1．イラストの研究の進展

　画像の認識，そして生成の分野は近年の深層学習技術の発展により目覚ましい発展を遂げている．それに伴い絵画の分野，更にはイラストやアニメーションへの研究も進んできている．イラストやアニメーションの分野はタブレットを用いたディジタル作画が中心となってきており，画像の認識・理解の技術が応用しやすい分野である．しかしながら自然画像とは異なる特徴も多く，自然画像向けの手法がそのまま利用できない問題も多い．例えば線画を介して描かれるイラストでは，自然画像に比べて画像の勾配が疎であり，画像認識で有用とされる局所的な勾配の情報が使いにくい．また，人物画に限っても，頭髪の色，瞳の色や大きさは実際の人間よりも多様な描かれ方をしているため，統計的に推測することが難しい．

　自然画像に比べてまだ少なくはあるが，この分野でも，深層学習技術の実用例が幾つか現れ始めている．本稿では筆者が所属する(株)ドワンゴDwango Media Village（以下，DMV）での事例を交えて，イラスト・アニメーション分野での深層学習技術の実用化について紹介する．以降の章では，画風の転写，スケッチからの画像検索，イラストの生成，半自動着色，アニメーションでの中割り^(用語)についてイラスト分野の研究とその実用例について述べる．

　最後に，これらの事例を通じて，深層学習技術を創作者の創作支援につなげる研究に今後必要とされる要素について考察する．

2．画風の理解と転写

　イラストの分野における深層学習の先行事例として，絵画の画風の分類が挙げられる⁽¹⁾．この研究では，印象派などの画風という抽象的なクラスの認識に畳込みニューラルネットワークが利用できることを示し，また，8万5,000点の絵画のデータセットを提供した．

　その後，学習済みモデルを用いた画風転写の成功事例により，更に画風の理解の分野への注目が集まった^(2),(3)．この研究では，自然画像で学習したニューラルネットワークモデルであっても，それを利用して，絵画の画像処理ができることを示し，大規模なデータセットの存在しない絵画分野においても深層学習の適用可能性を示した．