コンピュータビジョンにおけるFPSが重要な理由と、それがリアルタイムの物体検出、ビデオ分析、およびAI搭載アプリケーションにどのように影響するかをご覧ください。
お気に入りのスポーツの瞬間をスローモーションでリプレイして、細部まで鮮明に見えるのを見るのと、通常はぎくしゃくして見づらい監視映像を見るのとは大きく異なります。これらの違いの背後にある重要な技術的詳細は、FPS（Frames Per Second）です。これは、ビデオで1秒あたりに表示されるフレーム数を指します。FPSが高いほど、滑らかでリアルな動きになり、FPSが低いほど、ぎくしゃくして詳細が少ない映像になる可能性があります。
この概念は、人間が行うのと同じように、機械が視覚データを解釈および分析できるようにするAIの分野であるコンピュータビジョンに直接影響します。コンピュータビジョンでは、FPSが高いほど、システムは1秒あたりにより多くの情報をキャプチャできるため、リアルタイムでの物体検出と追跡の精度が向上します。
この記事では、FPSの技術的な側面と、それがコンピュータビジョンアプリケーションにどのように関連しているかを探ります。それでは始めましょう！
例えば、あなたがレースゲームをプレイしているとしましょう。60 FPSでは、すべてのターンがスムーズで応答性が高いですが、20 FPSでは、コントロールにラグが生じ、障害物を避けるのが難しくなります。簡単に言うと、FPSは1秒間に表示される静止画の数と考えることができます。1秒あたりの画像が多いほど、動きが滑らかで自然に見え、画像が少ないと、動きが途切れ途切れに見えることがあります。
ゲームと同様に、FPSはコンピュータビジョンアプリケーションの重要な要素です。FPSが高いほど、Vision AIを使用してオブジェクトをスムーズに追跡できますが、FPSが低いと、詳細を見逃す可能性があります。
例えば、スポーツ分析では、AI搭載カメラは、速いパス、選手の動き、ボールの軌道を追跡するために、より高いFPSが必要です。FPSが低いと、重要な足とボールの接触や急速な方向転換を見逃し、分析の精度に影響を与える可能性があります。
同様に、交通監視では、システムはリアルタイムでスピード違反の車両や車線変更を検出するために、高いFPSに依存しています。適切なFPSの選択は、パフォーマンス、効率、視覚的な明瞭さのバランスを取りながら、各コンピュータビジョンアプリケーションの特定の要件によって異なります。
FPSとは何か、またそれがコンピュータビジョンでどのように使用されるかを説明したので、ビデオのFPSを計算する方法から始めて、その技術的な側面について掘り下げていきましょう。
総フレーム数を秒単位のデュレーションで割ると、ビデオのFPSが得られます。例えば、ビデオが4秒で96フレームの場合、24 FPSと計算されます。つまり、毎秒24枚の画像が表示されます。一方、4秒で32フレームの場合、8 FPSになります。 OpenCVのようなPythonライブラリを使用すると、ビデオのメタデータを抽出し、フレームをカウントし、FPSを自動的に計算できるため、ビデオ分析のプロセスを効率化できます。
ただし、コンピュータビジョンソリューションを開発する際に、技術的な意思決定を行うには、FPSを計算するだけでは十分ではありません。ハードウェアの性能、ソフトウェアの最適化、環境条件など、有効なフレームレートに影響を与える可能性のあるさまざまな要因を考慮することも重要です。
これらの要因について詳しく見ていきましょう。
リアルタイムのコンピュータビジョンタスクをサポートするUltralytics YOLO11のようなAIモデルを使用すると、高いフレームレートでビデオを分析できます。このリアルタイム機能は、自律走行、監視、ロボット工学などのアプリケーションにとって非常に重要であり、わずかな遅延でも重大なエラーにつながる可能性があります。
精度とパフォーマンスに高いFPSが不可欠な、実際のVision AIアプリケーションの例を見ていきましょう。
高速道路のような交通量の多いエリアを監視する監視システムは、高いFPSを使用して微細な詳細をキャプチャし、高速で移動する車両が明確に記録されるようにします。この明瞭さは、車両を正確に識別するために高品質の映像に依存する自動ナンバープレート認識（ANPR）システムにとって不可欠です。
このようなシステムでは、YOLO11のようなモデルを使用して、ビデオフィードから直接ナンバープレートを検出できます。プレートが検出されると、テキストの画像を機械可読文字に変換する光学文字認識（OCR）を使用して、プレートの詳細が読み取られます。このプロセスにより、迅速かつ正確な車両識別が可能になり、交通取り締まりと全体的なセキュリティが強化されます。
一時停止の標識がある場所で、自動運転車が安全に進めるかどうかを判断するために周囲の状況を注意深く分析しているとします。この車はほぼ瞬時に判断を下す必要があり、そのためには視覚データをリアルタイムで取得して処理する必要があります。
自律走行車に、より高いFPSで映像をキャプチャできるカメラが搭載されている場合、より連続的で詳細な画像ストリームを受信できます。この強化された視覚入力により、車は障害物、歩行者、および他の車両を迅速に検出できます。これにより、車両は環境内の変化に迅速に対応できます。
カメラがより低いFPSで画像を処理している場合、車両が受信する映像は途切れ途切れで、詳細度が低くなる可能性があります。これにより、応答時間が遅れ、重要な情報を見逃すリスクが高まり、安全性が損なわれる可能性があります。
スポーツでは、一瞬の判断が勝敗を分けるため、あらゆる動きを正確に捉えることが重要です。より高いFPSをサポートするテクノロジーにより、動きのあらゆる細部を記録でき、コーチ、アナリスト、アスリートは、一瞬たりとも見逃すことなくスローモーションでプレーを見直すことができます。また、テニス、フットボール、クリケットなどのスポーツでは、アクションをフレームごとに明確に表示できるため、審判がより正確な判定を下すのに役立ちます。
たとえば、バレーボールに関する興味深い研究では、より高いFPSを使用することでパフォーマンス評価がどのように向上するかを分析しました。FPSを30から240に増やすと、動きの鮮明さとオブジェクトの追跡が大幅に向上しました。スパイクの分析精度も向上し、コーチは手の位置、ボールの接触点、ジャンプのメカニズムをより正確に理解できるようになりました。さらに、この研究では、FPSを高くするとモーションブラーが軽減され、サーブや防御の反応を分析しやすくなることがわかりました。
すべてのコンピュータビジョンアプリケーションで、より高いFPSで映像を記録する必要があるわけではありません。多くの場合、タスクによっては、より低いFPSでも正確な結果を得るのに十分です。より低いFPSが推奨される主な分野を次に示します。
理想的なFPSを選択するには、パフォーマンスとシステムの制限のバランスを取る必要があります。深層学習アプリケーション用にFPSを最適化する際に留意すべき点を次に示します。
AIとハードウェアの最適化の進歩により、リソースが限られた環境でも、より高いフレームレートが実現可能になっています。たとえば、映画、スポーツ、ロボット工学などの業界は、モーションの複雑さと処理能力に基づいてシステムがFPSを動的に調整する、よりスマートなフレームレート管理の恩恵を受けることができます。AI主導のフレーム補間は、リアルタイムで追加のフレームを生成することにより、ビデオの滑らかさも向上させます。
一方、NVIDIAの最近の画期的な進歩により、FPSパフォーマンスがさらに向上しています。DLSS 4（Deep Learning Super Sampling）は、AIを使用して追加のフレームを予測および作成するマルチフレーム生成を導入しています。これにより、システムへの負荷を軽減しながら、フレームレートが最大8倍に向上します。
AIにレンダリングの一部を処理させることで、DLSS 4はハードウェアに余分な負担をかけることなくビジュアルをよりスムーズにし、パフォーマンスと効率の両方を向上させます。
FPSは、スムーズなビジュアルの尺度以上のものです。AIとコンピュータビジョンにおけるリアルタイムの意思決定を促進します。ビデオの各フレームは重要なデータをキャプチャし、マシンがオブジェクトを追跡し、モーションを分析し、動的な環境に対応できるようにします。障害物を回避する自動運転車であろうと、脅威を即座に検出する監視システムであろうと、適切なFPSは精度と効率を保証します。
FPSの将来は、フレームレートを上げるだけでなく、インテリジェントに最適化することにもあります。この進化により、コンピュータビジョンシステムは、さまざまな業界でより高速、より革新的、そしてよりリソース効率が高くなります。
AIについてもっと知りたいですか？GitHubリポジトリを探索し、コミュニティに参加してください。独自のコンピュータビジョンプロジェクトを開始する準備はできましたか？ライセンスオプションをご覧ください。ヘルスケアにおけるコンピュータビジョンがどのように効率を改善しているか、ソリューションページにアクセスして製造業におけるAIの影響をご覧ください。
