マーカーなしで、カメラから3Dの動きをどう捉えるのか。3Dマーカーレスモーションキャプチャは、ふつうの動画からラボ並みのキネマティクスを得ることを目指しますが、「マーカーレス」と言っても手法はひとつではありません。本記事（上の動画で要約）では、スポーツにおける3Dマーカーレスモーションキャプチャの3つの実践的アプローチを比較した「概念フレームワーク＆レビュー」を解説します。予算・スペース・必要な精度に合わせて手法を選べるようになります。
目次
3つのアプローチの全体像
3手法はいずれも反射マーカーなしで関節の3D位置を復元しますが、精度・コスト・可搬性・セットアップの手間のバランスは大きく異なります。ひとことで言えば、単一カメラ＋AI深度は最も安価で持ち運びやすく、単一カメラ＋深度センサーは1視点から実際の深度が得られ、複数カメラは最も高精度な3Dが得られます。最適解は用途しだいです。
アプローチ1：単一カメラ＋AI深度推定
最も手軽な3Dマーカーレスモーションキャプチャは、ふつうの動画1本とニューラルネットを使い、深度を推定して2Dの姿勢を3Dへと持ち上げます。最も安価で持ち運びやすく、スマホ1台でも可能なため、フィールドでの計測や遠隔テスト、スクリーニングに向いています。一方でトレードオフは精度が低めでスケールが曖昧なこと。1視点では絶対的な大きさや距離を推測するしかなく、複数カメラほど計測値は安定しません。
アプローチ2：単一カメラ＋深度センサー
この手法は深度を推定するのではなく、ステレオカメラやToF（Time-of-Flight）センサー——たとえば多くのスマホやタブレットに搭載されるLiDAR——で実際に計測します。撮影は単一視点のままですが、AI推定ではなく実際の深度が得られるため、大がかりな複数カメラなしでも3Dの信頼性が上がります。弱点は測定範囲が限られることと、暗所や屋外で性能が落ちやすいことです。
アプローチ3：複数カメラ
最も高精度なのは複数の同期カメラを使う方法です。各視点を校正し三角測量して正確な3D座標を求めます。マーカー式ラボに近い精度を、マーカーなしで実現するイメージです。複数視点はオクルージョンにも強く、ある四肢が1台のカメラで隠れても別のカメラが捉えます。代償は複雑さ——台数、同期、そして丁寧なキャリブレーションが必要です。複数カメラのパイプラインの実例は、OpenPoseとOpenCapの使い方をご覧ください。
どのセットアップを選ぶか
各手法はセットアップ・キャリブレーション・長所短所・データ処理の観点で比較され、正直な結論は「万能なし」です。用途に合わせて選びましょう——可搬性とコストなら単一カメラ＋AI、屋内で1視点から実際の深度が欲しいなら深度センサー、精度が絶対条件なら複数カメラです。本フレームワークは、研究者や実務家が意図をもって選べるようにし、標準化と普及を後押しすることを目指しています。単一カメラのモデルが実際どれだけ正確かは、6モデルの姿勢推定の精度比較で解説しています。
よくある質問
3Dマーカーレスはマーカー式と同じくらい正確ですか？
まだ完全に同等ではありませんが、差は縮まっています。よく校正された複数カメラのマーカーレスがマーカー式のゴールドスタンダードに最も近づき、単一カメラ手法は精度と引き換えに手軽さを取ります。重要なのは、あらゆる場面でラボに並ぶかではなく、あなたの計測に十分な精度かどうかです。
スマホだけで3Dマーカーレス計測はできますか？
できます。AI深度推定を使えばスマホ1台が最も手軽で、LiDAR搭載機なら1視点から実際の深度も計測できます。どちらもフィールドや遠隔計測に最適です。最高精度を求めるなら、やはり複数カメラが必要です。
屋外スポーツにはどのセットアップが向いていますか？
屋外では深度センサーが日光や測定範囲で不利になりやすいため、単一カメラ＋AIか複数カメラの方が安定します。現地で校正できるなら、複数カメラが最も高精度です。
まとめ
3Dマーカーレスモーションキャプチャはひとつの技術ではなく、それぞれに明確な役割をもつセットアップのスペクトルです。可搬性・実際の深度・精度のうち何を最優先するかを決め、予算とスペースに合う手法を選びましょう。マーカーレス計測の全体像は、まずモーションキャプチャとパフォーマンス分析の基礎からどうぞ。
論文（オープンアクセス）はこちら：Noorbhai, H., Moon, S., & Fukushima, T. (2025). A conceptual framework and review of multi-method approaches for 3D markerless motion capture in sports and exercise. Journal of Sports Sciences, 43(12), 1167–1174. https://doi.org/10.1080/02640414.2025.2489868 （CC BY-NC-ND 4.0）
福島 崇史 — Sports Science & Pose Estimation.
▶ YouTubeでチャンネル登録 · ウェブサイト · ORCID · お問い合わせ