本ブログをご覧の皆様，こんにちは．

メディア学部教授 菊池 です．


馬のイラストは、こうして生まれました
― 画像生成AIメイキング（くる年編）―

年末に紹介した「蛇のイラスト」に続き，今回は 「馬」をモチーフにしたイラスト のメイキングを紹介します．



本企画 「イラスト DE ゆく年くる年」 の締めくくりとして，この馬のイラストには「くる年」への思い を込めています．


「くる年」をどう表現するか

蛇のイラストでは，年末らしい静けさや内省の雰囲気を大切にしました．
それに対して，馬のイラストで意識したのは

・前に進む力
・しなやかさと強さ
・未来へ向かうポジティブな気配

といった要素です．
「走る」「駆け抜ける」といった分かりやすい動きだけでなく，これから始まる一年への期待感 が自然に伝わる表現を目指しました．


主役は「勢い」ではなく「関係性」

今回のイラストでは，馬そのものの迫力を前面に出すよりも 人物と馬の距離感や関係性 を丁寧に描くことを意識しています．
寄り添う構図，穏やかな表情，やわらかい空気感．
そうした要素を通して，「力強さ」と同時に 安心感や信頼感 が感じられるイメージを組み立てていきました．


トーンと雰囲気を整える

画像生成AIを用いた制作では，細かな調整の積み重ねが重要になります．
今回も，

・全体の色調を整える
・光の強さを抑える
・情報量を整理する

といった調整を繰り返しながら，新年らしい 明るさと落ち着きのバランス を探っていきました．
華やかさがありながら，どこか静かで，長く眺めていられる—— そんな一枚を目指しています．


完成したイラストについて

完成した馬のイラストは，蛇のイラストとあわせて 東京工科大学メディア学部公式 Instagram に掲載しています．

https://www.instagram.com/tut_media.official/p/DSzsufikYcW/?img_index=1

年末の蛇のイラストと見比べながら，「ゆく年」と「くる年」の違いを感じてもらえたら嬉しいです．


新しい年へ

画像生成AIは，表現の可能性を広げてくれるツールのひとつです．
しかし，その使い方や方向性を決めるのはやはり人間の側にあります．

今回の「イラスト DE ゆく年くる年」が，表現を考える楽しさや新しい年に向かって何かを作り始めるきっかけとして，少しでも伝われば幸いです．

本年も，メディア表現や制作の現場について，さまざまな形で発信していきたいと思います．

どうぞよろしくお願いいたします．


文責：菊池 司

本ブログをご覧の皆様，こんにちは．

メディア学部教授 菊池 です．


蛇のイラストは、こうして生まれました
― 画像生成AIメイキング（ゆく年編）―

前回の記事では，年末年始の企画として制作した「イラスト DE ゆく年くる年」 の全体像を紹介しました．
今回はその続編として，「蛇」をモチーフにしたイラスト がどのような考え方のもとで制作されたのか，そのメイキングを簡単に紹介します．




「蛇」というモチーフの捉え方

蛇は，今年の干支です．
古くから，再生や循環，内省といった意味を持つ存在としてさまざまな文化の中で描かれてきました．

今回のイラストでは，干支としての分かりやすさよりも年末という時間が持つ「静けさ」や「振り返り」 をどのように表現できるかを意識しています．
派手さよりもどこか落ち着いた空気感や，見る人が立ち止まって眺めたくなるような雰囲気を大切にしました．


イメージを言葉にするところから始める

画像生成AIを使った制作では，まず 「どんなイメージを作りたいのか」 を言葉として整理するところから始まります．
今回の蛇のイラストでは，

・全体のトーンを抑えること
・視線や佇まいに物語性を持たせること
・爬虫類が苦手な人もいるので，蛇そのものが強く主張しすぎないこと

といった点を軸に，少しずつイメージを組み立てていきました．


調整の多くは「引き算」

制作の過程で意識したのは，要素を増やし続けることではなくどこまで削れるか という点です．
色数を抑える，情報量を整理する，主役以外の存在感を控えめにする．
そうした調整を重ねることで，画面全体の印象が落ち着き，結果として蛇の持つ緊張感や静けさがより伝わるようになります．


完成したイラストについて

完成した蛇のイラストは，すでに 東京工科大学メディア学部公式 Instagram に掲載しています．
完成したイラストはこちら

https://www.instagram.com/tut_media.official/p/DSzsufikYcW/?img_index=1

まずは完成したビジュアルを見ていただき，その上で「どんな考え方が背景にあるのか」を想像しながら，このメイキングを読んでいただければと思います．


表現は「試行錯誤の積み重ね」

画像生成AIは便利なツールですが，一度の操作で完成形が生まれるわけではありません．
イメージを言葉にし，結果を見て考え，また少し調整する——
その繰り返しの中で，表現は少しずつ形になります．

今回の蛇のイラストも，そうした 試行錯誤の積み重ね の中から生まれた一枚です．


次回は「馬」をモチーフにしたイラスト のメイキングを紹介します．
「くる年」を象徴する存在として，蛇とはまったく異なる発想で構成した作品です．

どうぞお楽しみに．


文責：菊池 司

本ブログをご覧の皆様，こんにちは．

メディア学部教授 菊池 です．

年の瀬が近づくと，「今年もあっという間だったな」と感じる方も多いのではないでしょうか．
そして年が明ければ，また新しい一年が始まります．

そんな節目のタイミングに合わせて，今回は少し趣向を変えて「イラスト DE ゆく年くる年」 と題した制作を行ってみました．


蛇と馬で、年末年始を表現する

今回制作したのは，「蛇」と「馬」 をモチーフにした 2 枚のイラストです．

 

蛇は，今年の干支．そして馬は，次の年へと勢いよく駆け出していく存在として選びました．

これらのイラストは，すでに東京工科大学メディア学部公式 Instagram にも掲載しています．
https://www.instagram.com/tut_media.official/p/DSzsufikYcW/?img_index=1

まずは完成したビジュアルを見ていただいた上で，「どんな考え方で作られているのか？」を感じてもらえたら嬉しいです．


画像は「結果」，大事なのは「考え方」

今回の制作には，画像生成AI（Midjourney） を用いています．
ただし，出来上がった画像そのものよりも，実はその裏側――

・どんなイメージを言葉にしたのか
・どんな要素を足し，どこを削ったのか
・なぜその表現を選んだのか

といった 「考え方」や「組み立て方」 にこそ，メディア表現としての面白さがあります．


メイキングは，あえて3回に分けて紹介します

そこで今回は，制作のメイキングを3回に分けて紹介していくことにしました．

・本日（12月29日）：企画の背景と全体像
・12月31日：蛇のイラストはどのように作られたのか
・1月2日：馬のイラストに込めた考え方と構成

それぞれ，「プロンプトをどう考えたのか」「画像生成AIとのやり取りをどう組み立てたのか」といった部分をできるだけ具体的に紹介する予定です．


表現を“作る”ということ

画像生成AIは，とても便利な道具です．
しかし，それを使って何を作るのか，どう見せるのかは結局のところ人間の側に委ねられています．
年末年始のちょっとした企画ではありますが，「表現を考えるプロセス」 そのものを楽しんでいただけたらと思います．

次回は，「蛇のイラスト」のメイキング を詳しく紹介します．

どうぞお楽しみに．

文責：菊池 司

メディア学部の藤澤です。先日、OpenAIから発表された動画生成AI：Sora2を使って授業動画を作れないか試してみました。

Sora2とは？

2025年秋、OpenAIが発表した最新の動画生成AI Sora2 が世界中で大きな注目を集めています。Sora2は、テキストや画像の指示から10〜15秒ほどの高品質な動画を自動生成できるAIモデルで、映像の一貫性や物理的リアリティの高さが特徴です。例えば、登場人物の動き、カメラワーク、照明、背景の連続性まで自然に表現され、まるで実写のような短編映像を作ることができます。

さらに、Cameo機能 を活用すると、実在する人物の3Dアバターを動画内に登場させることも可能です。ユーザー自身の姿をCameoとして登録すれば、まるで自分が演技しているかのような動画をAIが生成してくれます。登場人物同士の会話や表情の変化も自然で、AI俳優が演じる“仮想映像制作” が現実のものとなりつつあります。

Sora2では、以下のような点が特に注目されています：

 

 

 

• シーン間の整合性：複数カットの中でキャラクターや背景が一貫している。

• 自然な動きと物理法則の再現：風に揺れる髪、重力による落下、歩行などが現実的。

• 多様なカメラアングル：ズームやドリーショットなど映画的な表現も自動生成。

• 音声合成との統合：ナレーションや会話を自然に組み合わせられる。

つまり、これまでの動画生成AIが「断片的な映像」を作る段階にとどまっていたのに対し、Sora2はストーリー性や演出を含んだ“映像作品”を生成するAI へと進化しているのです。

---

実験：Sora2で授業動画を作ってみました

そこで今回、Sora2を使って短い授業風動画 を生成してみました。Cameo登録したAIが作った私が教壇に立ち、授業を行う映像がどの程度自然に見えるかを検証しました。まずは以下の動画をご覧ください。

一つ目の動画と二つ目の動画では少し声のトーンが変わっていますが、おおむね問題ないようです。

---

生成してみての印象

Sora2で生成した動画のクオリティは非常に高く、動作も滑らかで、話し方も自然に感じられます。特に注目すべきは、フィラー音（「えーっと」など）が全く入らない こと。コロナ禍のオンデマンド授業では自分の話し声を録音していましたが、どうしても間延びしたり、フィラーが入ったりしてしまいました。Sora2なら、こうした“人間らしい不完全さ”を排除し、スムーズで聴き取りやすい日本語 で授業が進められます。

ただし、いくつかの課題もあります。例えば、動画内に表示される日本語テキストはまだ不自然 な場合が多く、正しい日本語表記にするには調整が必要です。また、適切な内容や演出にするためには試行錯誤が必要 で、生成に時間もかかります。10秒の動画を作るだけなら、自分で喋って撮影した方が早いというのが正直なところです。

---

今後の可能性

しかし、将来的にSora2が長尺の動画生成 に対応するようになれば状況は変わってくるでしょう。たとえば、自分の著書や授業資料をSora2に読み込ませ、その内容に基づいた完全自動授業動画 が作れる日も遠くないかもしれません。AIが自動で教材を生成し、教師の代わりに授業を行う――そんな未来の入り口に、Sora2は立っているのです。

Sora2は、“AIが話すだけでなく、AIが教える”ことができるようになることを示唆するツール でしょう。教育現場での応用可能性を探るうえで、今後も注目していきたいと思います。

メディア学部の藤澤です。

今回、今年度のオープンキャンパス向けに作成したGPTsのOpenCampus Guide 2025@TUT.MSを紹介します。GPTsとは、OpenAIのChatGPTをベースに、ユーザー自身がカスタマイズして作成できる「特化型AIアシスタント」のことを指します。知識や応答スタイル、利用目的に合わせて設定できるため、教育や研究支援、イベント案内など幅広い用途に活用することが可能です。

その一環として、昨年度に引き続き改良を重ねて開発しているGPTsの一つ 「OpenCampus Guide 2025」 を、今年6月と8月に開催されたオープンキャンパスにて紹介しました。本記事では、その概要と活用方法、さらに利用上の注意点についてご紹介します。なお、本ツールは、学部や大学の公式ツールではなく、藤澤研で勝手に作ったものですので、大学や学部への問い合わせはご遠慮ください。

実際のGPTは以下から利用できます。

 

続きを読む "生成AIによるメディア学部オープンキャンパス紹介ツール"

　オーラキャストは、Bluetoothの新しい機能で、音声や音楽を多くの人に同時に届けることができる技術です。これまでのBluetoothは1対1の通信が基本でしたが、オーラキャストではペアリングなしで、複数の人が同じ音をスマートフォンや補聴器、ワイヤレスイヤホンで受け取ることができます。たとえば、駅のアナウンスや学校の授業、映画館などで使われ、聞こえにくい人や騒がしい場所でもはっきりと音を聞くことができます。公共の場での情報伝達がより便利で、誰にとってもやさしい社会の実現に役立つ技術です。

　前回のブログで書いた通り、このオーラキャストとWi-Fiを用いた音声配信システムを導入し、聴覚障害者にもアナウンスなどの声や音が届く社会基盤の実現を目指します。最新の補聴器や人工内耳にはオーラキャストが搭載されていますが、まだ社会で実装されていないのでその機能はオンになっていません。今後、鉄道・空港・公共施設・ホール・スタジアム・映画館・学校・病院などに導入が進むことで、その威力を発揮することになるでしょう。

　実は、この仕組みにより聞こえる人々も便利になります。

・雑音の多い場所でも、ワイヤレスイヤフォンなどでアナウンスの声が聞こえる

・多言語放送により、日本語以外の言語の観光客などに放送を流すことができる

・大きな音が出せない場所でも、ワイヤレス送信することで音楽イベントを開催することができる

・そのエリアだけの小さなラジオ局を運営できる（避難所などでも使える）

　すでにオーラキャストを搭載したヘッドフォンやイヤフォンが販売されていますが、まだ価格が高いので普及はしていません。しかし、今後スマートフォンに搭載される可能性も示唆されているので、例えばiPhoneに搭載されると一気に普及するでしょう。「オーラキャスト」という言葉を覚えておきましょう。

 

---

メディア学部　吉岡 英樹

略歴：バークリー音楽院ミュージックシンセシス科卒業後、（有）ウーロン舎に入社しMr.ChildrenやMy Little Loverなどのレコーディングスタッフや小林武史プロデューサーのマネージャーをつとめる。退社後ＣＭ音楽の作曲家やモバイルコンテンツのサウンドクリエイターなどを経て現職。１年次科目「音楽産業入門」を担当。現在は聴覚障害支援を専門としており、メディア専門演習「サイレント・コミュニケーション」、３年次科目「音声情報アクセシビリティ」、聴覚障害支援メディア研究室 を担当している。

---

 

メディア学部の藤澤です。普段は、機械学習の様々な応用について研究をしていますが、今回は音楽生成AIの話です。私自身は音楽からは縁遠い生活なのですが、昨今の生成AIを用いた楽曲生成を使ってみて、素人目には非常に素晴らしいものができていました。これが専門家から見るとどうなるのかを知りたくなり、同じメディア学部で作曲を専門とする伊藤謙一郎先生にお話を伺いました。

 

---

 

近年、生成AIの進化が目覚ましく、文章生成AIや画像生成AIをはじめ、さまざまな分野でその活用が進んでいます。中でも、ここ1年ほどで急速に注目を集めているのが音楽生成AIです。Suno AIやUdio AIといったサービスの登場により、誰でも簡単に楽曲を生成できる時代が到来しつつあります。

音楽生成AIとは？

音楽生成AIとは、人工知能を用いて楽曲を自動で作成する技術です。与えられたテキストやスタイル、ジャンルなどの条件に基づき、メロディ、和音、リズム、さらには歌詞や音声までも自動的に生成することが可能です。従来、音楽制作には専門知識と時間を要しましたが、これらのAIによって、より多くの人が音楽制作にアクセスできるようになってきました。

 

---

 

伊藤先生が見たSuno AIの実力

伊藤先生ご自身は、現在のところSuno AIなどの音楽生成AIを積極的に使用しているわけではありません。しかし、学生が話題にすることも多く、実際に生成された楽曲を耳にする機会は増えているそうです。

その上で、Suno AIの技術的完成度について、以下のような評価をされていました。

 

 

 

• ジャンルに合わせた作曲が秀逸
  単に指定された楽器を使うだけでなく、スタイルに即した曲調や構成が的確に模倣されている。

• 作詞の精度も高い
  適切な韻を踏んでおり、自然なリリックとして成立している。

• リズム感のある裏打ち
  曲中に効果的な裏打ち（バックビート）が挿入されており、音楽的にも説得力がある。

• 歌詞と旋律の整合性
  単語を1音に凝縮したり、語尾を引き伸ばすなど、メロディに合わせた処理が自然で、感情表現も豊かである。

• 音質の向上
  バージョンを重ねるごとにミックスや音質が向上しており、商用レベルに近づいている印象がある。

 

---

 

人間とAIの創作の関係

伊藤先生は、Suno AIのようなツールが「音楽制作を身近にする」という点で大きな可能性を感じつつも、今後の創作活動における人間の役割についても慎重な考察が必要だと語ります。

「AIが生み出す音楽は確かに魅力的です。ただ、創作の本質には“なぜそれを作るのか”という意図が必要です。AIが補完できる部分と、人間にしか担えない部分の境界を、今まさに私たちは探っているのだと思います。」

また伊藤先生は、AIが作った音楽には、明確な違和感とまでは言えないものの、「人が作ったものとは異なる何か」を感じることがあるとおっしゃっています。この話題から、画像生成AIの分野でも見られたように、今後は人間の作曲家がAIのスタイルに寄せて作るという現象が起きる可能性についての話もあがりました。そうなると、「人が作ったもの」と「AIが作ったもの」の境目は次第に曖昧になっていくのかもしれません。

 

---

 

おわりに

音楽生成AIは、テクノロジーの力で音楽表現の地平を押し広げようとしています。Suno AIはその最前線にある存在であり、メディア学部としてもこの分野の動向を注視していく価値があるでしょう。

 

メディア学部長の三上です

ゴールデンウィークで少しお休みさせていただいておりましたがまた再開したいと思います．
前回に続き，私がコンテンツに興味を持つきっかけになり，今でも影響を受けていると思うコンテンツについて紹介してみようと思います．まず今回はゲームの方から．

私はアーケードゲームだと「パックマン」と「ゼビウス」が大好きで，近所の「牛乳屋」や「饅頭屋」と呼ばれる，ゲーセンではないけどゲームが置いてある商店で並んでプレイしていました．そんな私がいわゆる家庭用ゲーム機を購入したのは中学1年（1985年）の冬でした．それまでは任天堂のゲームウォッチを小学校5年ごろに買ってもらって遊んでいましたが，そこまでのめりこむことはなかったです．

最初の家庭用ゲーム機は任天堂のファミリーコンピュータで，当時発売され大人気だった「スーパーマリオブラザーズ」がどうしてもやりたくって，お年玉を使って購入しました．ところが当時のカートリッジソフトはソフトと言ってもハードウェアでしたから，すぐに大量生産できるわけがなく，欲しくても購入できませんでした．

そこで，ハードと一緒に買ったのは当時アーケードから委嘱されたばかりだった「シティコネクション」（ジャレコ）と「ジッピーレース」（アイレム）と「エレベータアクション」（タイトー）でした．「スーパーマリオブラザーズ」は手に入らなかったものの，アーケードゲームとしてもプレイしていた作品が無限に自宅でプレイできるのは本当にうれしい限りでした．

そして，その後私が出会ったのは，今でもシリーズが脈々と続く「ドラゴンクエスト」でした．
まあ，同世代の結構な人数が当時この大ヒットゲームに魅了されたので，今となってはそれほど新鮮味はないかもしれませんが，それまでのゲームと違って，継続してプレイしてストーリーをたどっていくという遊びは斬新でした．

当時はネットなどもなく，攻略サイトは存在していません．ファミコン通信などの雑誌は存在し，攻略本が出始めたころですが，そこまでタイムリーで詳細な情報は出ていないので，学校では攻略の話でもちきりでした．

どれぐらい時間かけたかわかりませんが，それは夢中になってマップ上を探索しまくりました．そして第2作ももちろんのめりこみました．この当時はプレイデータをゲーム機に保存するという概念はなく，プレイデータは「復活の呪文」と呼ばれる，ドラクエ1では25文字，ドラクエ2では52文字のひらがなによる暗号がセーブデータになっていました．一語づつ間違えなく記すのですが，もし間違えているとその日のプレイの記録がなくなり，前の日に逆戻りしてしまいます．スマフォなどもありませんので，画面を写真でとるようなこともできません．インスタントカメラでも持っている人であれば写真に残すこともできたでしょうが・・・（チェキが発売されるのは1998年なのでまだ敷居が高い）．
そして，第3作のときはちょうど高校受験のタイミングでした．プレイを始めたら絶対にのめりこむをはわかっていたので，購入はしたものの手を付けずにずっと保管して，試験が終わった日からプレイしました．

ドラゴンクエストは今でも発売されると必ずプレイするゲームとなりました．ドラゴンクエストの作者である堀井雄二さんとはデジタルコンテンツ協会のデジタルコンテンツグランプリで表彰する側として参加して，受賞される堀井さんと直接お話しする機会がありました．とにかく感謝を伝えたことを覚えております．

ファミコン以前に夢中になった「パックマン」の岩谷徹さんや「ゼビウス」の遠藤雅伸さんには，日本デジタルゲーム学会で理事として学会運営をご一緒したり学会で議論する機会にも恵まれ，子供のころに私に影響を与えた皆さんと，社会人になって今度は次の人材を育成する側としてご一緒できたのは本当にうれしい限りでした．

P.S
当時購入したファミコンのゲームはまだ資料として持っています．意外と几帳面な私はパッケージから出した後，外箱や取説は大切にしまっておきましたので，ほぼ新品に近い状態で保存しております！（今度その写真も紹介します）

 

 

メディア学部の大淵です。

私の研究室では、卒業研究を行う4年生全員に、個人用の机を割り当てています。4月からは新しい4年生が来るので、それぞれどの席に座ってもらうかを決めなければなりません。それぞれの希望を聞いても、最適な割り当てを決めるのはそんなに簡単ではありません。

そこで、席決めの前に、新4年生の皆さんにアンケートを取ります。人数分の机に番号を振って、それぞれ第1希望から順位を付けてもらうのです。そのうえで、全員が割り当てられた席の「順位の和」が最小になるようにすれば、みんなの満足度も高まるだろうと思われます。

では、そんな割り当てはどうやって求めればよいでしょうか。N人の人の座席の割り当て方はNの階乗通りあるので、しらみつぶしに当たるのはちょっと大変です。でも、この問題は「線形割当問題」という名前で古くから研究されていて、しらみつぶしよりずっと効率の良いアルゴリズムも知られています。そして、そんなアルゴリズムを自分で実装するまでもなく、世の中には線形割当問題を解いてくれるライブラリも存在します。なので、やるべきことは、アンケート結果を整理して、ライブラリ関数を呼び出すプログラムを書くだけです。

試しにやってみました。図の上側はアンケート結果です。aからjの10人が、AからJの10個の座席に希望順位を付けています。図の下側は、scipy.optimize.linear_sum_assignmentという関数を使ってこれを解いてみた結果です。順位の和は19で、これより小さい解はありません。

ただ、この解を見ると、bさんだけが第8希望に割り当てられてしまって、ちょっとかわいそうですね。こういうときは、最小化の対象をちょっと変えてあげます。順位の和の代わりに、「順位の2乗の和」を最小化することにすると、どうなるでしょうか？

こちらがその結果です。第2希望以下に割り当てられる人は増えましたが、第8希望なんていうかわいそうな人はいなくなりました。

それでもまだ第5希望の人がいてかわいそう、と思うかもしれませんが、残念ながらこのアンケート結果では、全員を第4希望以内に割り当てることはできません。なぜそうなるかの証明は皆さんへのクイズとしますので、興味がある人は考えてみてください。

 

助教の戀津です。
昨日に引き続き、芸術科学フォーラムでの発表について報告です。

もう一件の発表は同じく絡みの可視化における、情報抽出時に迷う場面についての分析です。
タイトルにある通りですが、作品によっては登場人物が変身したり変装したりすることがあります。
変身する登場人物の変身前と変身後の姿は、あらかじめ変身について聞いていたり変身する瞬間を目撃したりしない限り、他の登場人物にとっては違う登場人物という認識になります。

つまり、変身前の本体とだけ絡みのある人物、変身後の姿とだけ絡みのある人物、両方の姿と絡みのある人物がありえます。
更に細かく考えると、両方と絡みがあってもその二つの姿が変身前後の同一人物だと知らない、という場合も考えられます。
（絡みの可視化においては会ってさえいれば絡んでいると考え、同一人物という認識の有無は問題にしませんが・・・）

この場合、可視化結果で〇で描かれる登場人物をどうするかが問題になります。
例として、仮面ライダーアギトの第一話・第二話を分析した結果を使い説明します。
主人公の津上翔一は仮面ライダーアギトに、警察官の氷川誠は仮面ライダーG3にそれぞれ変身します。
G3の方は警察組織としての動きで、基本的に変身前後で絡みはあまり変化しません。
しかしアギトの方は、翔一としての絡みとアギトとしての絡みは全く別になっています。

この場合に、翔一とアギトを同じ一つの〇で表すのは絡みの可視化上問題になります。
しかし、別の登場人物として扱い、二つの〇を出すと今度は別の問題が発生します。
次の図は翔一とアギト、氷川とG3を別の登場人物として可視化した場合の結果です。

当人による変身という都合上、津上翔一と仮面ライダーアギト、氷川誠と仮面ライダーG3には絡みが全くないのです。
先ほど書いた通りG3の方はあまり絡みに変化がないので比較的近くに配置されていますが、翔一とアギトはかなり離れた配置になってしまいました。
これでは主人公の翔一が作品の本筋の一部である戦いに全く関わっていないような結果になってしまいます。

そこで、変身等複数の姿が登場する作品においては、それぞれを別の〇としながら、距離としては常に密着させるという方法をとってみました。
次の図は翔一とアギト、氷川とG3を繋げている場合の可視化結果です。

翔一としての絡みとアギトとしての絡みを両立しつつ、それが同一人物であることもわかるような配置になりました。
現在は2人（4人）分しか密着させる処理を書いていないので（＆変身後の姿で誰とも絡んでいないため）仮面ライダーギルスが浮いてしまっていますが、これも変身前の本体である葦原涼と密着させるとより正確な結果になると思います。

今後は任意の人数について変身前後の姿を密着させられる処理にする予定です。
近年の仮面ライダーシリーズやマーベル系の作品等、変身する人物が多くなっても対応できる必要があります。

現状困っているのは、三つ以上の姿がある場合です。コナンの登場人物で多重スパイをしている方々とか・・・
二つの姿は単純に距離を〇の直径まで縮めるだけですが、三つ（またはそれ以上）となるとどうやってつなげればよいか・・・
まだまだ研究することはいっぱいです。進展があり次第報告します。