広角レンズは、カバーする画像フォーマットの対角線よりも短い焦点距離を持つ写真用光学系であり、人間の目（フルフレーム35mmカメラで約50mm相当）よりもはるかに広い画角を提供する。写真や映画撮影においては、限られた空間内で広大なシーンを捉え、前景の要素を背景に対して拡大することで空間的な奥行きを誇張し、特に建築や室内のショットで顕著なフレーム端の特徴的な光学歪みを生み出すために使用される。生成人工知能の文脈では、この用語はテキストプロンプトで呼び出され、画像や動画モデルを、微妙な広がりから劇的で没入感のある広角美学まで、そのような光学系の視覚的特徴を模倣した構図を生成するように導く。
広角レンズは写真の初期に起源を持ち、広大な被写体を1枚のプレートに収める必要があった風景写真家や建築写真家にとって実用的なツールとして登場した。最初の注目すべき設計は19世紀半ばに現れ、ハリソン＆シュニッツァーのグローブレンズ（1862年）や、後に登場したハイパーゴン（1900年）は、約140度に近い画角を提供した。1930年代までに、35mm映画撮影は広角光学系を採用し、グレッグ・トーランドのような映画監督は、深焦点シーケンスでの使用を普及させた。最も有名なのはオーソン・ウェルズの『市民ケーン』（1941年）で、誇張された遠近感がキャラクターとその環境との間の空間的関係を強化した。20世紀後半には、広角設定を備えたズームレンズが一般消費者の写真撮影で遍在するようになり、複数の焦点距離を持つスマートフォンカメラ（例えば、2019年のAppleのiPhone 11）の登場により、広角撮影は一般の観客の間で標準化された。この歴史は、現代のAIシステムが広角画像を表現する方法を学ぶ方法に直接影響を与えており、トレーニングデータセットには、そのような光学系で撮影された膨大な写真、静止画、ビデオのコレクションが含まれている。
広角レンズの視覚的特徴はいくつかあり、プロンプトに値する品質を定義している。第一に、画角：通常のレンズの約40度と比較して、典型的には60度から110度以上。第二に、遠近感の誇張：平行線はより急峻に収束し、異なる距離にある物体は引き伸ばされて見え、劇的または混乱を招くような奥行き感を生み出す。第三に、樽型歪み：フレーム端近くの直線が外側に湾曲し（魚眼バリアントでは内側に湾曲）、特徴的な視覚的風味に寄与する。第四に、被写体圧縮の低減：背景は知覚が示すよりも遠く、小さく見える。第五に、同等の絞りでのより深い被写界深度により、シーンのより多くが焦点内に保たれる。AI生成画像では、これらの特性は物理的に生成されるのではなく合成されるが、アルゴリズムモデルは、プロンプトキーワードとトレーニング画像の潜在的特徴との間の学習された相関に基づいてそれらを近似する。
映画や写真における広角構図の著名な実践者には、20世紀中頃の日本映画の溝口健二と小津安二郎が含まれ、後者は固定カメラで広角レンズを使用して、顕著な空間的幾何学を持つ家庭内インテリアをフレーミングした。ドキュメンタリー写真では、ウィージー（アーサー・フェリグ）が1940年代のニューヨークの荒々しい都市シーンに広角光学系を採用した。現代の風景写真家や建築写真家、例えばジュリアス・シュルマンは、モダニズム建築の記念碑的なスケールを伝えるために広角レンズに依存した。デジタル時代には、クリストファー・ノーランやエマニュエル・ルベツキのような監督が、没入感のあるアクションシーケンスや自然主義的なインテリアのために広角レンズを使用した（例えば、2015年の『レヴェナント：蘇えりし者』は、ランタイムの多くを12mmレンズで撮影）。AI実践者にとって、名前はスタイル自体ほど重要ではなく、モデルは明示的な帰属なしにこれらの視覚的伝統に基づいてトレーニングされる。
Stable Diffusion、DALL-E 3、Midjourneyなどの生成モデルをプロンプトする際、ライターは広角美学をトリガーするために特定のキーワードを使用する。一般的な用語には、「広角レンズ」、「超広角」、「焦点距離24mm」、「焦点距離16mm」、「魚眼レンズ」（極端な歪み用）、「広角で撮影」、「00mm相当」、「パノラマ」が含まれる。より自然言語のプロンプトでは、「広大なインテリア」や「劇的な遠近感」のようなフレーズで十分な場合があり、モデルはこれらを広角ビジュアルと関連付けている。一部のモデルは、明示的な光学仕様により良く応答する：例えば、「広角レンズ、24mm、f/8、深焦点」。映画的なプロンプトは、「広角エスタブリッシングショット」や「アナモルフィック広角で撮影」を追加することが多い。効果はモデルによって異なり、例えば、特定のデータセット（269,648枚のタグ付き画像を含むnus-wideデータセットなど）で微調整されたStable Diffusionのバージョンは、一般的なデフォルトチェックポイントよりも「広角」を一貫して解釈する可能性がある。高度なプロンプトガイドでは、レンズキーワードを「前景の関心」や「導線」などの構図の手がかりと組み合わせて、望ましい効果を最大化することを推奨している。
AI画像生成の文脈では、広角レンズの使用は技術的パラメータと交差する。テキストから画像へのモデルは、Transformer (architecture)または拡散アーキテクチャを通じてプロンプトを潜在表現にエンコードし、プロンプトは条件付け信号として機能する。「広角」という用語は、空間レイアウトデコーダに影響を与え、オブジェクトをより大きな深さの分離とエッジの湾曲で配置する。OpenAIのDALL-Eシリーズのような一部のプラットフォームには、組み合わせ可能な組み込みのスタイル修飾子があり、他のプラットフォームは純粋なテキスト推論に依存している。ビデオ生成では、Google DeepMindのVeoやスタンドアロンのテキストからビデオへのシステムは、広角を時間的な意味で解釈し、カメラの動きと空間的なスイープを強調する。どちらの場合も、プロンプトの特異性が重要である：「広角」だけでは一貫性のない結果を生む可能性があり、数値の焦点距離や深さの記述子を追加すると整合性が向上する。これはPrompt記事で議論されている実践である。
AIプロンプトにおける他の光学スタイルとの関係は重要である。広角は、空間を圧縮し被写体を分離する望遠レンズや通常レンズとしばしば対比される。また、モデル解釈可能性のためのLogit Lensのような技術とペアになることもあるが、これは無関係である。AIの伝承では、「広角」という用語は、コミュニティのプロンプトライブラリやモデルドキュメントでスタイルタグとして登場し、特にFlickr画像でトレーニングされたチェックポイントで、シーンカテゴリとカメラメタデータの注釈を含むNUS-WIDEデータセットを含む。2009年にシンガポール国立大学の研究者によって導入されたこのデータセットには、焦点距離を含むEXIFデータを持つ画像が含まれており、モデルが焦点距離の数値と視覚的外観の間の直接的なマッピングを学習できるようにしている。その結果、「18mm」や「35mm」（センサーによっては必ずしも広角ではない場合でも）に言及するプロンプトは、そのようなメタデータで微調整されたモデルで広角効果をトリガーすることが多い。ただし、Large language modelインターフェースに基づくモデルもテキスト記述の恩恵を受けており、言語モデルコンポーネントが「広大なビュー」のようなフレーズを視覚的潜在空間にマッピングする。
プロンプトライターへの実用的な推奨事項には、曖昧さを避けるためにセンサーフォーマットを指定することが含まれる：「フルフレーム20mm広角レンズ」は、「20mm」単独よりも明確であり、クロップセンサーではそれほど広くない。建築ショットでは、「超広角、垂直線が収束」は強い遠近歪みを生み出す。風景では、「広角、深焦点、前景の岩」は深さを強化する。キャラクターポートレートでは、「広角クローズアップ」は顔の特徴の魚眼のような誇張を生み出し、スタイル効果としてよく使用される。「標準レンズではない」や「望遠圧縮を避ける」などのネガティブプロンプトは、出力をさらに洗練させることができる。モデルはトークン化が異なり、一部は「広い」と「角度」を別々に扱う可能性があるため、ハイフン付きの形式（「広角レンズ」）をプロンプトに含めることがより効果的な場合がある。
広角プロンプトの未来は、テキストから画像およびテキストからビデオシステムの改善に結びついている。モデルが物理光学にますます敏感になるにつれて、実際の広角とシミュレートされた広角の区別は徐々に減少する。adobe-researchや類似のラボの研究者は、プロンプトベースの光学シミュレーションを探求するかもしれないが、2024年の時点では、広角は純粋にスタイル的なコントロールのままである。AI生成では、それは物語の没入のためのツールであり、実物よりも大きく感じられる環境の作成を可能にする。これはバーチャルリアリティやゲームアートですでに使用されている技術である。実践者にとって、歴史的および光学的基盤を理解することは、より情報に基づいたプロンプトを保証し、レンズの世紀にわたる美学を尊重する出力につながる。
技術仕様と一般的な用語
広角レンズは、カメラのセンサーまたはフィルムサイズに対して相対的に定義される。35mmフルフレームセンサーでは、35mm未満の焦点距離が広角であり、24mm以下は超広角であり、魚眼レンズは180度を超える画角と意図的な樽型歪みを持つ。プロンプトでの一般的な仕様：14mm（114度）、16mm（107度）、20mm（94度）、24mm（84度）、28mm（75度）、35mm（63度）。超広角オプションには、8mm魚眼と12mmレクチリニアが含まれる。選択は、シーンのどのくらいと遠近感がどの程度極端に見えるかに影響を与える。
AI生成に関連する光学原理
数学的には、広角遠近感はレンズの投影関数から導出される。レクチリニアレンズは画像内の直線を維持し、魚眼レンズは球面投影を使用する。生成モデルは、潜在変換を介してこれらを近似する。広角が近距離と遠距離の比率を誇張することを理解することは、プロンプト作成に役立つ：前景の被写体はより大きく見え、背景は後退する。Transformer (architecture)ベースの注意を使用するAIでは、空間レイアウトは位置エンコーディングによってガイドされ、広角プロンプトは注意の重みを変更して特徴をより広く広げる可能性がある。
映画的および写真のジャンル
広角レンズは、建築写真（インテリアとエクステリア）、風景写真、不動産、ドキュメンタリー、ストリート写真、映画（エスタブリッシングショット、ダッチアングル、POVシーケンス）の定番である。各ジャンルでは、レンズの特性が異なる物語の役割を果たす。AIプロンプトでは、ジャンル（例えば、「屋内不動産ショット、広角」）に言及すると、一般的なリクエストよりも一貫した出力を生成できる。
プロンプトエンジニアリング戦略
効果的なプロンプト戦略には以下が含まれる：（1）焦点距離を明示的に述べる：「24mm広角レンズで撮影」；（2）効果を説明する：「極端な遠近感を持つ広大なインテリア」；（3）カメラ設定と組み合わせる：「f/4、深焦点」；（4）後処理を指定する：「樽型歪みが見える」；（5）否定を使用する：「魚眼歪みなし」でレクチリニアな広角ショット。MidjourneyパラメータプリセットやStable Diffusionスタイルキーのようなコミュニティツールも、広角デフォルトを適用できる。
他のレンズスタイルとの比較
空間を圧縮し被写体を分離する望遠レンズ（例えば、85mmや200mm）とは異なり、広角は前景と背景を明確に保つ。通常レンズ（約50mm）は中立的な遠近感を提供する。AIプロンプトでは、焦点距離を混在させることが可能であるが、一貫したシーンはしばしば1つの支配的な光学系から恩恵を受ける。このウィキのPrompt記事は、指示を構成するためのより広い文脈を提供する。
AIトレーニングデータセットでの歴史的採用
テキストから画像モデルのトレーニングに使用されるいくつかのデータセットには、カメラメタデータが含まれている。2009年にNUSによってリリースされたNUS-WIDEデータセットには、269,648枚のタグ付き画像と、EXIF焦点距離を持つサブセットが含まれている。また、MIT CSAILグループはMIRFlickrデータセットを貢献した。これらにより、モデルは「広角」のような単語を視覚パターンと相関させることができた。ただし、2024年の時点で、ほとんどのモデルはEXIFをネイティブに推論せず、キャプションと画像コンテンツからの学習された関連に依存している。
注目すべきモデルの応答
異なるモデルは、広角プロンプトに対して異なる感度を示す。OpenAIのDALL-E 3は、技術的な数値よりも明示的な定性的記述子を必要とすることが多い；AnthropicのClaude（画像生成付き）は複合プロンプトを理解する；Google DeepMindのImagenとVeoは写真リアリズムに調整されている。Stable Diffusion（CompVisとStability AI経由）のようなオープンソースモデルには、特定のレンズ用のLoRAやテキスト反転埋め込みがあり、Hugging Faceのようなプラットフォームからダウンロードできる。
将来の方向性
将来のモデルは、光学シミュレーションレイヤーを組み込み、焦点距離と投影の正確な制御を可能にするかもしれない。Vision-language modelを使用したハイブリッドシステムは、生成前にレンダリングされた3Dシーンでカメラパラメータを変更できる可能性があり、3Dインペインティングに似ている。今のところ、プロンプトライターは言語的な精度と反復的な洗練に依存している。
要約すると、AIプロンプトにおける広角レンズは、豊かな写真の伝統を活用するスタイル的なレバーである。その光学的、歴史的、実用的な次元を理解することで、クリエイターは静的および動的な画像全体で、喚起力があり視覚的に印象的な出力を生成するためにそれを活用できる。