いや、全然違う。逆グラフィックスっていうのは、普通のグラフィックスが「データから画像を作る」のに対して、その逆、つまり「画像からその中身のデータやプログラムを当てる」っていう技術のことだよ。

魔法なら良かったんだけどね。実はこれ、今のすごいAI（VLM）でも一発でやるのはめちゃくちゃ難しいんだ。物の位置とか光の当たり方を正確にコードにするのは、AIにとっても至難の業なんだよ。

例えば、カメラの角度が1度ズレるだけで、画像の見え方は全然変わっちゃうだろ？一発で正解を出すのは無理がある。だからこのVIGAは、「とりあえず作ってみて、自分で見て直す」っていう人間みたいなやり方をとるんだ。

テストはこっそり直しちゃダメだろ。VIGAの場合は、「書いて、実行して、レンダリングして、比較して、修正する」っていうループをぐるぐる回すんだ。これを『分析・統合ループ』って呼んでいるよ。

そう。VIGAには『スキルライブラリ』っていう道具箱があってね。生成担当のAIがコードを書いて、検証担当のAIが「カメラを動かして確認する」とか「物の位置を調べる」っていうツールを使って、どこが違うかを見つけるんだ。

そこがポイントで、『コンテキストメモリ』っていう記憶装置を持っているんだ。過去の計画や修正した差分を覚えておくことで、同じ間違いを繰り返さないように工夫されている。ただ、記憶が長すぎると混乱するから、直近のやり取りを重点的に覚える仕組みになっているよ。

かなりね。BlenderBenchっていう難しいテストでは、従来の方法より124%も精度が上がったんだ。3Dだけじゃなくて、パワーポイントのスライド作成とか、物理法則に従ってボールを動かすような4Dのシミュレーションまでできちゃうんだよ。

理論上は可能だね。デジタルツインの作成や、ロボットの訓練用データを自動で作るのにも役立つはずだ。ただ、まだ複雑すぎるシーンだと時間がかかるし、AIが使うツールをどう最適化するかとか、課題も残っているけどね。

それは画像から解析する以前に、君の脳内に実装されてない可能性が高いから無理だな。