使えるフレームに必要なものはただ1つ、両目と鼻と口の両端がすべて見えていて、その位置を正確に割り出せる程度に鮮明に撮れた顔です。多くの人が気にすること——照明、背景、画像全体の解像度——は、それに比べればはるかに小さな問題です。
理由は機械的なものです。顔検索は5つの特徴点を検出し、それを使って顔を標準の姿勢へ変形させ、きつく切り取って残りを捨てます。特徴点が見えていて鮮明なら、そのフレームは通ります。そうでなければ、画質をどれだけ上げても救えません。
具体的に、何がフレームの良し悪しを決めるのか？
絵ではなく、顔を見て判断してください。
| 要素 | 良い | どちらとも言えない | 通らない |
|---|---|---|---|
| 顔の向き | 正面からおよそ30°まで | 30〜45°の向き | はっきりした横顔、後頭部 |
| 遮蔽 | 顔が完全に見えている | 片目に髪がかかっている | 手や物、あるいは濃い影が目や口にかかっている |
| 鮮明さ | 静止、またはゆっくりした動き | わずかなぶれ | 顔立ちを引き伸ばす被写体ブレ |
| フレーム内の顔の大きさ | 顔が画面のかなりの割合を占める | ミディアムショット | 引きの画で、顔の幅が数十画素 |
| 顔にあたる光 | 均一。明るくても暗くてもよい | 片側が影 | シルエット、白飛び |
| 圧縮 | プレーヤーからそのまま取り込んだもの | 保存し直したJPEG | スクリーンショットのスクリーンショット、強いノイズ |
| 背景 | 関係なし | 関係なし | 関係なし |
最後の行は冗談ではありません。この表でいちばん役に立つ行です。人は部屋が暗いから、散らかっているからという理由でフレームを捨ててしまいます。位置合わせは部屋を丸ごと切り落とします。顔を見て判断してください。
撮るときの手順は？
- 女優がカメラのほうを向いている瞬間まで送る。 台詞のある場面、冒頭、リアクションのカットがたいてい豊富です。5秒送るのはただですが、悪いフレームと格闘するのは高くつきます。
- 完全に一時停止する。 停止したフレームは鮮明です。再生中に、とくに詰まりがちな配信で掴んだフレームは、復号途中の不完全なフレームを捉えていることがあります。
- 端末のスクリーンショット機能を使う。 画面にスマートフォンのカメラを向けるのではありません。macOSなら内蔵のキャプチャ、WindowsならSnipping ToolかPrint Screen、モバイルならハードウェアボタンの組み合わせです。
- 元の解像度で取り込む。 プレーヤーが小さなウィンドウなら、先に最大化するか全画面にしてください。取り込まなかった細部は、あとから取り戻せません。
- 顔にきつく切り取っておかない。 撮ったままにしておくか、余裕をもって切り取ってください。位置合わせには特徴点の周りの余白が要ります。
- 選べるならPNGで保存する。 PNGは可逆です。低画質のJPEGで保存し直すと、まさに顔の細かい情報がある場所にノイズが乗ります。
- 試す価値のある別の顔がないか確かめる。 場面に複数の人物がいるなら、特定のチャンスも複数あるということです。
人間なら簡単に見分けられる横顔で、なぜ失敗するのか？
顔が横を向くと位置合わせに必要な特徴点が隠れてしまい、しかもエンコーダーは、そこまで横を向いていない顔で圧倒的に多く学習しているからです。
はっきりした横顔では、片目が見えず、口の端の片方も隠れていることがよくあります。そうなると位置合わせは見えていない位置を推定することになり、変形が狂います。出てくるベクトルは、ほとんど存在しない顔についての自信ありげな記述です。それでも結果は返ってきます。ただし返ってくるのは間違ったもので、しかも受け入れられそうに見えるスコアが付いています。
実践的な原則はこうです。両目がはっきり見えているなら、進んでください。片方しか見えないなら、別のフレームを探してください。
複数のフレームがあるとき、どれを選ぶべきか？
選べるなら、この処理の流れを生き延びる人物の信号がどれだけ多いかで順位を付けてください。
| 優先順位 | フレームの型 | 理由 |
|---|---|---|
| 1 | アップ、正面向き、一時停止、光が十分 | 特徴点の精度が最大になります |
| 2 | ミディアムショット、正面向き、鮮明 | 画素は減りますが、幾何は保たれます |
| 3 | ほどほどの角度のアップ | 角度の分だけ精度は落ちますが、取り返せます |
| 4 | 入手できるならジャケットや宣材のスチール | 索引を作った素材そのものであることが多いです |
| 5 | 引きの画、または急な角度 | 最後の手段 |
4行目は知っておく価値があります。索引の項目はジャケットとスチールから作られており、当サイトのものは106サイトにわたるその種の素材から取った241,792件の顔を収めています（当サイト索引、2026-08 時点のスナップショット）。動画のフレームではなくジャケット画像を見つけられるなら、索引そのものの分布により近い素材で検索していることになり、スコアもそれを反映しがちです。
そのフレームで十分だったかは、どう分かるのか？
順位ではなくスコアを読んでください。コサイン類似度は0から1までで、当サイトが動画のキャプチャ向けに較正した閾値は0.40です。
最良の結果が閾値をかなり下回っているなら、まず疑うのは索引ではなくフレームのほうです。ベクトル検索は、正解の人物が索引にいてもいなくても、手持ちで最も近い候補を返します。ですから低いスコアの並びは、「フレームが悪い」のか「索引されていない」のか、どちらとも取れます。同じ人物の2枚目のフレームがその曖昧さをただで解消してくれるので、それが常に次の一手になります。
述べておくべき限界： 完璧なフレームでも、当サイトが索引していない人物は見つけられませんし、当サイトの情報源は偏っています。名前の付いた女優2,333人のうち2,246人が、代表画像を単一のサイトから取っています。良いスクリーンショットは可能性を最大にしてくれますが、カバー範囲を作り出してはくれません。
関連する疑問
両目が見えていて被写体ブレのないフレームが手に入ったら、ここにアップロードしてください。検出はあなたのブラウザ内で動くので、顔が見つかったかどうかはその場で分かります。見つからなければ、そもそも何も送られていません。