Download to read offline
サポートベクターマシンを用いたAXL新作タイトルにおける青山ゆかり担当キャラクターの予測
- 1.
- 2. 背景 • 近年、青山ゆかりの出演数が減少している 34 28 30 25 29 22 20 18 10 7 0 5 10 15 20 25 30 35 40 2007 20082009 2010 2011 2012 2013 2014 2015 2016 (出典 : https://erogamescape.dyndns.org/~ap2/ero/toukei_kaiseki/ creater_allgame.php?creater=5809)
- 3. 背景 • そんな中、AXLでは全12作品においてメイン ヒロインに起用されている • ファンにとって、AXL新作における担当 キャラクターの予測は恒例行事となっている •青山ゆかり担当キャラクターの正確な予測手法 が求められる
- 4.
- 5. 提案手法 • サポートベクターマシン (SVM-Lightを使用)に より予測する •メインビジュアルのみを使用し、 目視により画像から特徴量を抽出する • 情報公開初期段階における予測をイメージ
- 6. サポートベクターマシン • 教師あり学習 • 入力(x)と出力(y)の組からなる教師事例を もとに学習を行い、出力が未知である入力 事例に対して正しい出力を予測させる •サポートベクターマシン (SVM) • 教師あり学習において クラスの数が２つである 問題に用いられる 線形分類器 ( http://gci.t.u-tokyo.ac.jp/tutorial/supervised/より引用 )
- 7. SVM-Light • C言語で実装されたSVMを利用するためのツール • 公式サイトhttp://svmlight.joachims.org/ • フリーで公開されており、誰でも簡単に使用で きます • 参考にさせていただいたサイト • インストール方法 • http://www.kazamiya.net/svm/svm-light_install.html • 使用方法 • http://www.kazamiya.net/svm/svm-light_option.html
- 8. 教師データ • AXL過去作の全12作品のメインビジュアル • メインヒロインは合計57名 •正例 12名 • 負例 45名
- 9. 特徴量 • メインビジュアルの画像から目視により抽出 • 画像から読み取れる6つの点に注目し、 合計28個の特徴量を抽出 •髪の色 (11種類) • 髪の長さ (3段階) • 髪型 (3種類) • 瞳の色 (7種類) • 目の角度 (2段階) • バストサイズ (3段階)
- 10. 例 • シャルロッテ・ティーガー (愛しい対象の護り方) •髪色 →黄 (金も黄に含める) • 髪の長さ →ロング • 髪型 →ストレート • 瞳色 →緑 • 目 →つり • バスト →小さい
- 11.
- 12.
- 13. 実験１ 新作の予測 キャラ名 ジーニアピオニィ コーリオ シズル スコア 順位 担当声優
- 14. 実験１ 新作の予測 キャラ名 ジーニアピオニィ コーリオ シズル スコア -0.8954 -0.6464 -1.0797 -0.7062 順位 3位 1位 4位 2位 担当声優
- 15. 実験１ 新作の予測 キャラ名 ジーニアピオニィ コーリオ シズル スコア -0.8954 -0.6464 -1.0797 -0.7062 順位 3位 1位 4位 2位 担当声優 スコアが正方向に大きいほど、 青山ゆかり担当キャラに近い ことを表す
- 16. 実験１ 新作の予測 キャラ名 ジーニアピオニィ コーリオ シズル スコア -0.8954 -0.6464 -1.0797 -0.7062 順位 3位 1位 4位 2位 担当声優 上原あおい 青山ゆかり 桃井いちご 桃井穂美
- 17. 実験１ 新作の予測 キャラ名 ジーニアピオニィ コーリオ シズル スコア -0.8954 -0.6464 -1.0797 -0.7062 順位 3位 1位 4位 2位 担当声優 上原あおい 青山ゆかり 桃井いちご 桃井穂美 的 中
- 18. 実験２ 過去作では？ • 過去作全12作品をそれぞれテストデータに使用 •その過去作以外の12作品(新作込)を 教師データに使用
- 19. 作品名 ヒロイン 順位予測 正解 ひだまり ５ ３ キミの声がきこえる ７ １ 恋する乙女と守護の楯 ５ ４ Princess Frontier ４ １ Like a Butler ４ ４ かしましコミュニケーション ４ ２ 実験２ 過去作では？
- 20. 作品名 ヒロイン 順位予測 正解 愛しい対象の護り方 ４ ２ Dolphin Divers ４ ２ 百花繚乱エリクシル ５ ２ レーシャル・マージ ５ １ あやかしコントラクト ５ ３ 恋楯 ～薔薇の聖母～ ５ １ 実験２ 過去作では？
- 21. 実験２ 過去作では？ • １位的中率 •５/13 (38.46%) • ２位以内的中率 • ９/13 (69.23%) • 現在に近づくほど精度が良くなる傾向に • 起用の方向性が定まってきたため？
- 22. 今後の(やらない)課題 • 今回使用した特徴量の吟味と重み付け • 特徴量の追加 •キャラクター名 • キャラクター説明文 • 服装 etc • 同じ特徴量を用いた他アルゴリズムによる予測 • ディープラーニングを用いたキャラクター画像 による予測 • 誰かやって
- 23. まとめ • AXL新作『王の耳には届かない！』における 青山ゆかり担当キャラクターの予測に成功した • AXL過去作における予測を通じて、予測モデル の精度評価を行った •約３８%で１位、２位以内であれば約６９％ の精度で予測可能 • そもそも人間が見ても２択に絞れるぐらいの 目処は付くのではないだろうか • (今回の試みを真っ向から否定する結論)