トラッキングショットは、カメラが被写体の横、後方、または前方を移動しながら、一定の距離とフレーミングを保ちつつアクションを追跡する映画技法である。映画や写真において、これは動き、空間的連続性、観客の没入感を生み出し、緊張感の構築、環境の提示、またはキャラクターの旅の強調によく用いられる。AI画像・動画生成の文脈では、「トラッキングショット」という用語は、プロの映画撮影の視覚言語を模倣した、動的でカメラのような視点を持つ出力をモデルに指示するためのプロンプトキーワードとして登場する。
この技法は映画の初期に起源を持ち、リュミエール兄弟のような先駆者たちが、車両や手持ちリグに搭載した移動カメラを実験した。1910年代から1920年代にかけて、D.W.グリフィスやF.W.ムルナウなどの監督が劇的な効果のためにトラッキングショットを採用し、1930年代のドリーの発明により、より滑らかで制御された動きが可能になった。著名な実践者には、『市民ケーン』（1941年）で広大なセットを探索するためにトラッキングを使用したオーソン・ウェルズや、『ロープ』（1948年）で単一の連続テイクを模倣する有名なトラッキングショットを使用したアルフレッド・ヒッチコックがいる。その後、スタンリー・キューブリック、マーティン・スコセッシ、アルフォンソ・キュアロンなどの監督がこの技法をさらに推し進め、キュアロンの『トゥモロー・ワールド』（2006年）では、車両内や戦闘シーンでの長時間のトラッキングシーケンスが特徴的である。
視覚的特徴
トラッキングショットは、いくつかの視覚的特徴によって定義される。カメラは被写体の経路に平行に移動し、多くの場合ドリー、トラック、または安定化ジンバル上で動く。背景は連続的に変化する一方、被写体はフレーム内で比較的固定されたままである。また、ショットは空間的一貫性を維持し、視聴者はカメラ、被写体、環境の物理的関係を追跡できる。静止ショットやパンとは異なり、トラッキングショットはカメラを空間内で物理的に移動させ、奥行きと三次元性の感覚を生み出す。AI生成画像では、これらの特徴は「カメラが被写体を追跡」「サイドトラッキングショット」「連続移動」を指定するプロンプトに変換され、「滑らか」「動的」「映画的」などの記述子と組み合わせられることが多い。
芸術と写真における起源
映画以前、移動視点のアイデアはパノラマ絵画や初期の写真実験に登場した。19世紀、写真家は列車や船にカメラを搭載して連続画像を撮影したが、静止写真では真の動きは不可能だった。トラッキングショットが連続的な視覚物語として概念化されたのは、カメラが物理的に移動できる映画の登場によってである。初期の例には、ジョルジュ・メリエスの1896年の映画『幽霊城』が移動カメラを効果的に使用し、1903年の『大列車強盗』が移動列車からのトラッキングショットを特徴としている。写真家は後に20世紀にこの美学を採用し、パンニング技法で背景をぼかしながら動く被写体を鮮明に保つスタイルを開発し、これはAIプロンプトの語彙に影響を与えた。
著名な実践者と映画
トラッキングショットの歴史における主要人物には、『輪舞』（1950年）や『夫人の肖像』（1953年）などの映画で精巧なカメラ移動で知られるマックス・オフュルスや、『ストーカー』（1979年）や『鏡』（1975年）での長回しでゆっくりとしたトラッキングを使用して瞑想的な雰囲気を生み出したアンドレイ・タルコフスキーがいる。1990年代には、1970年代にギャレット・ブラウンが発明したステディカムが流動的な手持ちトラッキングを可能にし、『グッドフェローズ』（1990年）の有名なコパカバーナシーンで例示された。より最近では、サム・メンデスによるワンショットアクション映画『1917』（2019年）が、デジタル合成を使用して単一の連続トラッキングショットとして見えるように構築された。これらの作品は、AIモデルが学習する視覚文法を確立し、トレーニングデータセットにはそのような映画のフレームが含まれている。
AI画像・動画生成におけるトラッキングショット
AIアートでは、トラッキングショットはカメラ移動と視点を説明する自然言語プロンプトを通じて呼び出される。Stable DiffusionやDALL-Eなどの画像生成モデルでは、プロンプトに「ランナーのトラッキングショット、サイドビュー、モーションブラーの背景」を含めることで、動きを暗示する静止画を生成できる。SoraやRunwayなどの動画生成モデルでは、プロンプトが「カメラが被写体を後方から追跡」や「キャラクターを廊下を通って追う滑らかなドリーショット」を指定する。この用語は、「広角」「浅い被写界深度」「アナモルフィックレンズ」などの他の映画用語と組み合わせて出力を洗練させることが多い。映画の静止画やビデオクリップでトレーニングされたモデルは、これらのフレーズを認識し、空間的進行の感覚を持つ構図を生成する。
典型的なキーワードとプロンプト構造
プロンプト作成者は、トラッキングショットを引き出すために構造化された語彙を使用する。一般的なキーワードには、「トラッキングショット」「ドリーショット」「フォローショット」「カメラ移動」「サイドトラッキング」「リアトラッキング」「連続テイク」などがある。また、「スロートラッキングショット」や「高速トラッキング」などの速度や、「左から右へのトラッキング」や「カメラが前方に移動」などの方向も指定できる。高度なプロンプトでは、ユーザーはこれらを被写体の記述子や環境の詳細と組み合わせる。例えば、「トラッキングショット、ネオンライトの通りを歩く女性、雨、映画的照明、35mmフィルムグレイン」などである。一部のモデルは明示的なカメラ指示に良く反応するが、他のモデルは「追跡」や「追跡」などの動詞から動きを推測する。
他のAI概念との関係
AI生成におけるトラッキングショットは、より広範な機械学習概念と交差する。例えば、Zero-shot learningは、モデルが「トラッキングショット」のような新しいプロンプトを、その正確なフレーズで明示的にトレーニングされなくても、映画データから学習した関連付けに依存して理解できるようにする。Few-shot learningは、ユーザーがトラッキングショットの例をいくつか提供してモデルを導く場合に使用できる。動画生成では、Object trackingアルゴリズムがフレーム間の被写体の一貫性を維持するのに役立ち、これは一貫したトラッキングショットに不可欠である。この技法はまた、プロンプトエンジニアリングにも関連し、トラッキングショットの説明の正確な文言が出力品質を決定する。生成モデルが進化するにつれて、カメラ移動を制御する能力は重要な研究分野であり、Generative AIシステムは時間的シーケンスを処理するためにTransformer (architecture)アーキテクチャをますます使用している。
モデルにおける技術的実装
トラッキングショットを生成するAI動画モデルは、時間的一貫性メカニズムに依存している。例えば、Sequence-to-Sequence (Seq2Seq)アーキテクチャはフレームを順次処理し、Cross-Attention層は視覚的特徴をテキスト埋め込みと整列させる。OpenAIやGoogle DeepMindなどのモデルは、ビデオデータセットでの大規模トレーニングを使用して動きパターンを学習する。「トラッキングショット」というプロンプトは、カメラ軌道の潜在表現を活性化し、モデルはそれを一貫した空間関係を持つ一連のフレームとしてレンダリングする。画像モデルでは、効果は実際の動きではなく、収束する線やぼやけた背景などの遠近感の手がかりを通じてシミュレートされる。一部のモデルは、残差ネットワークを組み込んでフレーム間の詳細を洗練し、背景が移動する間も被写体が鮮明に保たれるようにする。
課題と限界
AIで正確なトラッキングショットを生成することは依然として困難である。モデルは、時間的メモリの制限により、特に長いシーケンスで、ぎくしゃくしたまたは一貫性のない動きを生成する可能性がある。「トラッキングショット」という用語は曖昧であり、サイドフォロー、リアフォロー、またはクレーンのような動きを指す場合があり、モデルが方向を誤解することがある。さらに、AI生成のトラッキングショットは、重力やレンズ歪みなどの実際のカメラの物理的制約を欠くことが多く、不自然な動きにつながる。プロンプト作成者は、「カメラの高さを胸の位置に」や「滑らかなジンバル移動」などの明示的な詳細を追加し、静的またはパン効果を避けるためにネガティブプロンプトを使用することで、これらの問題を軽減する。
将来の方向性
AI動画生成が進歩するにつれて、トラッキングショットはより制御可能になっている。Zero-Shot PromptingとCurriculum Learningの研究は、複雑なカメラ指示に対するモデルの理解を改善することを目指している。RunwayやPikaなどの企業は、ユーザーがテキストに依存せずにカメラパスをグラフィカルに指定できるツールを開発している。Object trackingと生成モデルの統合により、被写体が予測不能に動いてもカメラが特定の被写体を追跡するリアルタイム調整が可能になる可能性がある。長期的には、トラッキングショットは単純なストーリーボードから生成され、AIが撮影を自動的に処理するようになるかもしれず、これは人間と機械の映画制作の境界をさらに曖昧にする発展である。
結論
初期の映画実験から生まれたトラッキングショットは、伝統的な映画制作とAI駆動のコンテンツ作成の両方において、基本的な視覚言語となっている。その定義的な特徴である、被写体とともに移動するカメラは、生成モデルを導いて動的で没入感のあるビジュアルを生成するプロンプトキーワードに直接変換される。AIシステムが改善するにつれて、トラッキングショットを呼び出して制御する能力はより洗練され、クリエイターが簡単なテキストコマンドでプロフェッショナルグレードの撮影を達成できるようになるだろう。この技法の永続的な魅力は、視聴者をシーンの中に置く力にあり、AIモデルはますますその品質を再現することを学習している。