画像編集の現場で、こんな悩みに直面したことはありませんか？
「商品画像から人物だけを切り抜きたいのに、手前に持っているコーヒーカップまで消えてしまった」 「背景消去ツールを使ったら、メインの被写体ではなく、後ろにある目立つ置物が残ってしまった」
従来の背景削除ツールは、画像の中に何が写っているかをAIが自動で「推測」して対象を選んでいました。そのため、私たちが「本当に残したい対象」と「AIが重要だと判断した対象」にズレが生じると、何度も手作業で修正しなければなりませんでした。
この課題に革新的な解決策をもたらしたのが、Feyn社のShreyash氏らが発表した新しい背景削除モデル**「MultiMatte」**です。
MultiMatteの最大の特徴は、**「言葉（テキストプロンプト）で指示した対象だけを正確に切り抜ける」**点にあります。「画像内のどのオブジェクトを残すか」を人間が言葉で指図できるため、これまでの自動ツールのような「AIの勘違い」に悩まされることがなくなります。
本記事では、このMultiMatteの登場をきっかけに、画像処理分野へと広がっている**「プロンプトエンジニアリング（AIに対して意図通りの結果を出力させるための指示文章の設計技術）」**の実務的な導入・設計・運用方法について分かりやすく解説します。
1. MultiMatteとは？視覚AIにおけるプロンプトエンジニアリングの基礎知識
言葉で狙いを定める「Promptable」な背景削除モデル
MultiMatteは、一言で言えば「テキスト指示型の切り抜きAI」です。英語の「Matting（マッティング：髪の毛やガラスなどの複雑な境界線を滑らかに切り抜く画像処理技術）」に由来しています。
従来型のツールとMultiMatteの違いは以下の通りです。
- 従来型ツール: 画像を入力すると、AIが勝手に「これが主役だろう」と判断して背景を削除する。
- MultiMatte: 画像と一緒に**「赤色の椅子」「左側の人物」といった言葉（プロンプト）を入力**することで、指定された対象「だけ」を残して背景を削除する。
つまり、画像認識AIに対してテキストで命令を与える**「プロンプトエンジニアリング」**が、画像切り抜きの現場でも不可欠な要素になったことを意味しています。
なぜ今「画像処理×プロンプトエンジニアリング」なのか？
これまでプロンプトエンジニアリングといえば、ChatGPTのようなテキスト生成AIや、Midjourneyのような画像生成AIで使われる技術というイメージが強いものでした。
しかし、MultiMatteのように「既存の画像から特定の要素を抽出・編集する」タスクにおいても、プロンプトの設計が精度を左右する重要な鍵となっています。
テキスト指示によって画像処理を行えるようになることで、以下のような実務上のメリットが生まれます。
- 直感的な操作: 専門的な画像編集ソフト（Photoshopの複雑な選択ツールなど）を使わなくても、日常的な言葉で指示ができる。
- 業務の自動化: Eコマースの大量の商品画像処理や、広告クリエイティブの作成において、「〇〇だけを抽出する」という処理をプログラム経由で大量に自動実行できる。
- 手戻りの削減: AIの誤認識による再処理を減らし、作業時間を大幅に短縮できる。
2. 実務で使える！切り抜き精度を高めるプロンプト設計テクニック
MultiMatteのような言葉で指示できるモデルを使いこなすには、AIが迷わずに理解できるプロンプト（指示文）を作成する設計ノウハウが必要です。ここでは、実務で使えるプロンプトエンジニアリングの具体的な手法を解説します。
テクニック①：具体性と形容詞の活用
単に「人」や「服」と指定するよりも、色・位置・特徴などの付加情報を加えることで、AIの認識精度が飛躍的に向上します。
- 不十分な例:
dog（犬）- 課題: 画像内に複数の犬や他の動物がいる場合、どれを残すべきかAIが判断できません。
- 改善された例:
the brown golden retriever sitting on the left（左側に座っている茶色のゴールデンレトリバー）- 効果: 色（brown）、犬種（golden retriever）、状態（sitting）、位置（on the left）を明確に指定することで、狙った被写体のみを確実に抽出できます。
テクニック②：関係性と文脈の記述
複数のオブジェクトが重なり合っている場合、単体名詞だけでは境界線の判断が難しくなります。その場合は、オブジェクト同士の関係性をプロンプトに含めます。
- 例:
person holding a black laptop（黒いノートパソコンを持っている人物） - 効果: 単に「person」と指定するとパソコンが消えてしまったり、「laptop」と指定すると手元だけが不自然に残ったりするのを防ぎ、持っているアイテムを含めた「人物全体」を自然に切り出すことができます。
テクニック③：除外したい要素の明確化とシステム的工夫
実務の運用では、「残したいもの」を記述するだけでなく、誤って含まれやすいものを除外するプロンプト設計も重要です。
プロンプトエンジニアリングの設計パターンとして、以下のようなテンプレートを定型化しておくと、開発や運用がスムーズになります。
|
|
例えば、ECサイトのシューズの画像であれば、red running shoes placed on the wooden floor（木目調の床に置かれた赤いランニングシューズ）のように記述を統一するルールを設けます。
3. システム導入と運用パイプラインの設計ガイド
MultiMatteのようなモデルを社内システムやWebサービスに組み込む場合、単にAIモデルを呼び出すだけでなく、前後の処理を含めた「運用パイプライン（一連の処理の流れ）」を設計する必要があります。
ここでは、実務で構築すべき推奨パイプラインの全体像を解説します。
[ユーザーの入力 / データベース]
│
▼
【ステップ1: プロンプト自動生成・最適化】
（大規模言語モデル等を用いて、大雑把な指示を詳細なプロンプトに変換）
│
▼
【ステップ2: MultiMatteによる切り抜き処理】
（画像 ＋ 最適化プロンプト ➔ マスク画像・透過画像の生成）
│
▼
【ステップ3: 後処理と品質チェック】
（エッジの平滑化、解像度の調整、透過漏れの自動検知）
│
▼
[最終出力（ECサイト・広告等への適用）]
ステップ1：プロンプトの自動生成（フロントエンドの工夫）
エンドユーザーや現場の担当者に「毎回高度なプロンプトを書いてもらう」のは現実的ではありません。
そのため、ユーザーには「靴」「人物」といったシンプルな選択肢やテキスト入力を提供し、バックエンドでGPT-4などの言語モデルを活用して「MultiMatteが理解しやすい詳細なプロンプト」へ自動変換する仕組みを構築するのがベストプラクティスです。
ステップ2：API連携とバッチ処理の最適化
大量の画像を処理する場合、プロンプトのパターンごとに処理をバッチ化（一括処理）します。商品カテゴリごとに定型プロンプト（例: アパレル用、家具用、アクセサリー用）を用意しておくことで、安定した切り抜き品質を維持できます。
ステップ3：後処理（ポストプロダクション）の自動化
AIが出力した切り抜き画像（アルファチャンネルと呼ばれる透過情報）に対して、必要に応じて以下のような後処理コード（PythonのOpenCVやPillowなど）を適用します。
- アルファマットのブラー処理: 輪郭のジャギー（ドットのギザギザ）を抑え、自然に見せる。
- カラーサミング（色移り防止）: 元の背景色が被写体の端に残っている場合、自動で色補正を行う。
4. 導入時の注意点と未検証事項
MultiMatteは非常に強力なツールですが、実際の業務に導入する際にはいくつかの限界や注意点を理解しておく必要があります。
1. 境界線が極めて複雑なオブジェクトの限界
ガラス製品のような「透明・半透明な物体」や、極度に細い「人の髪の毛」「動物の毛並み」の切り抜きは、画像処理AI全般において難易度が高い領域です。言葉で指示を出せるとはいえ、プロンプトだけで完璧に境界線を分離できないケースがあります。
2. プロンプトの言語（英語と日本語）の依存性
一般的な視覚・言語モデルの多くは、英語でのプロンプト入力において最も高いパフォーマンスを発揮します。日本語で直接指定した場合、意図が正確に伝わらないリスクがあるため、システム内部で一度「日本語 ➔ 英語」へ自動翻訳してからMultiMatteに渡す設計を推奨します。
3. 未確認事項に関する注意
本記事の執筆時点で、公開されている概要情報からは確認できていない（未確認の）技術的仕様がいくつか存在します。導入検討時には、公式ドキュメントやリポジトリにて以下の点を必ず確認・検証してください。
- APIの応答速度・レイテンシ（未確認）: リアルタイムのWebアプリケーションで利用できる速度か、あるいは非同期のバッチ処理向けか。
- 推論に必要なハードウェアスペック（未確認）: オンプレミス環境や自社クラウドで動かす際のGPUメモリ消費量や推奨環境。
- 特定ライセンスおよび利用規約（未確認）: 商用利用時の詳細なライセンス体系や利用制限。
- 対応解像度の上限（未確認）: 4Kなどの超高解像度画像を入力した際の処理性能やリサイズ挙動。
5. まとめ
Feyn社がリリースした「MultiMatte」は、従来の「AI任せの背景削除」から、「人間が言葉でコントロールする背景削除」への大きな転換点を示すプロダクトです。
最後に、本記事の要点を振り返ります。
- 新しいアプローチ: MultiMatteは、テキストプロンプト（言葉）によって画像内の切り抜き対象をピンポイントで指定できる。
- プロンプトエンジニアリングの重要性: 単に名前を指定するだけでなく、色・位置・文脈（関係性）を具体的に記述することで切り抜き精度が向上する。
- システム運用のコツ: ユーザーの入力テキストを自動で最適化するパイプラインを構築し、後処理と組み合わせることで業務効率化が実現する。
- 導入時の確認: 処理速度や商用ライセンス、高解像度対応などの詳細スペック（未確認事項）は、実際の導入前に検証が必要。
テキストで視覚情報を自在に操作する「プロンプトエンジニアリング」のスキルは、今後のWeb制作、EC運営、画像編集自動化において必須のノウハウとなっていくでしょう。ぜひ、自社の画像処理ワークフローへの活用を検討してみてください。
参考資料
- MultiMatte 公式ブログ（Feyn）: https://usefeyn.com/blog/multimatte/