裸眼 3D 動画コンバーター

動画を追加し、平行法か交差法かを選び、片目あたりの大きさを決めて変換を押します。深度モデルが全フレームを読んで手前と奥を求め、その深度に比例して画素を横にずらすことで第 2 視点を作ります。結果は 2 枚の映像が左右に並んだふつうの MP4 で、片方ずつが左右の目に対応します。まず 1 フレームだけプレビューしてください。奥行きの強さは映像次第の判断で、静止画なら数秒、全体を流すと数分かかります。

必要ありません。そこが要点です。出力は左右並置のペアで、レンズで振り分けるのではなく視線の向けかたで見ます。軽く寄り目にするか、画面の向こうを見るように力を抜いて、左右が重なって真ん中に 3 つ目の映像ができるまで調整してください。その真ん中に奥行きがあります。手品ではなくコツなので、たいていの人は数分で掴めます。覚えたくなければ、同じファイルを VR ヘッドセットにそのまま読み込ませることもできます。

視線の向けかたが違い、それぞれ左右の並び順も変わります。平行法は画面の向こうを見るように目を外へ緩め、左目用が左に来ます。交差法は画面の手前へ内側に寄せるので左右が入れ替わります。逆の見かたをすると奥行きが反転し、手前が沈んで背景が浮きます。明らかにおかしいわけではないのに何かが違う、という見え方になるので、変換の前に決めてください。

ほぼ確実に映像が大きすぎるためで、平行法ではほとんどの人がここでつまずきます。平行法で融合するには目が正面より外へ回らないことが条件で、人の目は開散できません。そのため対応する点どうしの間隔は瞳孔間距離、およそ 63 mm が上限になります。27 インチのモニターで全幅表示すると片側が約 30 cm になり、融合できません。ウィンドウを縮める、離れて見る、あるいはスマートフォンで見てください。交差法にこの制約はなく、どんな大きさでも見られます。

されません。動画エンジンは WebAssembly にコンパイルされた FFmpeg で、深度モデルは WebGPU か WebAssembly 上で動きます。どちらもブラウザーのタブ内です。ファイルはディスクからタブのメモリーに読み込まれ、完成した動画はダウンロードとして書き出されます。ネットワークから取得するのはエンジンとモデル本体だけで、それも一度きりです。変換中にネットワークパネルを見れば確認できます。

WebGPU がある環境ではおおむね実時間です。1 分のクリップに約 1 分、10 分なら約 10 分。全フレームで深度を推定する必要があり、そこが全体を支配します。WebGPU がない場合は CPU に切り替わり、およそ 10 倍遅くなります。短いクリップなら現実的ですが、長いものは厳しくなります。進捗バーの残り時間は予測ではなく実測した処理速度から算出するので、開始から数秒で正確になります。

ありません。クリップは区間に分けて処理し、各区間は抽出・変換・エンコードが済み次第、次に進む前に破棄されるので、メモリーはフレームの大きさで決まり動画の長さには依存しません。実際に制約になるのは、待てるかどうかとタブを開いておけるかどうかで、ツール側の上限ではありません。フレームが大きすぎる場合は別で、途中で失敗させるのではなく、最初に片目あたりの大きさを下げるよう案内して止めます。

たいていは深度モデルが場面を読み違えているためで、深度マップのプレビューがそれをそのまま見せてくれます。映り込み、ガラス、強いきめのある平面、映像内に写った写真、大きな被写体ぶれは判断が不安定で、深度が間違っていれば強さをどう調整しても取り戻せません。手前と背景がはっきりした場面——風景、空撮、部屋の中の人物——のほうが、平坦だったり雑然としていたりする場面よりずっとうまく変換できます。

第 2 視点を作るために画素を横へずらすと、手前の物体に隠れていた領域が露出します。そこは撮影されたことがないので、作り出すしかありません。それぞれの穴は縁の背景側から埋めていて、欠けている内容が本来属する場所ではありますが、埋めたものは埋めたものです。奥行きの強さとともに大きくなるので、控えめな設定のほうがきれいに見えるいちばんの理由になっています。細い物体と髪がもっとも難しい対象です。

作れませんし、平面的な動画からは誰にも作れません。あの種のビジョンは、特定の湾曲した画面と特定の視点位置に向けて、必要な透視の歪みを与えて場面を描画したものです。錯視は画面の形状と、そこに対する立ち位置との関係の中にあります。その情報はふつうの動画のどこにも存在しないので、復元のしようがありません。このツールが作るのはステレオペアで、別の仕組みによる別の効果です。

使えます。縦の素材は向きを保ったまま扱われ、ファイルに記録された回転も処理されるので、縦に撮ったクリップが横倒しのフレームとして報告されることはありません。できあがるペアは縦のフレームが 2 枚並んだもので、全体としてはかなり横長ですが、片側が細いままである分だけ裸眼視には向いています。

先頭の音声トラックが最後に一度だけ多重化されます。区間ごとに切って繋ぎ直さないのは意図的で、境目ごとに音声を切ることこそがずれの入り口だからです。出力コンテナーがそのまま格納できる場合は再エンコードせずコピーし、できない場合のみ AAC になります。引き継がれるのはこの 1 本だけで、他言語の音声トラックや字幕は含まれません。変換はタイミングを一切変えないので音は元どおりの位置に合い、音声のない素材も問題なく扱われます。