カラーグレーディングは、映画制作やビデオ編集に共通するポストプロダクションのプロセスであり、異なる環境や異なるデバイスでの表示のために画像の外観を変更するものです。これには、映画、ビデオ、静止画を問わず、コントラスト、色、彩度、ディテール、黒レベル、ホワイトバランスなどの属性を強調することが含まれます。カラーグレーディングとカラーコレクションという用語はしばしば同義語として使用され、そのプロセスには、ソース画像の異なるレイヤーマスクを創造的にブレンドおよび合成することによる芸術的な色効果の生成が含まれることがあります。現代の実務では、カラーグレーディングは管理された環境、通常は薄暗いまたは暗いカラースイートでデジタル的に実行され、ビデオ編集の中で最も労働集約的な部分の1つです。
カラーグレーディングの起源は、カラータイミングとして知られる写真化学フィルムプロセスにあり、これはフィルムラボでプリント中に再撮影された画像を露光するために使用される光の強度と色を変えることによって実行されました。このプロセスだけでは、ユーザーは変更の結果をすぐに確認できなかったため、変更をリアルタイムで表示するためにヘイゼルタインカラーアナライザーが一般的に使用されました。2000年代に入り、デジタル技術の向上に伴い、ハリウッド映画でのカラーグレーディングがより一般的になり、写真化学ワークフローからデジタルワークフローへと移行しました。
カラータイミング
カラータイミングは、フィルム要素の複製に使用される初期の写真化学プロセスです。元々、「カラーグレーディング」は、アンサーポイントまたはリリースプリントに移行する際にフィルム複製で色の外観を変更するためのラボ用語でした。2010年代後半までに、このフィルムグレーディング技術はカラータイミングとして知られるようになり、フィルム現像中に異なるフィルターを通した露光時間の変更が含まれます。カラータイミングはプリンターポイントで指定され、これはラボのコンタクトプリンターのプリセットを表し、7〜12プリンターポイントが1ストップの光に相当します。ストップあたりのポイント数は、ネガまたはプリントストック、およびフィルムラボの異なるプリセットによって異なりました。
映画制作では、クリエイティブチームはラボタイマーと会合し、タイマーは上映中のフィルムを見て、チームの指示に基づいてメモを取りました。セッション後、タイマーはラボに戻り、フィルムネガをヘイゼルタイン装置に置き、制御されたバックライト付きのプレビューフィルターを使用して、各シーンの各プリンターポイントの正確な設定を選択しました。これらの設定は紙テープにパンチされ、高速プリンターに供給され、ネガはバックライトを通してプリントストックに露光されました。フィルター設定は、紙テープのプリンターライトに合わせてその場で変更されました。視覚効果ショットなどの複雑な作業では、正しいグレーディングの選択を支援するために、フィルターの組み合わせを実行する「ウェッジ」が処理されることがありました。
テレシネ
テレビの出現により、放送局は生放送の限界をすぐに認識し、テレシネを介してリリースプリントから直接長編映画を放送するようになりました。これは1956年以前のことで、アンペックスが最初のクアドラプレックスビデオテープレコーダー（VTR）VRX-1000を導入する前でした。生放送のテレビ番組も、ビデオモニターを撮影することにより、フィルムに記録して異なるタイムゾーンで異なる時間に放送することができました。このシステムの中心はキネスコープであり、テレビ放送をフィルムに記録するための装置でした。
初期のテレシネハードウェアは、フィルムプロジェクターをビデオカメラに接続した、フィルムから放送するための「フィルムチェーン」でした。ジェイ・ホルベンがアメリカンシネマトグラファー誌で説明したように、「テレシネは、ビデオ信号に対してカラーコレクションを実行する能力が与えられて初めて、実行可能なポストプロダクションツールになりました」。
テレシネカラーリングの仕組み
陰極線管（CRT）システムでは、電子ビームが蛍光体コーティングされたエンベロープに投射され、小さな光のスポットを生成します。このビームはフィルムフレームを左から右にスキャンし、垂直フレーム情報をキャプチャします。水平スキャンは、フィルムがCRTのビームを通過するときに実行されます。光子ビームがフィルムフレームを通過すると、一連のダイクロイックミラーに遭遇し、画像を赤、緑、青の原色成分に分離します。各ビームは光電子増倍管（PMT）に反射され、光子が電子信号に変換されてテープに記録されます。
電荷結合素子（CCD）テレシネでは、白色光が露光されたフィルム画像を通してプリズムに照射され、プリズムが画像を3つの原色に分離します。各色光ビームは、各色に対応する異なるCCDに投射されます。CCDは光を電子信号に変換し、テレシネ電子機器はこれらを変調してビデオ信号にし、カラーグレーディングできるようにします。
Rank Cintel MkIII CRTテレシネシステムでの初期のカラーコレクションは、3つの光電子増倍管のそれぞれのプライマリゲイン電圧を変化させて、赤、緑、青の出力を変化させることによって実行されました。さらなる進歩により、カラー処理装置の多くがアナログからデジタルに変換され、次世代テレシネであるUrsaでは、カラーリングプロセスは4:2:2カラースペースで完全にデジタルになりました。Ursa Goldは、フル4:4:4カラースペースでのカラーグレーディングをもたらしました。
カラーコレクション制御システムは、1978年のRank Cintel TOPSY（Telecine Operations Programming SYstem）から始まりました。1984年、Da Vinci Systemsは最初のカラーコレクターを導入しました。これは、Rank Cintel MkIIIシステムのカラー電圧を操作するコンピューター制御インターフェースでした。それ以来、テクノロジーは向上し、デジタルカラーリストに並外れた力を与えています。今日、Da Vinci SystemsやPandora Internationalなど、多くの企業がカラーコレクション制御インターフェースを製造しています。2018年時点でも、一部のテレシネはまだ稼働していました。
カラーコレクションと強調
カラーコレクション（デジタルカラーグレーディング）の主な芸術的機能には、以下が含まれます：
- 撮影されたものを正確に再現する
- 素材のばらつきを補正する（例：フィルムエラー、ホワイトバランス、変化する照明条件）
- 意図された視聴環境（暗い、薄暗い、明るい周囲）を補正する
- 特殊視覚効果の組み込みのためのベース外観を最適化する
- 望ましい芸術的な「ルック」を確立する
- シーンのムードを強調および/または変更する。これは映画の音楽伴奏に視覚的に相当します（フィルムティンティングとも比較）
これらの機能の一部は他よりも優先される必要があります。例えば、カラーグレーディングは、記録された色が元のシーンの色と一致することを保証するために行われる場合もあれば、非常に人工的な様式化されたルックを確立することが目標である場合もあります。伝統的に、カラーグレーディングは実用的な目標に向けて行われました。例えば、映画『マリアンヌ』では、夜のシーンを日中に撮影できるようにグレーディングが使用されました。
AI画像およびビデオ生成におけるカラーグレーディング
Generative AIおよびArtificial intelligenceの画像およびビデオ生成の文脈では、カラーグレーディングは、プロンプト内の視覚スタイルまたは写真/映画技術として呼び出されます。プロンプトライターは、特定のカラーパレット、コントラストレベル、ムードにモデルを導くために特定のキーワードを使用します。一般的な用語には、「ティールアンドオレンジ」、「ブリーチバイパス」、「ハイコントラスト」、「ミュートカラー」、「ビンテージフィルムルック」、「シネマティックカラーグレーディング」、「カラーグレーデッド」などがあります。これらの記述子は、ニューラルネットワークがプロフェッショナルにグレーディングされた映像のルックをエミュレートする出力を生成するのに役立ちます。
大規模な画像およびビデオのデータセットでトレーニングされたモデルは、テキスト記述と視覚的特徴（色分布を含む）の間の関連を学習します。例えば、「ネオンカラーグレーディングのある未来的な都市」というプロンプトは、モデルに彩度の高い青とピンクの画像を生成させる可能性があり、「彩度を下げたカラーグレーディングのある陰鬱なシーン」は、ミュートされた低コントラストの結果をもたらす可能性があります。このようなプロンプトの有効性は、モデルの色関連用語の理解に依存し、これはトレーニングデータとRLHFなどのアライメント技術によって形成されます。
著名な実践者とツール
歴史的に、カラーグレーディングは熟練したラボタイマーによって実行され、後に専門のハードウェアとソフトウェアを使用するデジタルカラーリストによって実行されました。映画業界では、Da Vinci SystemsやPandora Internationalなどの企業が、業界標準となった制御インターフェースを開発しました。DaVinci Resolve、Baselightなどの最新のソフトウェアツールは、プロフェッショナルなポストプロダクションで広く使用されています。AI分野では、OpenAI、Google DeepMind、Anthropicなどの組織の研究者やエンジニアが、テキストプロンプトに基づいてカラーグレーディングスタイルを適用できるモデルを開発していますが、特定の実践者が名前を挙げられることはあまりありません。
他の概念との関係
カラーグレーディングは、画像内の色の分布を表し、AIモデルで色を分析または調整するためによく使用されるカラーヒストグラムと密接に関連しています。また、画像間の色の外観を標準化する技術であり、機械学習パイプラインの前処理ステップとして使用されることがあるカラーノーマライゼーションとも交差します。ディープラーニングモデルでは、カラーグレーディングはスタイル転送の一形態と見なすことができ、モデルは生成されたコンテンツに特定の視覚スタイルを適用することを学習します。
AI生成におけるカラーグレーディングのプロセスは、従来のポストプロダクションに類似していますが、明示的なユーザー制御ではなく、モデルによって暗黙的に実行されます。プロンプトライターは仮想カラーリストとして機能し、言語を使用してモデルの出力を望ましい美学に導きます。これにより、プロンプトエンジニアリングにおける色関連用語の新しい語彙が生まれました。これは、生成モデルのプロンプトライティングにおける重要なスキルです。
課題と考慮事項
AIカラーグレーディングの1つの課題は、ビデオ生成で複数のフレームにわたって一貫性を達成することです。静止画像は個別にグレーディングできますが、ビデオではフリッカーや急激な変化を避けるために時間的一貫性が必要です。Google DeepMindや他のラボによって開発されたモデルは、しばしば時間的スムージング技術を使用しますが、これは依然として活発な研究分野です。さらに、カラーグレーディング用語の解釈はモデルによって異なる可能性があり、一貫性のない結果につながります。プロンプトライターは、望ましいルックを達成するために、異なる言い回しやパラメータを試す必要があることがよくあります。
もう1つの考慮事項は、AI生成メディアにおけるカラーグレーディングの倫理的および美的影響です。従来のカラーグレーディングと同様に、行われる選択は画像のムードと意味に大きく影響する可能性があり、AIモデルはトレーニングデータに存在するバイアスを意図せず永続させる可能性があります。したがって、カラーグレーディングの技術的および芸術的側面を理解することは、AI生成コンテンツの作成者と消費者の両方にとって重要です。
将来の方向性
AIモデルが改善し続けるにつれて、自然言語によるカラーグレーディングの制御能力はより正確になる可能性が高いです。トランスフォーマーアーキテクチャとアテンションメカニズムの進歩により、モデルが微妙な色の記述をよりよく理解できるようになる可能性があります。従来のカラーグレーディングツールとの統合により、AIが初期グレードを生成し、人間のカラーリストがそれを洗練するハイブリッドワークフローも可能になる可能性があります。大規模言語モデルの継続的な開発と視覚データとのアライメントは、AIプロンプトでカラーグレーディングがどのように呼び出されるかを形成し、視覚的なストーリーテリングのためのますます強力なツールになります。