muyunxue/dance-mmd-subtitle-kit

人物回避字幕（完全/できるだけ被らない）

0. 2つの目標を区別する

• 「完全に被らない」：各文字枠と各フレームの人物マスクとの積集合が0。代わりに文字は両脇/上部の狭いカラムにのみ配置でき、フォントサイズが制限されます。
• 「できるだけ被らない」：羽の端/背景に重なるのは許可し、顔と体は確実にクリアにします。大きなフォントスタイル（S4/S6など）を引き続き使用でき、近景フレームのみチェックします。

本スキルはデフォルトで「完全に被らない」を実行し、検証可能なデータを提供します。ユーザーが「炸裂/大字/アート文字」と言った場合は、ほぼ後者になります。

1. コアアルゴリズム（高速版：bboxのみ）

ピクセル単位の正確なマットは求めず、人物のバウンディングボックスのみを1/4解像度で計算するため、非常に高速です。

1. 背景板 bg_half.npy（1280×540、subject-color-gradeの2.1/3.1を参照）。
2. 各フレームを 640×270 に縮小し、背景板との差を計算：d = |frame-bg|.max(axis=2)、閾値 38（低い閾値だとLOVEの電飾/光跡が誤検出されます）。
3. MaxFilter(5) で膨張 → 最大連結成分（BFS、640×270なら高速）→ bboxを×4してフル解像度に復元。
4. 歌詞の句ウィンドウごとに各フレームのbboxを結合（一句の中で人物は動くため、句全体での最幅範囲を使用）、各句の bounds = (left,right,top,bottom) を取得。
5. レイアウト：テキスト列を left-50 の左側 / right+50 の右側 / 上部 / 下部に配置。フォントサイズは使用可能な幅に応じて縮小。
6. フレームごとの検証：各文字枠を640×270にマッピングし、各フレームのマスクとの積集合を求め、最悪のヒット数を報告。0でなければ全体のフォントサイズを縮小して再検証し、0になるまで繰り返し。

2. 直接再利用可能な実装

字幕\build\avoid_side2.py（推奨、完全版：pass1でbbox計測 → layout → verify → レンダリング → キーフレーム）：

$py='C:\Users\35530\.dsh\dsh-runtimes\dsh-primary-runtime\dependencies\python\python.exe'
& $py '字幕\build\avoid_side2.py'

このスクリプトは古い動画（0001-4956）の15.4秒のクリップを固定処理します。動画/クリップを変更する場合は以下の定数を修正します：

• SRC / OUT / T0,T1
• CUES（各句の開始・終了、クリップ相対）
• EL 内のフォントサイズ/位置候補（L/R カラム、y、fs）
• LEFT_MARGIN / 右側使用可能幅ロジック 生成物：NEON_avoid_15s.ass + レンダリング動画 + キーフレームテーブル。 旧バージョン（合成デモ）：avoid_demo.py、avoid_debug.py、avoid_layout.py（占有ヒートマップ 分析_占位与选位.jpg）。

3. 本プロジェクトの実測データ（古い動画 0:51–1:06.4）

• 固定下部レイアウト：6/6句が人物に重なり、人物領域の遮蔽率 7%–12%。
• サイドカラム回避：0/6句が人物に重なり、1句あたりの遮蔽 ≤0.2%。フレームごとの検証 0ピクセル。
• 各句の使用可能なサイドカラム（古い動画、全幅2560）：左カラム 約0–500px、右カラム 約2100–2560px。句ごとに異なるため、毎回動的に計算する必要があります。
• 人物が画面中央で羽を広げている場合、幅の占有率は約48%–82%。近景/クローズアップではほぼ画面を占有 → クローズアップフレームでは文字を上下の隅にのみ配置可能。

4. レイアウト戦略（被らない場合でも見栄えよく）

• 主歌詞は左カラムへ、装飾語は右カラムへ配置し、「左右の掛け合い」のような印象を演出。
• 上部に長いフレーズ（MAKING EVERYBODY GO など）を配置し、下部には小さな文字・等幅情報のみを残す。
• 各句には1つの「視覚的主役」のみを置き、他の語は小さな文字にして、句全体が大きくてサイドカラムに収まらないのを避ける。
• 文字枠の見積もりは控えめに：ASCII幅 ≈ fs×0.66、CJK幅 ≈ fs×1.06。10–14pxのパディングを残す。

5. 検証チェックリスト

• 各句ウィンドウのbboxが羽根の先/頭頂部を見逃していないか（分析_占用区域.jpg を確認）
• フレームごとの検証で worst hit = 0（スクリプトが出力）
• 3–4フレームを抽出して確認：文字が端に寄りすぎていないか/切れていないか、小指や羽に重なっていないか
• 近景/クローズアップフレームを個別に抜き打ちチェック
• 「できるだけ被らない」を許可する場合、どのフレームが羽に重なったかを記録（許容）

6. 既知の落とし穴

• 背景のLOL電飾/光跡がフレーム差で誤検出される可能性 → 閾値38 + 最大連結成分で通常除去可能。それでもダメなら空間的な事前情報（人物は中央）を追加。
• 人物の影が人物として誤検出される可能性（bboxが大きくなる）→ 回避処理上は安全（影も避ける）ですが、サイドカラムはより狭くなります。
• フィルタ MaxFilter は640×270で約8px（フル解像度換算）の外側拡張となるため、検証時に追加のパディングを拡大しないように注意。
• 新しい動画や新しいカメラ位置に変更した場合、すべてのboundsを再計算する必要があります。古い動画の数値は再利用できません。