイル画像から選ばれた任意の二つのスタイル画像に基づいて定義された第１の最適化関数を用いて最適化処理を行う、第１の最適化処理と、
   前記複数のスタイル画像おける一つのスタイル画像に基づいて定義された第２の最適化関数を用いて最適化処理を行う、第２の最適化処理とを含む、
   スタイルトランスファープログラム。
2. 前記バッファは３Ｄバッファである、
   請求項１に記載のスタイルトランスファープログラム。
3. 前記バッファは中間バッファである、
   請求項１に記載のスタイルトランスファープログラム。
4. 前記サーバに、
   所定の条件に基づいて、前記１以上のスタイル画像を選択する、スタイル画像選択機能を
   実現させるための請求項１から請求項３のうちいずれか一項に記載のスタイルトランスファープログラム。
5. 請求項１から請求項４のうちいずれか一項に記載のスタイルトランスファープログラムがインストールされたサーバ。
6. コンピュータによるスタイルトランスファー方法であって、
   レンダリングに用いられるバッファからバッファデータを取得する取得処理と、
   前記バッファデータに対して、１以上のスタイル画像に基づいたスタイルトランスファーを適用する、スタイルトランスファー処理と、
   スタイルトランスファーが適用された後のデータを出力する出力処理とを含み、
   前記スタイルトランスファー処理では、前記バッファデータに対して、複数のスタイル画像に基づいたスタイルトランスファーを適用する処理をし、
   前記スタイルトランスファーの適用は、ニューラルネットワークの所定の層において複数のスタイル画像に基づくパラメータを混入し、かつ、前記複数のスタイル画像に基づいて定義された最適化関数に基づいて最適化処理を行って得られた学習済みのニューラルネットワークに、前記バッファデータを入力することにより行われ、
   前記最適化処理は、前記複数のスタイル画像から選ばれた任意の二つのスタイル画像に基づいて定義された第１の最適化関数を用いて最適化処理を行う、第１の最適化処理と、
   前記複数のスタイル画像おける一つのスタイル画像に基づいて定義された第２の最適化関数を用いて最適化処理を行う、第２の最適化処理とを含む、
   スタイルトランスファー方法。

Images