アセット生成AIで作成したキャラクターをリリースした事例 ~これが『逆転オセロニア』のエイプリルフール！~

Copyright (C) 2022 DeNA Co.,Ltd. All Rights Reserved.
アセット生成AIで作成したキャラクターをリリースした事例
~これが『逆転オセロニア』のエイプリルフール！~
August 23, 2022
Takuma Yoshimura, Yuki Abe
DeNA Co., Ltd.

2

3 
オセロ・Othelloは登録商標です。TM&© Othello,Co. and MegaHouse / © 2016 DeNA Co.,Ltd.

4 
オセロ・Othelloは登録商標です。TM&© Othello,Co. and MegaHouse / © 2016 DeNA Co.,Ltd. 
スマホゲーム『逆転オセロニア』に
生成AI技術でつくった新キャラクターを実装しました

生成AIとは 
5 
音声生成
モデル
私の力は無限大ですのよ .wav 
0.7
-2.1
…
1.2
0.4
画像生成
モデル
音声生成AI 
画像生成AI

『逆転オセロニア』エイプリルフールでのAIによるキャラクターアセット生成 
6 
AIを使うなんて 
さすがオセロニアって感じ！ 
担当者の皆さん本当にお疲れさまです…！！ 
最高の4月1日をありがとうございました！ 
エイプリルフールにここまでするのは 
オセロニアだけなんじゃ？ 
最近のAI技術ってすごいなあ...

AIによるゲームキャラクターのアセット生成 
7 
前例のない未開拓領域

8 
ゲームというドメインと技術のアンマッチ 
● ゲームクリエイティブの高い要求水準 
● AIによる生成画像はそのままでは 
要求品質に達していると言い難い 
Why?
前例のない未開拓領域 
AIの生成品質 
ドメインからの要求水準  
ギ
ャ
ッ
プ

9 
ゲームというドメインと技術のアンマッチ 
● ゲームクリエイティブの高い要求水準 
● AIによる生成画像はそのままでは 
要求品質に達していると言い難い 
Why?
前例のない未開拓領域 
ドメインと技術のギャップを埋める創意工夫 
● 技術的アプローチ 
● 企画的アプローチ  AIの生成品質 
ギ
ャ
ッ
プ 
技術的 
アプローチ 
企画的 
アプローチ

アジェンダ 
10 
1. 講師紹介
2. 課題とアプローチ方針
3. エイプリルフール企画概観
4. 技術紹介と課題へのアプローチ
5. 企画詳解と課題へのアプローチ
6. 総括

アジェンダ 
11 
1. 講師紹介
6. 総括

講師紹介 
12 
● 2021年度新卒入社 
● AIスペシャリスト 
● 学生時代は画像生成について研究
 
● Kaggle Master 
○ 画像生成のコンペで準優勝 
○ その他2つのコンペで準優勝 
● 本案件においてはAI Engineerを担当
 
○ 社会人最初のプロジェクト 
● 2013年度新卒入社 
● 過去に複数のスマホゲーム運営に従事
 
○ エンジニア, PM 
● 現在AI活用を推進する横断組織に所属
 
● 本案件においてはAI PM/PdMを担当
 
● CEDEC2020に登壇 
吉村拓真  阿部佑樹 
https://www.slideshare.net/TakumaYoshimura/ss-238429447

アジェンダ 
13 
1. 講師紹介
6. 総括

AIによるキャラクター画像生成における課題 
14 
AIによる『逆転オセロニア』のキャラクター画像生成 
様々な課題に直面 
 
● 技術的課題 
○ 生成AI技術のコストと品質 
● 企画的課題 
○ “AI活用”を目的に据えることの難しさ 
○ ゲームクリエイティブ特有のコンテキスト

【技術的課題】生成AI技術のコストと品質 
15 
生成AIは極めて有望な技術だが... 
 
ゲームキャラクターの品質に達するには多大なコストを要する 
● 膨大な学習データの手配 
● ハイスペックサーバでの大規模学習

【技術的課題】生成AI技術のコストと品質 
16 
生成AIは極めて有望な技術だが... 
 
ゲームキャラクターの品質に達するには多大なコストを要する 
● 膨大な学習データの手配 
● ハイスペックサーバでの大規模学習 
 
→ビジネス応用上の壁 
コスト制約の範疇での解決が求められる

【企画的課題】“AI活用”を目的に据えることの難しさ 
17 
AIによる『逆転オセロニア』の 
キャラクター画像生成 
目的:

【企画的課題】“AI活用”を目的に据えることの難しさ 
18 
目的:  
❌ 
手段 
オセロニアンに面白い体験を 
お届けすること 
目的:

【企画的課題】ゲームクリエイティブ特有のコンテキスト 
19 
ゲームキャラクターの生成は特にハードルが高い 
● 世界観をダイレクトに表現 
○ 描き手と受け手の対話 
○ 99%の生成精度 → オセロニアンは残り1%の違和感を感じ取る！

課題の整理 
20 
● 生成AI技術のコストと品質 
○ 品質を高めるには多大なコストを要する 
 
 
● “AI活用”を目的に据えることの難しさ 
○ AI活用という手段を選ぶ合理性が問われる 
 
 
● ゲームクリエイティブ特有のコンテキスト 
○ オセロニアンだからこそ感じ取る1%の違和感

アプローチの方針 
21 
ギ
ャ
ッ
プ 
 
 
 
 

アプローチの方針 
22 
ギ
ャ
ッ
プ 
技術的 
アプローチ 
企画的 
アプローチ 
 
 
 
 

アジェンダ 
23 
1. 講師紹介
6. 総括

エイプリルフール企画概観 
24

25 
人気キャラクター「アポロン」はある日突然自己啓発本を出版した。 
本はたちまち話題になり「アポロン」によるサイン会が開催される。 
 
すると「夢属性」なる誰も知らない新属性を備えた 
見知らぬキャラクターたちがサイン会へ殺到！ 
その数なんと10,000体。 
ゲーム内のお知らせ画面が彼らの姿で溢れかえる未曾有の事態に。 
一部のキャラクターがアポロンの本に対し好き放題に書評を述べる様子も。 
 
さらには人気キャラクター 
「ヴィクトリア」「アズリエル」「レグス」 
と似てるけどどこか違う、 
そっくりさんキャラクターまで現れて...？ 
アポロン 
ヴィクトリア  アズリエル  レグス

「アポロン」が自己啓発本を出版。たちまちベストセラーに！ 
26 
サイン会に架空のキャラクター10,000体殺到！ 
 
お知らせ画面を占拠してしまう 
キャラクター画像は全てAIによって生成

好き勝手に書評を述べるキャラクターたちも登場 
27 
見知らぬキャラクターが一言書評を述べる 
 
そのバリエーションは膨大 
毎回異なるビジュアルのキャラクターが！ 
キャラクター画像は全てAIによって生成

大人気キャラクターたちのそっくりさんまで現れて...？ 
28 
キャラクター画像・ボイスは全てAIによって生成 
これが今回実装された 
生成AI技術で作られたプレイアブルキャラクター 
 
特定のPvEコンテンツを攻略することで入手可能 
ウィクトリア 
アスリエル 
レクス

● 「アポロン」がサイン会を開催 
 
● 架空のキャラクター10,000体が殺到 
○ お知らせ画面を占拠 
○ ガチャ画面で書評を述べるキャラも 
→キャラクター画像をAIで生成 
 
● 大人気キャラクターのそっくりさんも登場 
○ 「ヴィクトリア」→「ウィクトリア」 
○ 「アズリエル」　→「アスリエル」 
○ 「レグス」　　　→「レクス」 
→AIで生成されたプレイアブルキャラクター 
　キャラクター画像・ボイスをAIで生成 
29

アジェンダ 
30 
1. 講師紹介
6. 総括

アセットを生成するAI 
31 
“ai art”
AIで作成した画像作品
2021年末から度々バズる
※ 出典: https://trends.google.co.jp/trends/explore?date=today%205-y&q=ai%20art
(参照 2022/08/03)

32 
※ 出典: https://trends.google.co.jp/trends/explore?date=today%205-y&q=ai%20art
(参照 2022/08/03)

33 
オセロの駒の表面に描かれている
アニメキャラクター
DALL-E 
※ 出典: OpenAI,“DALL·E Now Available in Beta”
, https://openai.com/blog/dall-e-now-available-in-beta/
, (参照 2022/07/25)

34 
オセロの駒の表面に描かれている
アニメキャラクター
DALL-E 
※ 出典: OpenAI,“DALL·E Now Available in Beta”
, https://openai.com/blog/dall-e-now-available-in-beta/
, (参照 2022/07/25)

生成AIの強みと課題 
35 
Advantage Challenge
生成速度 → 物量クオリティの向上

生成AIの実応用における強みと困難 
36 
一定のコンテキストの上で
コンテンツとして自然に受け入れられる画像品質
Advantage Challenge

生成AIの実応用における方針 
37 
Advantage Limitation
【実用に耐える品質】
生成速度 → 物量
【世界観や企画で吸収可能なもの】
Advantage Challenge
方針

オセロニアのコンテキスト 
38 
着目したのは駒絵と呼ばれる「顔領域に絞ったキャラクター画像」の存在

オセロニアのコンテキスト 
39 
着目したのは駒絵と呼ばれる「顔領域に絞ったキャラクター画像」の存在
【実用に耐える品質】
生成速度 → 物量
【世界観や企画で吸収可能なもの】
方針 
の生成の利用

概要 
40 
オセロニアらしいキャラの顔画像をGANと呼ばれる手法によって大量に作成
● 既存アセットに迫る画像品質
● 圧倒的な物量
● 描画領域が顔周辺に限定
AI技術の一種

成果 
41

どれがAIで生成したキャラでしょう？ 
42 
※ 属性・レアリティ・レベルは全てランダムに割り振られています

赤枠がAIで生成したキャラ顔画像 
43 
※ 属性・レアリティ・レベルは全てランダムに割り振られています

技術詳細 
44 
オセロニアらしいキャラの顔画像をGANによって大量に作成
GANで生成AIモデルを学習
● オセロニアらしいキャラの顔画像をランダムに生成するモデル
● 低画質の画像を高画質化するモデル
オセロニアキャラのうち人型キャラの顔周辺領域をクロップしデータ作成
【データセット作成】
【モデル開発】

生成対象の決定 
45 
そもそもオセロニアのキャラ絵って？

オセロニアのキャラ絵の例 
46 
ド派手でエフェクトもりもり！
ポージングや構図も多様

オセロニアキャラ画像の多様性　 
47 
全体に渡ってぼやけている
＝データ全体の多様性が非常に高い
人型キャラの全画像の平均 
多様性の高いデータセットの学習は生成AIにとって非常に困難 
頭...???
身体...???

オセロニアキャラ顔画像の多様性 
48 
顔の輪郭や目口が浮き出て見える
＝データ全体の多様性に制限がある
人型キャラの顔領域の全画像の平均 
多様性を抑える → 学習難易度が下がる → 品質向上の確度が高まる 
輪郭
目
口

データセットの作成ポートレート 
49 
全身絵のあるキャラクター約5,000体から
1. 人型キャラの顔領域を検出するAIモデルで顔領域を抽出しクロップ
2. 全て目検して検出結果を必要に応じ修正
● PNGファイル 4,000枚弱 
● RGB (256, 256)px 
● 人型キャラ顔領域 
● アノテーションなし 
OthelloPortrait256px

AI技術の選定 
50 
● 学習能力（＝生成品質）の高いアルゴリズム
● 数千枚データで学習できるアルゴリズム
○ 一般的には精度の高いAIモデルの作成には大量データが必要
GANと呼ばれるAIモデル学習アルゴリズムを採用

GANとは？ 
51 
● 敵対的生成ネットワーク（Generative Adversarial Networks）の略称
● 生成AIモデルの学習アルゴリズムとして近年主流
● 2つのAIモデルを交互に訓練し続ける
Discriminator
生成AIモデル 
役割：画像を作り出す  
識別AIモデル 
役割：生成AIが作った画像か否
か判定する 
Generator

GANの学習 Discriminator #1 
52 
Generator Discriminator
乱数
データセットから「本物」データを取ってくる
Generatorに適当な値（今回は多次元の乱数）を入
力し生成された「偽物」データを取ってくる
0.7
-2.1
…
1.2
0.4

本物を本物と判定できるようにパラメータの更新（＝学習）を行う
53 
Discriminator
Discriminator
Lv UP!

偽物を偽物と判定できるようにパラメータの更新（＝学習）を行う
54 
Discriminator
Lv UP!

GANの学習 Generator #1 
55 
乱数乱数を元にデータを生成する
0.7
-2.1
…
1.2
0.4

56 
判定：偽物の確率75%  

Discriminatorが本物と誤判定してしまうような画像を生成できるようにパラメータの更
新（＝学習）を行う
57 
判定：偽物の確率45%  
Lv UP!

Discriminator → Generator → … と交互に学習を繰り返す
● Discriminator: 本物と偽物を具に見分けられるようになる
● Generator: 本物と見分けが付きにくい画像を生成できるようになる
GANの学習まとめ 
58

学習済みGeneratorの利用 
59 
Generator
0.7
-2.1
…
1.2
0.4
Generator
-3.1
1.1
…
-0.2
-1.4
入力する乱数を
変える
異なる画像が
出てくる

学習済みGeneratorによる大量キャラ生成 
60

学習済みGeneratorによる大量キャラ生成 
61

最終的には人手で全件確認 
62 
△ 
△ 
△ 
△ 
※ 実際には全て人手確認をパスしたもののみ表示しています

学習済みGeneratorの応用 
63 
Generator
0.7
-2.1
…
1.2
0.4
-3.1
1.1
…
-0.2
-1.4
Generator
0.7
-2.1
…
-0.2
-1.4
値を混合すると...  Generator

学習済みGeneratorの応用 
64 
Generator
0.7
-2.1
…
1.2
0.4
-3.1
1.1
…
-0.2
-1.4
Generator
0.7
-2.1
…
-0.2
-1.4
Generator
中間の性質を持った
画像を生成することが
可能！

そっくりさん生成 
65 
既存キャラについても、対応する変数を求めることができれば、類似の形質が混合され
た「そっくりさん」が生成できる
Generator
0.7
-2.1
…
1.2
0.4
?
?
…
?
?
Generator
0.7
-2.1
…
?
?
Generator
？ 
既存キャラ 
中間の性質を持った
画像を生成することが
可能？

そっくりさん生成結果 
66 
元画像

そっくりさん生成結果 
67 
元画像 
生成画像

音声合成AIとのコラボ 
68 
弊社で開発している音声合成AI を活用
音声合成
モデル
私の力は無限大ですのよ .wav 
私の力は無限大ですのよ
キャラの雰囲気にあった声色でキャラクターボイスを作成
→ 画像＋ボイスでプレイアブルキャラとして実装
テキストから人工的な音声を作り出すAI技術  
※ イベント終了に伴い2022/08/10現在は入手不可

いざ実機検証 
69 
(256, 256)pxの画像を生成
画面の大きな端末で表示すると
● ざらざら感
● ぼやけ感
が気になる...と気づいた
※ 開発中の画面をiPadに表示し別カメラで撮影したものです

超解像AIモデルの開発に着手 
70 
超解像：低解像度の画像をノイズ除去等しつつ高解像度化すること
単純に画像を拡大するより綺麗な結果が得られる
画質改善
モデル
超解像結果 
単に拡大した場合

超解像モデルの学習データセット作成 
71 
機械的な方法で画質を劣化させたオセロニアの画像データを用意
● 画像サイズをめっちゃ下げてから戻す
● 強烈にJPEG圧縮する
● など...
元画像  低画質

超解像モデルの学習タスク 
72 
機械的に画質を劣化させた画像から元画像を生成する
ノイズ除去しつつ画像サイズを2〜4倍にして出力
画質改善
モデル
？

超解像モデルの学習 
73 
正解画像との差分を直接計算し学習
概ね正しい結果になるがぼやけやすい傾向にある
画質改善
モデル
差分

74 
GANの手法を補助的に利用
高画質データにないぼやけを偽物の特徴として考える
画質改善
モデル
Discriminator
本物のデータは 
こんなにぼやけていない！  
差分

75 
直接の差分とGANによる判定のバランスを取りながら学習
→ 高精細な超解像を実現
画質改善
モデル
Discriminator

架空キャラ生成パイプライン 
76 
0.7
-2.1
…
1.2
0.4
キャラ生成
モデル
画質改善
モデル
256px 
512px

概要 
77 
オセロニアらしいキャラの顔画像をGANによって大量に作成
● 既存アセットに迫る画像品質
● 圧倒的な物量
● 描画領域が顔周辺に限定

アジェンダ 
78 
1. 講師紹介
6. 総括

生成AI技術の応用に際して埋めるべき”ギャップ” 
ギ
ャ
ッ
プ 
● AIの生成品質の実情 
○ 工夫なくそのまま応用することは困難 
 
 
○ オセロニアンだからこそ感じ取る1%の違和感 
79

ギ
ャ
ッ
プ 
 
 
技術的 
アプローチ 
顔領域に限定することによる所望の品質へのリーチ
生成AIの強み、武器の提示
● 圧倒的物量
● そっくりさん(2つの入力の形質を混合する)
80

ギ
ャ
ッ
プ 
 
 
技術的 
アプローチ 
顔領域に限定することによる所望の品質へのリーチ
生成AIの強み、武器の提示
● 圧倒的物量
● そっくりさん(2つの入力の形質を混合する)
企画的 
アプローチ 
81

エイプリルフール企画概観（再掲） 
82 
● 「アポロン」がサイン会を開催 
 
● 架空のキャラクター10,000体が殺到 
○ お知らせ画面を占拠 
○ ガチャ画面で書評を述べるキャラも 
→キャラクター画像をAIで生成 
 
● 大人気キャラクターのそっくりさんも登場 
○ 「ヴィクトリア」 
○ 「アズリエル」 
○ 「レグス」 
→キャラクター画像・ボイスをAIで生成

技術の強みと制約を踏まえたコンテンツ立案 
83 
10,000体が殺到するお知らせ画面 
 
 
 
● 10,000体 
→圧倒的物量という強み 
 
● 「駒絵」の見せ方 
→顔領域に限定という制約

84 
そっくりさん(プレイアブルキャラクター) 
 
 
 
● そっくりさん 
→2枚の入力の形質の混合という強み

85 
そっくりさん(プレイアブルキャラクター) 
 
 
 
● そっくりさん 
→2枚の入力の形質の混合という強み 
 
● 多様なバリエーションからの取捨選択 
→圧倒的物量という強み

ギ
ャ
ッ
プ 
→顔領域に限定することによる局所的な品質向上 
　＋AIの強みと制約を最大限意識したコンテンツ 
 
 
 
 
技術的 
アプローチ 
企画的 
アプローチ 
86

ギ
ャ
ッ
プ 
 
 
 
 
技術的 
アプローチ 
企画的 
アプローチ 
87

ギ
ャ
ッ
プ 
 
→”AI活用”そのもののエンタメ化 
 
 
→”AI活用”の事実のサプライズ化 
技術的 
アプローチ 
企画的 
アプローチ 
88

“AI活用”そのもののエンタメ化 
89 
目的:  
❌ 
手段 
目的:

90 
目的:  
❌ 
手段 
目的:  
❌ 
やっぱり目的

91 
目的:  
❌ 
手段 
目的:  
❌ 
やっぱり目的 
● 意外性はあるけどオセロニアンには関係ない話？ 
● 手段の目的化の言い換え。運営の自己満足では？

92 
目的:  
❌ 
手段 
目的:  
❌ 
やっぱり目的 
● 意外性はあるけどオセロニアンには関係ない話？ 
● 手段の目的化の言い換え。運営の自己満足では？ 
“エイプリルフール”なら...？

エイプリルフールだからこそ馴染む「手段のエンタメ化」 
93 
ゲーム業界のエイプリルフールネタ 
● 嘘のコラボ告知とか 
● SNSアカウントジャックとか

94 
「AI活用」という手段の独自性 = 面白さ 

95 
「AI活用」という手段の独自性 = 面白さ 
「面白い体験の提供」という目的に直結 

“AI活用”の事実のサプライズ化 
96 
4/1 4/2
AI活用の事実を伏せる  ネタばらし

 
97 
4/1 4/2
AI活用の事実を伏せる  ネタばらし 
カオスだ... 
特性を踏まえたAI活用

 
98 
4/1 4/2
10,000体って正気？  
カオスだ... 
人間のやることじゃない！ 
特性を踏まえたAI活用

99 
4/1 4/2
10,000体って正気？  
カオスだ... 
特性を踏まえたAI活用 
何か違う...？ 
1%の違和感

サプライズ効果を最大化する「認知のズレ」 
100 
4/1 4/2
10,000体って正気？  
カオスだ... 
特性を踏まえたAI活用 
何か違う...？ 
1%の違和感

ギ
ャ
ッ
プ 
 
● エイプリルフールの性質を利用 
 
● 生成AI技術ならではの強みを伏線に 
● 1%の違和感も伏線に 
技術的 
アプローチ 
企画的 
アプローチ 
101

ギ
ャ
ッ
プ 
 
● エイプリルフールの性質を利用 
 
● 生成AI技術ならではの強みを伏線に 
● 1%の違和感も伏線に 
技術的 
アプローチ 
企画的 
アプローチ 
「AIで生成されたプレイアブルキャラクター」を
エンタメのコンテキストに沿う形で実装
102

定性指標 - SNSにおける反響 
103 
今年のオセロニアは歴代で一番わけがわからなくて笑ってる 
それにしてもみんな顔がいい... 
実装されもしない新キャラ10,000体を書きおろしたオセロニア運営... 
絶対正気じゃない！ 
この無限とも言える量のキャラクター、どうやって生成したの？ 
オセロニア壊れちゃった

定量指標 - コンテンツプレイ率 
104 
昨年  今年 
100% 
110% 
131% 
エイプリルフールPvEコンテンツプレイ率 
 
目標: 昨年度比110% 
実績: 昨年度比131% 
 
 
 
AI活用を絡めたコンテンツにおいて 
アクティビティが大きく増進 
目標 
実績 
AI生成プレイアブルキャラクターを  
入手可能なコンテンツ

アジェンダ 
105 
1. 講師紹介
6. 総括

AIによって生成されたアセットを用いたプレイアブルキャラクターを実装 
106 
ギ
ャ
ッ
プ 
技術的 
アプローチ 
企画的 
アプローチ 
技術企画
AIの強みである圧倒的物量に支えられたコンテンツ  
AIが生成したアセットを用いたプレイアブルキャラクター

今後の展望 
107 
● 新たなドメイン領域 
○ 3Dアバターなど 
 
 
 
● 新たな技術領域 
○ 検索システムなど 
多角的なアセット制作支援

108

アセット生成AIで作成したキャラクターをリリースした事例 ~これが『逆転オセロニア』のエイプリルフール！~

More Related Content

What's hot

Similar to アセット生成AIで作成したキャラクターをリリースした事例 ~これが『逆転オセロニア』のエイプリルフール！~

アセット生成AIで作成したキャラクターをリリースした事例 ~これが『逆転オセロニア』のエイプリルフール！~