写真を深度マップに変換

ピクセルの明るさで距離を表すグレースケール画像で、多くの3D・合成ツールにそのまま読み込めます。主な用途は、After Effectsでの2.5D視差アニメーション、Blenderの変位マップ、合成時の被写界深度やフォグパス、ControlNetによる深度条件付き画像生成です。

いいえ。何かを測定する場合は、この点が重要です。得られるのは相対的な値で、1枚の画像内の各ピクセルを近い順から遠い順に並べ、その結果を0～255の全範囲に引き伸ばしています。同じ物体を2回撮影してもグレー値がまったく異なる場合があるため、2枚の写真の深度マップを比較したり、つなぎ合わせたりすることはできません。

ここでは1枚の平面写真から深度を推定するため、視覚的な手がかりが紛らわしい部分では正しく処理できません。髪の毛、金網、椅子の脚などの細い形状は背景になじむように平滑化されます。また、鏡、窓、水面などの反射・透明な表面は、表面そのものではなく、透けて見えるものや映り込んだものとして認識されます。

変位モディファイア、ControlNet、視差プラグインなど、機械で読み取る用途にはグレースケールを保存してください。これらは明るさを距離として解釈するため、カラー画像では正しく動作しません。ターボカラーは確認用です。グレーではほとんど見えない小さな深度差も、色の変化によって見分けやすくなります。

ControlNetでは可能です。グレースケール版を書き出し、そのPNGを深度ControlNetにそのまま読み込ませてください。Blenderでは用途によります。PNGはディスプレイスメントテクスチャやバンプテクスチャとして使えますが、値は実寸ではなく相対値です。そのため、現実の距離に合わせるのではなく、見た目を確認しながらディスプレイスメントの強度を調整することになります。どちらの場合もグレースケールで書き出してください。ターボカラーはマップを見やすくするためのもので、ソフトウェアへの入力には適していません。

初回は準備が必要なため、ほかのツールより少し時間がかかります。準備内容はその後も保持されるため、性能に余裕のあるマシンなら新しい写真を1～2秒で処理できます。古いマシンでは、さらに時間がかかります。

深度マップは元の写真と同じ縦横比で、長辺は最大1536ピクセルです。それより大きな画像を読み込んでも実際のディテールは増えず、処理時間とメモリ使用量が増えるだけです。