Hannah (Linan) Zhou、Meshy創設メンバー兼プロダクト責任者—インタビューシリーズ

Meshyの創設メンバー兼プロダクト責任者であるHannah (Linan) Zhouは、3Dコンテンツ制作向けの生成AIツールの開発と拡大に取り組むプロダクトリーダーです。Meshyでは、個人向けから企業向けまで、3D生成、AIエージェント、開発者向けAPI、そしてプロフェッショナルのクリエイティブ制作工程に生成AIによる3D制作を組み込むためのワークフローなど、幅広い用途にわたる同社のプロダクト戦略の策定に携わっています。Zhouは、自身の仕事の中心はMeshyの3D生成AIプラットフォームを構築し、拡大することだと述べています。特に、クリエイターにとって技術を使いやすくするとともに、企業顧客が必要とするセキュリティ、コラボレーション、分析、インフラの機能を開発することに力を入れています。大学院では、機械学習、データ分析、Python、R、ビジネスインテリジェンスを学びました。

Meshyは、AIを活用した3Dコンテンツ制作プラットフォームです。制作現場ですぐに使える3Dアセットを、これまでより大幅に速く、手軽に作れるよう設計されています。テキストによる説明、写真、スケッチ、コンセプトアートから3Dモデルを生成できるほか、AIによるテクスチャ作成、アニメーション、自動リギング、開発者向けAPI、そして3D Agentを通じた対話型の3D制作機能も提供しています。同社の技術は、ゲーム、3Dプリント、拡張現実（AR）と仮想現実（VR）、製品デザイン、教育など、幅広いクリエイティブ業界で活用されています。Meshyによると、登録ユーザー数は1,200万人を超え、これまでに1億点以上のモデルが作成されています。同社のツールは、大手テクノロジー企業、ゲーム会社、デザイン会社、製造業のチームにも利用されています。

あなたは監査と財務の分野でキャリアをスタートさせた後、大きく方向転換してテクノロジー業界に入り、Meshyの創設メンバー兼プロダクト責任者になりました。生成AIによる3D制作に初めて関心を持ったきっかけは何でしたか。また、分析的なバックグラウンドは、新機能が単に見た目に優れているだけでなく、本当に役立つかどうかを評価するうえで、どのような影響を与えていますか？

キャリアの最初の時期は監査と財務の仕事に携わっていました。その経験から、事業を複数の角度から同時に見ることを学びました。ひとつの数字だけでは、事業が健全かどうかはわからないからです。今も同じ考え方でプロダクトを評価しています。見栄えのするデモは、ひとつのテストに合格したにすぎません。何かを開発する前に、いくつもの基準を満たしてほしいと考えています。ユーザーに本当の価値をもたらすのか、その価値に対する市場の規模はどれくらいか、提供にどれだけのコストがかかるのか、そしてそれを支える健全なビジネスが成り立つのか、ということです。見た目に鮮やかな機能でも、こうした基準のどれかを満たせないものは少なくありません。開発する価値のある機能は、たいていすべての基準を満たします。

私が3Dに惹かれたのは、「誰もが3Dで創作できる」というシンプルな信念からです。子どもたちは、誰かに教わるずっと前から、積み木や粘土で物を作っています。人々の妨げになっているのは能力ではなく、ツールです。従来の3D制作では、ほとんどの人が開いたこともないソフトウェアを何年もかけて習得する必要があります。そうした障壁をなくすプロダクトを作りたいと思いました。7歳の子どもも70歳のおばあちゃんも、そうした訓練を受けなくても、3Dで何かを作れるようにするためです。

Ultra 4Kが高めるのはテクスチャの解像度ではなく、4Kのジオメトリ解像度です。この違いがすぐにはわからないクリエイターもいるかもしれません。生成された表面の実際の立体的な細部を高精細にすることが、AI生成3Dにとって重要な最前線となっているのはなぜでしょうか？

ジオメトリとテクスチャは、それぞれ異なる役割を担います。ジオメトリはアセットの実際の表面形状を定義し、テクスチャは見た目を表現します。テクスチャでうろこや縫い目、彫刻を表現することはできますが、実際のジオメトリはシルエットを変え、光に自然に反応し、影を落とします。また、スカルプト、レンダリング、3Dプリントの工程でも、メッシュの一部としてそのまま残ります。

この数年、業界では大まかな形状や位置合わせの精度が大きく進歩しました。こうした課題が解決したわけではありませんが、基礎となる品質が向上するにつれて、クリエイターは自然と細部にも目を向けるようになります。もはや問われるのは、モデル全体の形が正しいかどうかだけではありません。鎧の彫刻、クリーチャーのうろこ、ベルトの縫い目など、個性を生み出す細部が、実際にジオメトリとして表現されているかどうかも問われています。

クリエイターにとって重要なのは、欠けている細部がひとつあるたびに、その後の工程で手作業が必要になるからです。Ultra 4Kは、制作の出発点となるモデルの品質を高めるよう設計されています。これにより、アーティストは基本的な表面構造を作り直す時間を減らし、自分自身の創作上の目標に合わせてアセットを磨き上げることに、より多くの時間を使えるようになります。

Meshyによると、シルエットの崩れや余分な手足といった大きな構造上の破綻は以前より少なくなり、より細かな幾何学的ディテールが、残された難題のひとつになっています。うろこ、ひだ、彫刻、彫り込まれた表面などの表現を、生成モデルにとって特に難しくする技術的な課題は何でしょうか？

細かな幾何学的特徴の表現が難しいのは、オブジェクト全体と比べて、はるかに小さなスケールにあるためです。モデルはドラゴンのシルエットを理解できても、うろこ一枚一枚の構造までは捉えられないことがあります。あるいは、鎧そのものは再現できても、彫り込まれた線を滑らかにして消してしまうことがあります。

2D画像から3Dを生成する際には、もともと曖昧さもあります。色のついた模様が、塗装なのか、テクスチャなのか、影なのか、あるいは実際の隆起なのかは、ひと目では判断できないことがあります。モデルは、どの視覚的な手がかりを実際のジオメトリにするべきかを判断し、その構造を表面全体にわたって一貫性を保ちながら再構築しなければなりません。

最後に、細部は制作工程全体を通じて保たれなければなりません。高解像度での生成、メッシュの抽出、簡略化の各段階で、意味のある特徴を維持しつつ、それらがノイズになったり、ポリゴン密度が不必要に高くなったりしないようにする必要があります。課題は、単に表面の変化を増やすのではなく、制作者にとって一貫性があり、役立つ細部を生み出すことです。

Ultra 4Kを可能にした内部の変更点は何ですか。また、大きな進歩は基盤となるモデル、学習データ、再構築技術、推論パイプライン、あるいはMeshyの3Dジオメトリ表現のどれに関係していたのでしょうか？

Ultra 4Kは、単独の変更によるものではなく、ジオメトリの処理パイプライン全体にわたる改善によって実現しました。Meshyのジオメトリ表現と生成バックボーンを2048³から4096³へと拡張し、さらに高精度なメッシュ抽出と簡略化を組み合わせることで、解像度の向上を単なるポリゴン数の増加にとどめず、意味のある表面構造として反映させています。

この規模では、モデルは数十億個のボクセルを含む空間で動作します。簡略化前のUltra 4Kメッシュには最大8,000万個の三角形が含まれることがあるため、制作者が扱えるアセットを作りながら細部を保つうえで、抽出と簡略化の工程が非常に重要です。

現在、Ultra 4Kが対応しているのは単一視点からの生成で、Ultra 2Kは単一視点と複数視点の両方のワークフローで利用できます。Ultra 4Kの複数視点への対応は、同じ品質基準を満たした後に実施する予定です。

Meshyは、テクスチャに頼らず、異なるスケールでどれだけの幾何学的構造が保たれているかを測定するために、マルチ解像度の法線レンダリングを使用しています。この評価方法を選んだ理由は何ですか。また、一般的な見た目の比較やジオメトリのベンチマークでは見落とされる、どのような点が分かるのでしょうか？

ジオメトリそのものについて主張するのであれば、表面自体を切り分けて評価できる方法が必要です。テクスチャ、マテリアル、照明、後処理によって、比較的平坦な表面でも非常に細部まで作り込まれているように見せることができます。一方、ポリゴン数だけでは、そのポリゴンが意味のある構造を持つかどうかは分かりません。

当社のDetail Richnessベンチマークでは、各モデルを固定した画面解像度で複数の視点からレンダリングし、見えている表面のうち、1ピクセル内で向きの変化が生じている部分がどれだけあるかを測定します。低いレンダリング解像度では、指標はより大きな構造を捉えます。解像度が高くなると、隆起、縫い目、うろこ、彫刻といった、より細かな特徴を検出できるようになります。

また、構造的な細部が豊富で、テクスチャはシンプルな入力も使用します。これにより、描かれた見た目と物理的な形状との曖昧さを抑えられます。この方法では、「異なるスケールで、意味のある幾何学的構造がどれだけ保たれているか」という問いに絞って答えられます。ただし、位置合わせ、トポロジー、滑らかさ、テクスチャの品質、編集のしやすさは測定しません。そのため、アセットの品質を完全に測る指標ではなく、より幅広い評価の枠組みを構成する一要素として提示しています。

ローンチ時のテストでは、Ultra 4Kがテスト対象となった他の主要システムよりも細かな幾何学的ディテールを生成することが分かりました。一方、Meshyは、幾何学的ディテールと、位置合わせ、トポロジー、滑らかさ、テクスチャの品質、編集のしやすさとを区別することを重視しています。アセット全体の品質を捉える単一のベンチマークがない中で、業界はAI生成3Dの評価にどう取り組むべきでしょうか？

AI生成3Dは、目的とするワークフローを踏まえ、各側面を個別に評価すべきだと考えています。幾何学的ディテール、画像との位置合わせ、トポロジー、表面の滑らかさ、テクスチャの品質、編集のしやすさ、生成速度はいずれも重要ですが、その重要度はタスクによって変わります。デジタル彫刻の出発点、リアルタイムゲーム用の小道具、3Dプリント可能なモデルでは、「最良」の定義は同じではありません。

つまり、ベンチマークでは測定対象を明確にする必要があります。ジオメトリに関する主張を評価するには、テクスチャなしのレンダリングや粘土モデル風のレンダリング、拡大しての確認が欠かせません。画像との位置合わせを評価する場合は、形状や各パーツが参照画像に合致しているかに重点を置くべきです。制作への投入準備ができているかを評価するには、トポロジー、リギング、編集、パフォーマンス上の制約も検証する必要があります。

評価は透明性が高く、再現可能で、実施日時が記録されているべきだとも考えています。モデルは急速に進化するため、ベンチマークは恒久的な順位ではなく、その時点でのスナップショットです。業界が長期的に目指すべきなのは、制作者や独立研究者がそれぞれのワークフローに合わせて再現し、活用できる、オープンで多面的な評価手法の確立です。

Ultra 4Kは、特にデジタル彫刻、映画用の小道具、コレクター向けフィギュア、精細なキャラクター、主役級のアセットを対象としているようです。大幅な手作業での修正を加えなくても、AI生成アセットをプロのBlender、ZBrush、Maya、Unreal Engineのワークフローに直接取り込める段階に、どれほど近づいているのでしょうか？

AI生成アセットはすでにプロ向けツールで役立っていますが、「そのまま使える」段階にどれほど近いかは、アセットとワークフローによって異なります。

コンセプトの検討、デザインの参考資料、一部の静的アセットや背景用アセットでは、生成モデルによって、アイデアから編集可能な3Dの出発点に至るまでの時間を短縮できます。アーティストは、何もないシーンから作り始める場合よりもずっと早い段階でモデルをBlender、ZBrush、Maya、Unreal Engineに取り込み、形状、構図、細部を評価し始められます。

主役となるアセットやリグ設定済みキャラクターなど、制作現場で高い品質が求められるものには、今も追加の準備が必要なことが一般的です。変形やリアルタイム処理の予算に合わせてトポロジーを調整したり、使用するワークフローに応じてマテリアルやテクスチャを修正したりする必要がある場合があります。また、最終的なアートディレクションは、引き続きアーティストの創造的な判断に委ねられます。必要な調整の量は、アセットの種類や用途によって大きく異なります。

Ultra 4Kは、制作工程への受け渡しにおける重要な要素の一つ、つまり出発点となるジオメトリの品質を向上させます。メッシュにひだや彫り込み、鱗などの特徴がすでに含まれていれば、アーティストは表面構造を作り直す時間を減らし、用途に合わせたアセットの仕上げにより多くの時間を費やせます。これは、制作現場で使える状態に近づくための意義ある進歩だと考えています。アーティストを制作工程から排除するのではなく、その仕事を支える土台をより良くするものです。

Meshyでは、最高解像度を標準設定とするのではなく、Standard、Ultra 2K、Ultra 4Kを選べるようになりました。生成速度、計算コスト、ジオメトリの忠実度と、個々のクリエイティブな作業で実際に必要とされる品質の水準とのバランスを、どのようにお考えですか？

この3つのモードは、単純な「良・優・最良」の段階としてではなく、異なる制作段階や用途に合わせて設計されています。

Standardは速度と反復作業を重視しています。初期のアイデア出しや構図のテスト、画面上で小さく表示されるアセットに適しています。Ultra 2Kは、単一視点と複数視点の両方から生成でき、忠実度と柔軟性のバランスを提供します。Ultra 4Kは、細かなジオメトリ構造がアセットの要となる用途を想定しています。たとえば、スカルプトの参考資料、コレクター向けフィギュア、クローズアップで使う小道具、精密なキャラクターなどです。

適切な選択は、アセットの用途によって異なります。モバイルゲームの背景に置く小道具と、コレクター向けフィギュアでは、同じ解像度やポリゴン数が適しているとは限りません。高解像度にするほど計算量が増えるため、重要なのは「どのモードが最高か」ではなく、「この作業で目に見える価値をもたらすのはどのモードか」という問いです。

実用的なワークフローとしては、StandardまたはUltra 2Kで題材や構図を検討した後、最終的な成果物に細かなジオメトリのディテールが重要な場合に、最有力候補をUltra 4Kで生成する方法があります。こうすることで反復作業を速く進めながら、クリエイターが実際に違いを確認し、その違いを活用する場面に最高品質の生成を集中できます。

Ultra 4Kは4096³のジオメトリ解像度で動作し、簡略化前の生メッシュは最大8,000万個の三角形に達することがあります。この規模の細かさは必要なアセットにとって価値がありますが、製品設計においては、計算量を常に最大にするのではなく、制作の各段階に応じた適切な品質と制御性をクリエイターに提供することを重視しています。

ジオメトリがますます精細になるにつれて、トポロジーと編集のしやすさが次の大きなボトルネックになるのでしょうか？AI生成の高精細モデルを、従来の手法で作られたアセットと同じくらい簡単に、プロのアーティストが修正し、リギングやアニメーションを施し、最適化できるようにするには、あと何が必要ですか？

はい。トポロジーと編集のしやすさは、近い将来に解決すべき課題の中でも、特に具体的なものです。プロ向けのリギングには、解剖学的な形状や関節に沿ったエッジフロー、予測どおりに変形するポリゴン密度、そして対象となるエンジンやレンダラーの制約を満たすメッシュが必要です。AI生成メッシュには豊かな表面ディテールを持たせられますが、制作現場で求められるこうした条件を、まだ安定して満たすことはできません。多くのアニメーション制作では、本格的なリギングを始める前に、今もアーティストがリトポロジーを行う必要があります。

同じ問題は編集にも影響します。高密度の生成メッシュは、見た目の忠実度やスカルプトには非常に優れていても、エッジループをきれいに選択する、制御しながらカットを加える、プロポーションを変える、変形に備えるといった作業に適した構造とは限りません。表面を手作業で作り直すのではなく、デザイン上の判断を変更できるような、より意味的かつ手続き的な制御が可能になれば、生成アセットの柔軟性は大きく高まります。

トポロジーはリギング、スキニング、ブレンドシェイプ、物理シミュレーションよりも前段階にあるため、この領域の進歩は制作パイプライン全体の改善につながる可能性があります。相互に補完する2つのアプローチがあります。生成モデルが制作現場を意識したジオメトリを生成できるよう学習することと、自動後処理によって精細なメッシュを用途に応じたトポロジーに変換することです。クリエイターが求める見た目のディテールを保ちながら、実際のワークフローに合わせてメッシュを調整する、この両方を組み合わせた方法が最も有効かもしれません。

Ultra 4Kの先を見据えたとき、生成3Dにおける次の大きな節目は何だと思いますか？ジオメトリの忠実度をさらに高めること、トポロジーを強化すること、複数オブジェクトからなるシーンの一貫性を高めること、アニメーションに対応したアセットを生成すること、物理的な理解を深めること、あるいは最終的に、インタラクティブな3D世界全体を生成できるモデルを実現することでしょうか？

ジオメトリの忠実度は今後も向上していくでしょうが、次の節目ではないと思います。次に目指すべきなのは、人の手で修正しなくても、実際の用途で問題なく使えるアセットです。3Dプリントの場合、モデルをスライスして印刷したときに、初回から希望どおりの形状に仕上がることを意味します。ゲーム開発チームの場合は、クリーンなトポロジー、適切に分割されたパーツ、正確なUVを備え、リトポロジーを行わずにリギングできることです。現状、生成アセットは優れた出発点です。それが出発点ではなくなることが、次の節目です。

その次に大きく変わるのは、モデルの能力がさらに高まることではなく、誰が作業を担うかだと思います。現在は、人がモデルと成果物の間に入り、使うツールを選び、メッシュを修正し、印刷できるか、あるいはゲームエンジンの予算内に収まるかを確認しています。次の段階では、エージェントが作業を最初から最後まで担うようになります。何を作りたいのか、それをどこで使うのかを伝えると、システムが手順を計画し、ツールを実行し、目的に照らして自らの出力を確認します。そして、あなた自身が担うべき創造的な判断が必要なときにだけ、あなたに確認を求めます。インタラクティブな世界はその自然な発展形ですが、まずは信頼できるアセットを作れるようにならなければ実現しません。私たちの使命は、あらゆるアイデアを3Dの現実にすることです。そして現実とは、人が印刷したり、プレイしたり、世に送り出したりできるものを意味します。

素晴らしいインタビューをありがとうございました。さらに詳しく知りたい方は、Meshyをご覧ください。