PLIVEWのVPSはなぜ精度が高い?CGから見本を作り、Webだけで一瞬で現在地を探す仕組み

PLIVEWの「今どこ?」の画面2枚。左はカメラに写ったラウンジの景色と「通路の奥を写してください」の表示、右は「ここですか?1F・ラウンジ付近」と見本の絵が並んだ確定の画面

この記事でわかること

  • PLIVEWのVPSが、写真ではなく3D空間(CG)から照合の見本を作る理由
  • CGを実物のカメラに近づける3つの工夫(矢印を消す・厳しい条件で試す・全方向の見本)
  • アプリなし・サーバーに送らず、ブラウザの中だけで照合する作り
  • 社内試験の数字(正しく着地した割合・確定までのコマ数・読み込む量)と、その読み方
  • 実際の「今どこ?」の画面の流れと、できないこと

PLIVEWのVPSは、なぜ精度を出しやすいのか?

PLIVEWのVPSが精度を出しやすいのは、照合の見本を、施設を撮影した3D空間(CG)から作っているからです。3D空間の中なら、通路のどこでも・どの向きでも、位置と向きが正確に分かった見本を作れます。見本のすき間やずれが少ないほど、カメラの景色は正しい場所に当たりやすくなります。

VPS(Visual Positioning System)は、スマホのカメラに写った景色を、あらかじめ用意した見本の絵と照らし合わせて、いまいる場所を探す仕組みです。VPSそのものの基本は「VPSとは?」で解説しています。この記事では、PLIVEWの「今どこ?」がどう作られているかを、社内試験の数字と実際の画面を使って紹介します。

この記事の数字は、PLIVEWの開発チームが2026年11月に行った社内試験のものです。3D空間から作った絵にスマホの写り方を真似た加工をかけて試した数字で、実際の施設で来館者のカメラを使って測った精度ではありません。

写真を集めて見本を作るVPSは、どこで苦労する?

VPSの精度は、見本の質で大きく変わります。写真を集めて見本を作るやり方には、次のような苦労があります。

  • 撮った場所でしか当たらない: 見本の写真が無い向き・無い地点では、カメラの景色が当たりません
  • 写真1枚ずつに位置と向きを付ける: 写真がどこで、どちらを向いて撮ったものかを、後から合わせる手間がかかります
  • 時間がたつと景色が変わる: 家具の配置や明るさが変わると、見本と合わなくなります

研究の世界でも、屋内の現在地探しは難しい問題として扱われています。屋内のVPSを扱った海外の研究(2018年発表)は、見本の3D地図とは違う時期にスマホで撮った写真を使って評価しています[1]。同じ研究は、3D地図から «その位置から見えるはずの景色» を描いて照らし合わせる方法を使い、視点や家具の配置、人の写り込みが変わっても確かめられるようにしています[1]。3D空間から絵を描いて照合に使う考え方は、研究でも使われているやり方です。家具の動きや人の写り込みといった、見本と違う景色に強くすることが課題だからです。

3D空間(CG)から見本を作ると、何が変わる?

PLIVEWは、案内映像を作るために施設の中を撮影し、3D空間を作ります。この3D空間から、道順の映像だけでなく、VPSの見本も作ります。

3D空間を描く技術の研究では、ガウシアンスプラッティングという方法が、高い画質のまま1秒に30コマ以上で新しい視点の絵を作れることを示しています[2]。撮った写真の位置だけでなく、その間の地点や別の向きの絵も描けるのが、3D空間の強みです。

写真を集めるやり方と比べると、違いは次のとおりです。

比べること写真を集めて見本を作る3D空間(CG)から見本を作る(PLIVEW)
見本の位置と向き写真ごとに後から合わせる3D空間の座標から、最初から正確に分かる
見本の密度撮った枚数で決まる案内映像から1秒に1コマずつ、通路に沿ってすき間なく作れる
向きの漏れ撮っていない向きは当たらない360°の全方向から切り出して足せる
見本と案内のずれ案内と別に作るので、ずれることがある案内映像と同じ3D空間から作るので、ずれない
道を増やしたとき写真を撮り足す同じ3D空間から作り直せる

サンプルとして公開している施設(2つの階)では、172本の映像の区間から、708コマの見本を作っています。見本はすべて合わせても約190KBで、1コマあたり数百バイトです。社内試験

CGを実物のカメラに近づける工夫は?

3D空間から作った絵は、実物のカメラに写る景色と少し違います。PLIVEWでは、その違いを小さくするために、次の3つの工夫をしています。

1. CGにしか無い物を見本から消す

PLIVEWの案内映像には、床に緑の矢印が描かれています。この矢印は映像の中にしか無く、来館者のカメラには写りません。そこで、見本を作るときに床の矢印を消しています。社内試験では、矢印を消すだけで、正しい場所に着地した割合が72.2%から79.1%に上がりました。社内試験

2. スマホの写り方を真似た「厳しい条件」で試す

見本の作り方は、きれいな絵どうしではなく、わざと崩した絵で試して選んでいます。崩し方は、縦長に切る・少し横にずらす・傾ける・明るさや色を変える・人や柱で10〜30%隠す・手ぶれやピンぼけ・画質を落とす、などです。来館者が実際にスマホで写したときに近い条件で比べるためです。社内試験

3. 照合の部品を作り直し、全方向の見本を足す

照合に使うAIの部品も、この厳しい条件で比べて入れ替えました。スマホの処理に合わせて作られた小さなモデル(MobileNetV3)[4]に、画像検索の研究で精度を上げると示された集め方(GeM)[3]を組み合わせています。

その結果、社内試験では次のように変わりました。

「今どこ?」で正しい場所に着地した割合(社内試験・厳しい条件)出典: PLIVEW 開発チームの社内試験(2026年11月・サンプル施設・3D空間から作った絵に加工をかけたもの)
「今どこ?」で正しい場所に着地した割合(社内試験・厳しい条件)
項目数(%)
以前の部品4.2%
入れ替えた部品79.1%

誤った場所に着地した割合は0.6%。穏やかな条件では99.3%が正しく着地

さらに、来館者が横や後ろを向いてカメラを向けても当たるように、360°の全方向から見本を作る仕組みも加えています。社内試験では、案内映像に無い向きから写したときに正しく着地した割合が、13.6%から81.8%に上がりました。ただし、近くの似た地点に当たる誤りが少し増えたため(3.3%から4.7%)、この全方向の見本は、誤りを下げてから施設ごとに入れていく段階です。社内試験

社内試験の結果(3D空間から作った絵に厳しい加工をかけて試したもの)出典: PLIVEW 開発チームの社内試験(2026年11月)
試したこと正しく着地誤って着地
「今どこ?」(案内のルートの上)79.1%0.6%
「現在地」(階を答えたとき)85.7%0.8%
横や後ろを向いたとき(全方向の見本あり)81.8%—

照合はどんな順番で進む?

カメラを向けてから場所の候補が出るまで、ブラウザの中では次の順番で処理が進みます。

  1. カメラの絵を小さく切る
    映像の真ん中を正方形に切り、照合の部品が読める大きさ(224×224)にします。
  2. 絵の特徴を数字の並びにする
    照合のモデルが、景色の特徴を256個の数字の並びに置き換えます。
  3. 見本と比べる
    3D空間から作った見本の数字の並びと比べ、近いものを探します。
  4. 数コマで多数決をとる
    1コマだけで決めず、続けて写った数コマの結果がそろったときだけ「ここですか?」と出します。

数字の並びにしてから比べるので、見本の絵そのものをコマごとに見比べるより軽く、スマホのブラウザでも数コマで答えが出ます。社内試験

なぜWebだけで完結するのか?

PLIVEWの「今どこ?」は、アプリを入れずにスマホのブラウザで動きます。照合はサーバーではなく、ブラウザの中で行います。

ブラウザでAIのモデルを動かす仕組みの公式の解説によると、端末やブラウザの中で処理をすることには利点があり、オフラインでも動くとしています[5]。PLIVEWでは、この形を選ぶことで、次のことを守っています。

  • カメラの映像を外へ送らない: 映像は端末の中だけで使い、保存もしません。画面にもそう表示しています
  • どこに当たったかも外に漏らさない: 見本の絵は照合の前にまとめて読み込んでおき、照合の結果に合わせて取りに行くことをしません
  • 施設に機器を置かない: 専用の測位機器や工事は要りません。場所別のQRコードからブラウザで開けます

照合の部品は、入れ替えのときに軽くしました。モデルは14.2MBから6.0MBになり、以前の半分以下です。はじめて使うときだけ、照合の部品を合わせて約20〜30MB読み込みます(モバイル回線では30秒〜1分ほど)。2回目からは、ブラウザに残った部品を使います。社内試験

一瞬で分かる、とはどのくらい?

準備が済めば、カメラを向けて数コマ見るだけで場所の候補が出ます。社内試験では、厳しい条件でも、確定までのコマ数は中央値で4コマ、9割が5コマ以内でした。1コマの照合にかかる時間は、パソコンのブラウザで測って約54ミリ秒です(以前の部品は約82ミリ秒)。社内試験

「今どこ?」の照合の速さと軽さ(社内の計測)出典: PLIVEW 開発チームの社内計測(2026年11月・パソコンのブラウザ・1スレッド)
「今どこ?」の照合の速さと軽さ(社内の計測)
項目数
1コマの照合54ミリ秒
確定までのコマ数(中央値)4コマ
照合のモデル6MB

実際の画面は、次のように進みます。いる階を選ぶ(わからなければ「すべての階から探す」)→ 立ち止まって通路の奥にスマホを向ける → 「ここですか?」と候補が出る → 「はい、ここから案内」で、その場所からの道順の映像が始まります。

PLIVEWの「今どこ?」の画面の流れ4枚。階を選ぶ画面、カメラに写ったラウンジの景色と「通路の奥にスマホを向けてください」の表示、照合中の画面、「ここですか?1F・ラウンジ付近」と見本の絵が出た確定の画面

画面は、サンプルとして公開している施設で撮影したものです。撮影では、案内映像の1コマをカメラの代わりに入れています。

精度を出すために、あえて決めないこともある

PLIVEWの「今どこ?」は、自信が無いときは場所を決めません。見本の中でいちばん近いものが十分に近くない、または2番目の候補と差が小さいときは、「もう少し、これから進む方に向けてください」と案内します。それでも決まらないときは、地図や一覧から自分で選ぶ形に切り替えます。

間違った場所を出発地にすると、その後の道順の映像がすべてずれてしまいます。社内試験で「誤って着地」を1%未満に抑えているのは、この「決めない」作りのためです。社内試験

国土交通省のガイドライン(案)では、屋内の測位は測る環境によって動作と精度が大きく変わるため、実際に現地で試して確かめる必要があるとしています[6]。PLIVEWでも、公開の前に、歩く区間・曲がり角・似た景色の場所など、施設の中の数か所で実際に試してから使います。精度の数字の読み方は「VPSの精度はどのくらい?」で詳しく解説しています。

できないこと・気をつけること

  • 歩きながら追いかけ続ける機能ではありません: 立ち止まってカメラを向け、いまの場所を確かめる使い方です
  • はじめての読み込みに時間がかかります: 回線によっては30秒〜1分ほどかかります社内試験
  • 大きな模様替えのあとは、3D空間の撮り直しが要ることがあります: 景色が大きく変わると、見本と合わなくなるためです
  • 暗い場所・白い壁ばかりの場所・ガラスの多い場所は苦手です: 苦手な条件は「VPSが苦手な条件とは?」でまとめています

3D空間から案内映像を作る仕組みそのものは、「3D空間から案内映像を生成する仕組みとは?」で解説しています。

おわりに

PLIVEWのVPSの仕組みについて、いかがでしたか?PLIVEWのVPSは、3D空間(CG)から位置と向きの正確な見本を作り、CGにしか無い物を消し、スマホの写り方を真似た厳しい条件で作り方を選んでいました。照合はブラウザの中だけで行い、自信が無いときは決めずに地図で選ぶ形に切り替えます。

ちなみにスリーでは、「PLIVEW」というサービスを提供しています。歩くときの景色そのままの映像で、施設の道順を伝える施設案内のシステムです。場所別の QR コードからブラウザで開け、階段を避ける道や多言語の案内も用意できます。来館者が「いまどこにいるか」を自分で確かめ、その場所から道順の映像を見られる案内を、アプリや機器の工事なしで試したい施設に向いています。よろしければ、サービスページものぞいてみてください。

PLIVEW のサービスページを見てみる

よくある質問

PLIVEWのVPSは、写真をたくさん撮らなくても使えるのですか?

照合の見本は、案内映像を作るために撮影した3D空間から作ります。見本のためだけに、施設の中を歩いて写真を集め直す必要はありません。ただし、3D空間を作る撮影そのもの(通常は半日が基本)は必要です。

カメラの映像はどこかに送られますか?

送りません。照合はスマホのブラウザの中だけで行い、カメラの映像は端末の外へ送らず、保存もしません。画面にもそのことを表示しています。

記事の数字は、実際の施設で測った精度ですか?

いいえ。3D空間から作った絵に、スマホの写り方を真似た加工(斜め・暗さ・ぶれ・人に隠れるなど)をかけて試した社内試験の数字です。作り方を比べるための物差しで、実際の施設で来館者のカメラを使ったときの精度は、施設ごとに現地で確かめます。

歩きながら現在地を追いかけてくれますか?

追いかけません。PLIVEWの「今どこ?」は、立ち止まってカメラを向け、いまいる場所の候補を探す使い方です。場所が決まったら、そこからの道順を映像で確かめます。

場所が見つからないときはどうなりますか?

自信が無いときは場所を決めず、「もう少し、これから進む方に向けてください」と案内します。それでも決まらないときは、地図や一覧から自分で選ぶ形に切り替えます。間違った場所を出発地にしないためです。

参考文献

論文 4海外の資料 1公的資料 1

この記事は 6 本の出典をもとに書いています。うち 6 本は、引用した文が出典のページにあることを確かめています(2026年11月16日)。

  1. Hajime Taira ほか「InLoc: Indoor Visual Localization with Dense Matching and View Synthesis」(CVPR 2018・arXiv:1803.10368)論文
  2. Bernhard Kerbl ほか「3D Gaussian Splatting for Real-Time Radiance Field Rendering」(SIGGRAPH 2023・arXiv:2308.04079)論文
  3. Filip Radenović ほか「Fine-tuning CNN Image Retrieval with No Human Annotation」(TPAMI 2018・arXiv:1711.02512)論文
  4. Andrew Howard ほか「Searching for MobileNetV3」(ICCV 2019・arXiv:1905.02244)論文
  5. ONNX Runtime 公式ドキュメント「Build a web application with ONNX Runtime」海外の資料
  6. 国土交通省 国土政策局「屋内地図/屋内測位環境構築ガイドライン(案)」(2019)公的資料

この記事を書いた人

mapco 案内ノートの編集部です。公的な資料・論文と自社の経験をもとに、確かめた情報だけを書いています。