Google Beamを紹介：次世代3Dビデオ会議ツール

ビデオ通話やバーチャルミーティングによってリモートワークが可能になり、チームは国やタイムゾーンを越えてつながり続けられるようになりました。これらは私たちの生活の一部となり、コミュニケーションの方法を変えました。

しかし、広く利用されているにもかかわらず、ビデオ会議を支える中核技術は長年ほとんど変わっていません。近年の進歩により、ビデオ会議プラットフォームはより自然で臨場感のある体験を目指し、変化し始めています。

興味深いことに、Googleは年次開発者カンファレンス（Google I/O 2025）で、Google Beamとして知られる新しいビデオコミュニケーションツールを発表しました。Beamは人工知能（AI）と3Dビデオ会議技術を活用し、従来の平面スクリーンを超えて、より没入感のある対面に近い体験を実現します。

図1. Google CEOのSundar PichaiがGoogle Beamを紹介（出典）。

実際、Google Beamは、会話している相手が目の前にいるように感じられるよう設計されています。通常のビデオ通話とは異なり、視線の合いや、見る角度に応じて変化する自然な動きなど、平面スクリーンでは失われがちな人間の微妙なサインを再現します。

この記事では、Google Beamとは何か、どのように開発されたのか、どのように動作するのか、そしてその用途について詳しく解説します。さっそく始めましょう。

Project StarlineからGoogle Beamへ#

Google Beamを詳しく見ていく前に、その前身であるProject Starlineについて理解を深めましょう。

2021年のGoogle I/Oで発表されたProject Starlineは、まるで同じ部屋にいるかのように、リモートコミュニケーションをより臨場感のあるものにすることを目指した研究プロジェクトです。リアルタイムで人物の等身大の3D画像を生成することで機能しました。この技術は大きな注目を集めましたが、複雑なセットアップと大規模なハードウェアが必要でした。

図2. Project Starlineの様子（出典）。

年月を経て技術が進歩する中、Googleはソフトウェアを改良し、ハードウェアを合理化しました。4年間の開発を経て、Project Starlineはよりコンパクトで使いやすいソリューションであるGoogle Beamへと進化しました。

Google BeamはAIを使用して、会話している人物のよりリアルで3Dに近い画像を生成し、ビデオ通話を強化します。通常の2D映像を、さまざまな角度に応じて変化するビューに変換することで、視線を合わせやすくし、表情を見やすくします。また、リアルタイム翻訳、頭部トラッキング、空間オーディオなどの機能も備えています。

Google Beamの概要#

Google Beamは、拡張現実（AR）や仮想現実（VR）のヘッドセットなどの追加アクセサリなしで動作するよう開発されています。代わりに、3D映像を生成するためのディスプレイ、カメラシステム、ハードウェアを内蔵しています。これにより、一般的なビデオ会議よりも自然で快適、かつ魅力的なビデオ通話を実現します。

図3. Google Beamの使用例（出典）。

Google Beamがリアルなバーチャルミーティングを実現する仕組み#

Google Beamがどのように誕生したかを説明したところで、次にその仕組みを詳しく見ていきましょう。

没入型リモートコラボレーションのための画像キャプチャ#

すべては映像情報のキャプチャから始まります。Beamは6台の高解像度カメラを使用し、異なる角度から同時に画像を撮影します。

これらのカメラは、顔の特徴、ボディランゲージ、細かな動きをリアルタイムでトラッキングするのに役立ちます。AIは、カメラ設定を最適化し、すべての映像フィードを完全に同期させるという重要な役割を担います。これにより、システムは次の段階であるデータ処理に備えます。

2D画像から3Dビデオ会議へ#

次にAIを使用して、6つの2Dカメラフィードを組み合わせ、映っている人物のリアルタイム3Dモデルを生成します。単に2D画像を重ねるのではなく、奥行き、影、空間的な位置関係を再構築し、完全な3Dデジタルツインを作成します。

この3Dモデルを構築するため、BeamはAIと、深度推定やモーショントラッキングなどのコンピュータービジョン技術を使用します。これらの手法により、人物がカメラからどの程度離れているか、どのように動いているか、体がどのような位置にあるかを判断できます。このデータを使って、システムは顔の特徴や体の各部位を3D空間内に正確にマッピングできます。

Beamの基盤となるAIモデルは、会話を滑らかで臨場感のあるものに保つため、3D表現を毎秒60 フレーム（FPS）で更新します。また、人物の動きを正確に反映するため、リアルタイムで調整も行います。

図4. Google Beamの6台のカメラが異なる角度から画像を撮影（出典）。

Google Beamのライトフィールドディスプレイシステム#

3Dモデルは、ライトフィールドディスプレイを使用して受信側のBeamシステムに表示されます。両目に同じ画像を表示する従来のスクリーンとは異なり、ライトフィールドディスプレイは左右の目にわずかに異なる画像を届け、現実に奥行きを知覚する仕組みを再現します。これにより、よりリアルで立体的な映像体験が生まれます。

図5. Google Beamを通じてバーチャルなハイタッチを交わす様子（出典）。

ミリメートル単位で正確なリアルタイム頭部トラッキング#

Google Beamの最も印象的な機能の1つは、リアルタイムAIトラッキング機能です。システムは正確な頭部および目のトラッキングを使用し、最小単位の動きまで追跡します。

例えば、BeamのAIエンジンはユーザーの頭の位置を継続的に追跡し、リアルタイムで画像を微調整できます。これにより、画面上の人物が本当に自分の向かいに座っているような印象が生まれます。頭を動かすと、実際の対面での会話と同じように、3D画像もそれに応じて移動します。

AIで強化されたバーチャルコミュニケーションのためのオーディオ処理#

Beamは、画面上で人物が表示されている位置に合わせた空間音響を使用することで、オーディオ体験も向上させます。誰かがディスプレイの左側にいる場合、その人の声は左側から聞こえるように感じられます。相手が位置を移動すると、オーディオも連動して調整されます。これにより会話がより自然に感じられ、余計な努力をせずに誰が話しているのかを脳が追いやすくなります。

これは、指向性オーディオ技術とリアルタイムトラッキングを組み合わせることで実現しています。Beamは、現実世界で音を自然に知覚する仕組み（音がどの方向から来て、どのように各耳に届くか）を再現するため、空間オーディオを使用します。また、システムは視聴者の頭の動きも追跡し、それに応じて音声出力を調整するため、音が画面上の人物に「付随」した状態を保ちます。

Google Beamの用途#

Google Beamはまだ初期段階にありますが、ビデオ会議分野で有望な可能性を示しています。主な用途を以下に示します。

• リモートコラボレーション： Google Beamは、特に経営層の議論や重要な交渉などの会議を、より親密で効果的なものにできます。ボディランゲージや視線の合いといった微妙な要素を捉えることで、遠く離れていても、その場にいるような感覚をもたらします。
• 教育： Beamは、バーチャルラーニングをより刺激的で利用しやすいものにする可能性があります。世界の反対側にいる学生に科学者がライブ講義を行い、まるで同じ部屋にいるかのように感じられる状況を想像してみてください。
• ヘルスケア： Beamは、リモート診療をより身近なものにできる可能性があります。医師と患者が互いの姿をはっきり見て自然に目を合わせられると、信頼が生まれ、やり取りがより人間らしく感じられます。
• クリエイティブ業界： アニメーター、アーティスト、プロデューサーなどのクリエイティブ分野で働く人にとって、Beamはリモートでのチームワークをより簡単で自然なものにできます。アイデアのブレインストーミングでもプロジェクトのレビューでも、ビデオ通話をしているというより、スタジオで一緒に座っているように感じられます。

Google Beamのメリットとデメリット#

Google Beamのようなイノベーションがもたらす主なメリットを以下に示します。

• ヘッドセット不要： 多くの没入型テクノロジーとは異なり、BeamはARまたはVRヘッドセットなしで動作します。これにより体験がより快適になり、乗り物酔いのような一般的な問題や、追加機器を装着する不便さを避けられます。
• スクリーン疲労の軽減：3Dディスプレイは、より自然で快適な視聴体験を提供するため、平面スクリーンを長時間見つめる場合と比べて目の疲れを軽減できます。
• リアルタイム言語翻訳： BeamはAIを活用したリアルタイム翻訳を組み込めるため、国際会議や学習環境で異なる言語を話す人々が自然にコミュニケーションしやすくなります。

Beamは有望な前進ですが、他の新技術と同様に、いくつかの制限もあります。考慮すべき点を以下に示します。

• ハードウェア要件： Beamには、ライトフィールドディスプレイや複数のカメラなど、専門的で高性能な機器が必要です。そのため、個人や小規模な組織にとっては高価で、利用しにくいものとなっています。
• 携帯性がない： Beamのシステムは固定設置向けに設計されており、簡単に移動できるものではありません。そのため、モバイル環境や変化する環境での柔軟性と利用が制限されます。

主なポイント#

Google Beamは、バーチャルコミュニケーションをより人間らしくするための興味深い一歩です。まだ初期段階ではありますが、会い、つながり、協働する方法を変革する可能性があります。高度なAI、3Dイメージング、空間オーディオを融合することで、より臨場感があり魅力的なリモート体験を実現します。

GoogleがBeamのハードウェアを改良し、さらに小型化し、将来的に一般ユーザーにも提供する可能性がある中、バーチャルコミュニケーションの未来に向けた新たな可能性が広がっています。ホログラフィック会議や3Dアバターなどの新しい技術トレンドとともに、Beamはバーチャルミーティングの新たな基準を打ち立てつつあります。

コミュニティに参加し、ライセンスオプションをご確認のうえ、今すぐコンピュータービジョンを始めましょう。GitHubリポジトリでAIについてさらに詳しく学べます。ソリューションページでは、小売業におけるAIや農業におけるコンピュータービジョンなど、さまざまなユースケースについてご覧いただけます。