先日は、
■ 鉛筆でざっと描いた物（30）（コピー紙＋鉛筆）【ラクガキ】
にて顔の構造について書きました。その前に、用紙がなくなったので、新しいロットを開けることにしました。
のように開封すると、
のような厚みの用紙の山になっています。顔の構造ですが、
のようになっているので立方体でアタリを付けて顔の輪郭を作った場合、顔面の表層のような場所は平面的なブウ委に立体形状が載っているだけなので、面で考えることができます。その為、絵の中の紫の枠のような平面があり、そこにセンターやバランスを撮る時に使用するアタリを置いて、そこに凹凸を加筆したような状態の物が乗っている感じになります。
立体が乗っていると書きましたが、顔の形状のイメージとしては、
のように言及があり、その周辺に目の周囲の筋肉軍や頬や額などがあり、頬の下に隠れている口やあごなどがあります。その為、極端な事を言うと、横顔のアタリについては、【 女 】 と言う文字に似ています。
これが上から見た時の状態ですが、凹凸は
のような感じになっているので、
のよう同じラインでもに鼻と目の位置で形状が異なりますし、同じラインが途中で分岐した構造になっています。その為、
のように凹凸で言うと、窪んだ場所と突出している場所があり、
のような構造を組み合わせた物になっています。口と目については、
のように開閉しますが、この構造は、
のようなスライダー構造ではなく、
のようにヒンジで開閉するような軸回転系の影響で変化するような構造になっています。そして、これが顎関節のようにヒンジで動いているのではなく、筋肉の収縮で動く仕組みになっています。形状を見る時に
の部分で分けてみると、目の周辺は穴なので、基本的に鼻の周辺よりも高さが低く眼球と眼筋の影響で膨らみがある物の眼下の部分の取境界は低くなっているので、目頭の部分は谷のように高さが低い状態になっています
形状をイメージしにくい場合、
のような面で考えてみる方法もありますが、口の周りと目の周りは放射状に筋肉が広がっていて、頬の部分は目の下から頬骨にかけては平面的な横方向の広がりのRで側面と口の接続はｍ縦の流れに見えるようなラインのつながりになっています。花は直線ですが、目の上の部分からは頭がい骨の形状に沿ったRで広がるような形になっています。
ＣＴのように輪切りにして考えると、上から見た場合の辺の変化は、
のようになっており、側面から見ると、
のようになります。あと、加齢によって頭部のパーツの比率が変わりますが、それと同時に特定の年齢以降になると不負のたるみが出てくるので、
のような皺が増えてきます。これは、
のような状態になっているのですが、
のピンクの部分のラインが出てきた理、青の部分の肉のたるみによる皺が出てくるので表情自体が変わってきます。眼筋の周りのたるみだと瞼が下がってきますが骨格自体は同じなので、眉毛と目の位置は同じなんですが、場上瞼の状態が変わるので目の形が変わります。また、下瞼も梁がなくなるので、そうした理由から目の下のたるみなどが増えます。
年齢による描き訳だと、加齢をどう描くのか？を考えることになりますが、基本的に日理tの変化は誰でも発生するのですが、それに加えて一般的には量の差異はありますが、垂みによる影響が出てきます。
また、先日は、固さの違う芯の鉛筆を使ったのですが、芯の硬さが異なるのと濃度が異なるので、
のような差が出るので、
のように薄いグラデーションを描く時に薄い色の芯を使う事になります。濃い色の芯だと用紙の目が潰れないように弱い筆圧で塗っても色が強く出るという特性があるので、グラデーションを塗る時の塗り訳で使用できます。また、先日は、
のようなのを描いてみました。
ア タリと形状
アタリを取る時に、デッサンやクロッキーのように平面のアウトラインで拾う方法もありますが、イラストを描く場合、立方体や直方体の組み合わせで考える方法があります。
この辺りも理屈を理解すると使いやすくなりますが、30秒どろーいんつのように何も考えずに当てはめると本来の利点が全く使えなくなりますから、この手法がなぜ有効なのか？を知って使うようにしたℍ号がいいです。
まず、クロッキーやデッサンのようにある物をそのまま描く場合だと間違いなく3D-2D変換をしてアウトラインを取得して影を拾った方がいいのですが、設定資料を基にそのシーンでどう見えるのかを考えて描く場合だと、その方法では難しくなります。
と言うのも、アウトラインの取得の場合、サイズ感と言う物が存在しませんから、相対比で何かを描くというのが存在しません。また、背景と美術が個別に存在していてその中で整合性を撮る場合、少なくともその整合性が取れる絵が描ける人であればクロックキーや30秒ドローイングでシルエットを得るようにパース内で破綻しないキャラの立ち絵が描けてしまうわけですが、流石に、こんな特殊能力を持って生れ落ちている人はいませんから、そのアルゴリズムを理解して、その上で状態にあった物を描けるシステムを構築して、その処理に元すいてプロットできるようなソリューションを自分に実装しない限り描けるようにはなりません。
つまり、フツーにそれが出来ている人はそう言ったシステムの構築を遺伝的アルゴリズムや強化学習のように反復しながら身に着け、データの取得や整合性については機械学習のように多くのデータから状態を理解して描けるようになる練習をしているのでそれが行えるようになっています。
この条件で膨大な量のデータでそれが出来るようにするためには相当な時間をかけてAIの学習をする必要がありますが、画像ファイルを出すのではなく、プロットをしているので、マシンアームのティーチングを含めてアウトプットするまでのソリューションで考えることになります。となると、これが短時間で出来る訳がないので、コンピューターですら時間がかかる物が一朝一夕で出来る訳がないというのが世の中の常識であり、ここから破綻してしまうと他の事をする上に置いても能力が向上しなくなります。
つまり、コンピューターですら学習をしないと最適な買いには至らず、センサーと経験によって常時ティーティングと組み合わせて強化学習や遺伝的アルゴリズムの判定を別の作業とセットで並列処理が行えている 【 人 】 が実装しているハードウェアはかなり特殊な構造ですから、強いAIと比較してもシステムの動き方がかなり特殊な構造になっているので、コンピューターよりも複雑な事が出来るシステムになります。ある意味CISCをより複雑化してデバイスの制御までしているのに膨大な放熱が発生するわけでもなく、システムのオートアップデートまでできるソリューションですから、人の構造自体がかなり特殊であり、相当優れたシステムと言えますが、生物の標準実装機能については、人が学問で学ぶ以上に優れた仕様になっているので、並列処理とアップデートの二点だけで考えても現在のシステムでは未実装の物が多いので、相当特殊な構造だと言えます。
つまり、プリセットの実装についても【 既存のデータセットの追加と外部ライブラリのインストールではなく、遺伝的アルゴリズムや強化学習の成果物で大きな破綻がない状態で最適解に近い物を得られる仕様になっている 】 訳ですから相当凄い事なんですが、これがAIのような法則性を示す関数の発見だけでなく、アクチュエーター制御をして行える部分まで実行できるわけですが、かなり優れている訳です。また、人はロボットには実装されていない治癒能力もありますし、何よりも軽量ですから、システムを製造されたデバイスとして考えると相当高度なテクノロジーでなければ製造できない庄名システムになっています。
ちなみにAIが自ら答えを見つける強化学習は海藻を深くすることでより精度の高い状態にできますが、この階層の浅い物をニューラルネットワークと言います。つまりニューロンのネットワークですから、脳内の神経ネットワークを模した物になります。この階層を深めたのが深層学習やディープラーニングと言われるものですが、不完全で用途がない物であれば、採用されていませんし現在も使用されることはないはずですが、その分野で活躍している技術である事を見れば、その構造の根源が優れているという事になります。つまり、そうした機能を生まれた時から訳隔たりなく与えられているのが人と言う存在です、
この機能は思考だけでなく、アクチュエーターの制御まで含めた状態でのアップデートが出来る構造になっているので、学習をすれば知識が付き、連取をすれば能力が上がる仕様になっていますが、この練習についても、遺伝的アルゴリズムや強化学習を行った際に不必要な挙動を排除して必要な挙動の実で強化する場合だと道筋を絞っておいて変域を設けてその範囲内で楽手を行うと、イレギュラーな条件を排除できます。これをコンピューターの場合だと、学習時の設定として用意する必要がありますが、人が各州する上では、【 行う内容に応じて変域をある程度判断しその上で学習できる 】 ので、基本的に学習を行った際におけるイレギュラーなエラーが出ることはフツーはありません。
その為、学習精度は高い使用になっている訳ですが、人間のニューラルネットワークがネイティブなのに対して、コンピューターのそれはエミュレーションなのでその差もありますが、カスタマイズの自由度があり特化型にできるのがコンピューターで、人は汎用性のあるハードウェアで、その中で学習時に条件抽出をすればイレギュラーな条件を含まない状態で学習できるしようになっているので、条件の変域の指定と集中で必要な近似値の範囲内での最適解を出せるソリューションになっています。
この変域を人の場合は自分で設定できるので、最適解を求める時の集合の範囲を変更できるわけですが、この辺りを自らの石で行える点がコンピューターと違う部分になります。ただし、データがなければ判断が出来ず、マシンティーチングも強化学習も機械学習も行っていない状態だと判断すらできないので、状態を再現する上に置ける等式の構築すらできませんから、デバイスと同じで学習と練習が必要になります。この辺りの作業は、AIだと強化学習や機械学習になりますし、産業用のロボットだとマシンティーティングになります。産業用ロボットを映像用に使用しているのが、モーションコントロールカメラになりますが、これもティーティングが必要なデバイスになります。
つまり、データやアルゴリズムを学ばなければ何もできないのは人もコンピューターも同じですし、産業用ロボットもティーティングで動くを学習させないとまともに動作する事はありませんから、人も同様に学習や練習をしなければ、良好な結果に行きつくことはありません。
その為、物事がまとものできる為には、データやアルゴリズムが必要ですし、運動野を使う場合にはデバイス制御なのでマシンティーティングのように挙動の学習が必要になります。
絵を描くというプロットの作業の場合、センサーから得た情報を元に描いているので、絵を描く際には
【 センサーをフル活用する 】
ほうが整合性を高くできます。そうなると、必要となるのは、
■ 視覚
■ 触覚
になりますから、空間の情報を取得する上で視覚を使い、画材を使う上で触覚を使う事になりますが、脳内で3D-2D変換を行って次元削減を行い、座標平面上の任意の線分の形にした後にプロットをする為に運動野を使って線分として出力する事になります。つまり、画法などの技術の知識はデータですから、これを使う上での手法がアルゴリズムなので、実際に使わないとそれを使用することはできません。と言うのも、この作業はアクチュエーターでの出力処理なので作業においてのアルゴリズムの実行時のチューニングをする為に実際に描きながらマシンティーティングを行う必要があるわけです。これは運動も同じですが、実質的にマシンティーチングと同じ工程を踏むことでアルゴリズムで実行できる結果とアクチュエーターの動作後の挙動が等式で結ばれるような状態にすることになります。
大抵の場合、物事が出来ている人はこの工程が既に実行済みなので、実装された機能になっているだけなので、未実装の状態だと出来なくて当たり前で、出来る為に必要な事を行わない限り、機能が実装されることはありません。
つまり、プログラミング言語のライブラリやSDKやフレームワークと同じで存在しない物を呼び出して使おうとしてもエラーが出て使えないのと同じで、未実装の機能は実装しない限り使用することはできません。
その為、形状認識が出来ている人の絵の描き方を真似てもその機能がない人だと真似できないので、少なくともその人が脳内で処理している 【 形状の状態の認知～プロットまでの流れ 】 のアルゴリズム自体を真似ないと意味がありませんから、見様見真似で形態模写をしても時間だけを浪費してその作業自体が徒労に終わる事になります。その為、画法や色の使い方や構図の考え方などについては、学ぶ部分が多いのですが、実装されている機能が違い過ぎる場合だと、処理の方法を真似ようとしても無理が来るので、基礎から積み上げた方が上達するまでの時間は短くできると思います。
絵を描く場合、観察した物を理解して、それを認識して繊維起こすための情報に変換して、それを手に伝えて意図した状態にするのですが、この時のマシンティーティングに該当するのが運動野の部分になりますが、これが上手くできるようになったとしてもセンサー化粗の入力から変換までの処理が上手くできていないと意図したラインになりません。練習の場合、運動野を使ったデバイスコントロールによる道具の取り扱いもありますが、この連動して実行する為の処理は連取でしかフィードバックを得ることが出来ません。つまり、描くという作業は、遺伝的アルゴリズムで最適解に近づけながらティーティングを行っているのと同じなので、絵の上達の近道は描く事と言われるのもデバイス制御と描いた時のフィードバックから誤差の修正をしながら精度を上げる作業になるので、知識や技法ありきの話になりますが、知覚や視覚と言うセンサーの精度を上げ、知覚から出力結果を生成するアルゴリズムを常時使用できるレベルにまで優先度を昇格して常に使えるものにする為には反復して使用するしかないので、人体の構造上、アルゴリズムの実装と使用とその実行時の付加の最適化とマシンティーティングによる最適な動作を行えるようにして、センサーからの入力の精度を上げてアルゴリズムで必要な状態を生成し、それを運動野を使ってデバイス制御をして座標平面上に存在する座標の集合体によって生成された線分などで構成された図形として出力しようと思うと、描き方を学び、それを実践し、多くの物を描くことが最短の上達法と言う事になります。
つまり、これが実装されている状態と、それが未実装の状態だと全く違うので、未実装な状態であれば、その実行に必要な物を実装する作業を先に行う必要があります。その為、描く場合には何をするのかによって、画法や描き方まで変わってきますが、基本的に未実装な機能を使おうとしても無理が来るので、絵の場合だと、バランスが取れなかったり形状が解らない状態になります。その為、この状態になると、結果的にデッサンやクロッキーのような 【 形状を見て線分の情報を書き記す 】 方法になるので、美術の基礎的な能力が必要になります。
絵を描く時には 【 見て状態を判断して描く 】 ことになるので、顔を描く時に逆側の目を参照したい場合だと、
【 手がブラインドにならない状態にする 】
必要があります。つまり、感覚で描くと確実にズレるので、A4とかB5位のサイズの用紙だと、用紙を回転させて状態が見えるようにして描くとバランスを撮れます。
これを行ったとしてもパターン化された物をコピー機のように定数の複製のように描く癖がついてしまっていると、見えている線分を元に係数の変化によるサイズ変更や用紙の法線方向を回転軸としてラジアンの変化による回転処理を追加した状態での線分の変化を行おうとしても、出来なくなるので、描く際には線分を元に描いていくという状態にしておく必要があります。
こうする事で、反対側の曲線との位置関係や距離などを元に座標検知をして、それ状態を別の場所に描いたり、パースの変化や角度の変化による差異をかき分けることが出来るようになります。例えば、右利きの人が左向きの顔を描く時右目を参照して左目を描くことができますが、逆向きになるとブラインドになります。と言う事は、この状態を回避しようと思うと、用紙を逆さまにすればいいので、形状のアタリを取る際に逆さまでばらんすをとれるようにしておけば線分を描ける事になります。
線画の場合だと、絵を描いているのは確かなんですが、これも線分の集合体なので、座標平面上の二次元の幾何ベクトルの集合と考えることができます。そして、絵が成立するという事は、完成した結果と言う定数があり、その定数になるようにこのベクトルの集合を追加していく作業になります。そうなると、バランスが取れた状態と言う 【 定数項によって成立している結果 】 を得ようと思うと、その条件がどう言った図形の変化で成立するのかを考えることになります。例えば、それが項の加算によって発生する軸移動なのか、それともラジアンで回転させたものなのかでも変わってきますし、その条件が前述のような移動と回転ではなく、係数の制御による寸法の変化なのかでも変わってきます。
これが成立するのは、形状が合同であるという条件になりますが、パースのように相似の三角形の中に存在する台形の中での座標変動だと、異なる形状が左右で並ぶ場合もあります。この場合、頂点の距離関係で考えることになりますが、この状態も座標の取得と座標間を接続して生成されるベクトルを用意すると、線分を取得する事ができます。
絵の場合、数値を使っていないだけで、実質手に気は幾何ベクトルの制御で成立しているので、線分の存在している条件は座標なので、クロッキーや30秒ドローイングのような作業はベクトルの集合でそれを表現している物になりますから、ラジアンで回転させることで傾きを変化させた任意の大きさのベクトルを個別のベクトルの状態で追加している状態と考えることができます。
これが線画を描いている時に数学的な考えがない状態でも行われている作業になりますが、これを技術体系として感覚ではなく数値で判断できるようにした物が解析学になります。その為、絵の場合、算数や数学登場するグラフや図形のカリキュラムと同じ考え方になりますが、代数学と幾何学を合わせて使用しているのが解析学なので、絵を描く時にも数学と組み合わせて条件を導き出して考えて行くと、【 上手くいかない 】と言う定数化した結果と異なる状態になる問題がなぜ発生しているのかを見つけることができます。
また、ソリューションの挙動その物が、センサーでの検知にそれを正しく認知して、その認知の結果を元に3D-2D変換と言う次元削減を行って、平面図形として形を生成している訳ですが、それをプロットする際に、線画だと細いラインを使ってベクトルに傾きと長さを追加して描くことになり、デッサンの場合だと、そのベクトルが線分ではなく、積分のような面積を持った構造物で塗っているので、座標に対して特定の変域を与えた空間を用いた状態で、座標移動や回転などを加えて面を生成するように塗っている状態になります。線画の場合だと、意図した線が引ける事と状態が解る事が必要ですが、観察して状態を得るという作業では、先程の 【 センサー 】 と 【 認知 】 の双方で正しい情報が取得できなければ出力用の実データを作れませんから、このセンサーと認知のキャリブレーションが必要になります。絵を描く時に見る能力として 【 観察眼 】 と言う言葉が存在しますが、これは視覚における幾何と色彩の状態の取得とその認知を合わせた状態を指しています。これを2次元の幾何として変換する為には変換用のアルゴリズムが必要になりますが、奥行きとして認知している物を平面の形として認知する為には少し特殊な能力が必要になりますから、これも別のアルゴリズムが必要になります。形状認知と距離の変化と言う普段使いの目とベクトルの大きさと角度の変化で形状を見る目を使い分けると美術は楽しくなると思いますが、日常遣いをしている前者が造形で必要になる物で、後者が絵を描く時に使用する物になります。
ちなみに、この２つは単なる
【 空間上に孫座する物体を見た時の認知の切り替え 】
なので、意識して使うようにすると殆どの人が使い分けることが出来るようになります。これが観察眼なので、これを使って得た情報を線や色を実装した平面にして形作り空間座標上でアクチュエーターを制御して座標を追加していくようなプロッタのような作業が出来るようにする必要があるので、その為に実際にアルゴリズムの最適化とアクチュエーターのチューニングとして実施兄描きながら合わせていく必要が出てくるわけです。この時に、センサーで検知できない部分をイメージで補完するというのは最初からできるような物ではありませんから、イアラストを描く安倍も手でブラインドになって見えない場所を参照しなくてはならない場合、そうならない状態を作る事で対応する事になります。その時に、用紙を回転させてブラインドをなくすことになります。
あと、用紙を回転させてると集中線とかを引く時に、苦手な角度があってもその角度で線を引かなくても済むというメリットもあるので、苦手な条件を減らす事が出来るという利点もあります。あと、横長の机で縦長のパースを撮る時に用紙を横に使えば、パースを取れるので、そう言った視点の変更をする際にも用紙の向きを変えて描くことになります。
絵を描いている人の作業を見ても何を潮牛どう言ったアルゴリズムでそれを実行しているのあkまでは何も知らない状態だと解らないわけですが、基本的に人の場合、未実装の機能の方が多いので、その実装をしないと物事が出来るようにはなりません。その為、どう言ったソリューションがどう言った状態で動き、それをどう言った形で実行できるようにするのか？というシステム設計をする必要が出てきます。この時に最短でそうした機能を実装する方法が学習と練習になります。
■ 描ける人のアルゴリズム
そもそも、未経験の事象においては、手続き型のコードの記述でありゴリズムを記述してフィードバック制御で動かしているような物ですから、物事が出来ている人とは状態が違います。
その為、処理の構造そのものが違うわけですが、処理をする上に置いて、リアルタイムでセンサーの値を取得して変数を常に代入して動いているような状態なので、物事が出来る人の構造とは違います。基本的に、物事を行う場合には、結果と実行している内容が等式で結ばれる条件を作る事になりますから、必要となるのはこのアルゴリズムです。そうなると、この誤差が大きいほど結果とは程遠い物になっていくわけですが、未経験の分野でそれが発生するのは、間違いなく物事における知識と言うデータが欠如しており、それを行う為のアルゴリズムが未実装で、アクチュエーターの制御で動作させるために必要なティーティングを行った履歴すらないので、失敗する要素が揃い過ぎているので、上手くいかないわけです。つまり、【 未経験の分野だと憶測などで補完できる物はほとんど存在しない 】 ので、学習や練習をしないと上手くいかないわけです。
例えば、未経験の分野を行う場合には、それが何であるのかを知る必要がありますが、その為に学習を行います。例えば、絵を描く画法を学ぶ場合、そのデータが必要です。しかし、実技の分野なので、練習をしなければ運動野を使って技術を使う事が出来ません。
これが、【 未実装 】と言うだけの状態です。ただし、経験者委が何時までもこの 【 未経験者 】 の状態で足踏みしている訳がありませんから、ステップアップをしているので、実装されているアルゴリズム自体も違っています。
絵の分野で考えると、描く回数が多い人の場合、基本が出来ている場合、観て描いているはずですから、観察しながら模写をしてそれを記憶して再現できる物がストックされています。
この再現の内容が、デッサンやクロッキーの場合だと見えている座標平面上の幾何を精度の高い状態でプロットできる機能になりますが、描きなれているものだと、ある程度思い出して描ける部分があるので、それが何か解らない状態でスタートするほどひどい状態にはなりません。ただし、描く場合には、構造や形状を確認しながら描いているので、【 描くたびに知識のストックが増えている 】 訳です。つまり、この辺りが未経験者には実装されていない、 【 過去に描いた物なのでそれを思い出して描くというアルゴリズム 】 になりますが、当然、未経験者にはこれがありません。
また、アタリを描いて形状を描けるようになると、脳内で判断して描くことも可能になるので、クロッキーのように描いて破綻しない人は脳内でそれが出来ている訳です。当然、こんな能力を持って生まれてきている人はいませんから、描く練習の結果身に付いた副産物と言う事になります。
この内容を見ると 【 実行されている処理が違う 】 事が確認できると思いますが、初心者や未経験者の処理は手続き型の処理でデータやアルゴリズムが存在せず、ティーティングもできていないので見た物を判断して手に伝えるまでのソリューションがまともに機能していないわけですが、学習を行った場合、少なくとも画法と言う関数の実装程度はできます。これを実際に使って描くと 【 描いた物 】 のデータの取得ができますが、それと同時に 【 その物体の描き方 】 を得ることができます。基本的に画材の制御についてはマシンティーティングと同じなので、描いた回数でしか向上しません。
基本的に、物事が行える人の場合、処理の構造がクラスでの管理のような状謡になっているので、関連した知識であれば、現在の知識を基底クラスとして考え、そのクラスを元に不足分を新しっクラスとして設計して継承をする事で新しい知識として使うようなことが出来ている訳です。これが絵の場合だと、技術の拡張になりますが、これはあくまでの脳内の話なので、アクチュエーターの制御部分については実際に描いて慣れていくしかありません。
その時に形状を認識したり、パースの部分が崩壊しないように描くことが出来てくると、イメージでパース上の形状を描けるようになるので、CUBEで接地面を描くとしゃがんだ人た立っている人が描けるという特殊な能力に至る訳です。
つまり、未経験者が分けも解らず、そう言った特殊な人の形態模写を始めると基礎を飛ばして訳も解らずにおかしな変数を関数に入力して計算間違いを繰り返す結果にしかなりませんから、基礎を積んだうえで上でそれに至る事は素晴らしい事ですが、いきなり訳も解ら素にそれを真似ると形状認識や空間把握と言う絵を描くために必要な能力や空間内の整合性を撮るようなことが出来なくなります。
【 プロの描き方を真似る 】 と上手くなるのか？と言うと絵の場合は多分違うような気がします。と言うのも、プロの漫画家の先生や作画監督の方だとボールペン画とか墨とか修正が効かないようなので一発描きとかできているので、この段階で未経験の人とは能力が違い過ぎます。（これは、先程の認知の違いと似た部分がありますが、脳内での形状の構築のアルゴリズムがある人とそうでない人だとアクチュエーターを動かす段階での挙動の状態が異なるので出力結果も異なる訳です。）
その為、描き方についても既にイメージが固まって描いている状態と、何も決まっていない状態で描いているのでは異なりますから、 【 形状認識 】 や 【 空間把握 】 は必要になりますから、それが実装されていて、脳内で昇華して筆を走らせると整合性が取れた状態で描ける人と、その分野が何か解っていない人では実装されている能力や知識だけでなく、運動野の制御に至るまで異なるので、下地を作る事から始めないと描けないはずです。
現在はいい時代になっており、著名な漫画家の先生やイラストレーターの方がYouTubeで動画をアップしていたり、何かの企画の動画でそう言った物を見ることもできますが、凡人からすると、フツーに別次元の能力なので、実際に描く作業を見てみると、同じ事が出来ない事が解ると思います。
基本的に、【 描くために必要な基礎 】 を知らないと描けないのですが、その基礎についても義務教育の美術辺りでも色々と教わっているので、この知識が応用分野で行かせているか否かの違いになります。
先日、
■ へのへのもへじ
■ つるニハ◯◯ムシ
でバランスを取って顔を描くと色々な顔を描ける事について書きましたが、これは、 【 特定方向を向いたキャラの描き方 】 と同じものになります。つまり、顔と言えば、顔なんですが、表情はないですし、向きが固定されてしまうので形状の理解には至らない物なので、それに類似したもので描き慣れてしまうと描けなくなるという問題があります。
この描き方が悪い訳ではありませんが、顔の描き方で、
のようなのを教わった場合、これは 【 へのへのもへじ 】 などと同じで一方向しか見ていない絵になってしまうので、同じキャラでも逆を向くとバランスが取れなくなります。その為、
のような直方体や立方体でバランスをとるようにした方がそうした問題に遭遇しなくなります。この状態にすると、
のように描けるようになりますが、体も同様にバランスが取れるので、
のようにアタリを立体にするどの面が見えているのかもイメージしやすくなります。
基本的に描く方法を知らない状態だと身実装の機能だらけなので、機能の実装をする必要がⅮてきますが、へのへのもへじのように方向が固定されてしまった描き方に慣れてしまうと、その後の拡張性がなくなりますし、他の向きだとバランスが取れなくなるので、どっちみち覚える事になるのであれば、おかしな遠回りをする前に汎用性のある物を先に学んだほうがいいです。
頭部だと球体を基準胃描く方法がありますが、この方法は色々な場所で紹介されているのですが、これが巣越す難しい場合に立方体を使った描き方を行う事になります。この場合、顔を面として考えるので、
のように視線をコントロールしやすくなります。この辺りは、
で描いてしまうと確実に無理が来るので、向かい合ったキャラが揃いも揃って虚空を見つめているという、不穏な絵が出来上がる場合があります。また、この場合、平面で描いてしまっているので、立ち位置の概念もないので、キャラがおかしな立ち方をして違う向きで虚空を見つめているという状態になる恐れもあります。
その為、キャラの向きを変えても描ける人だと、その向きの顔で描けばいいので、こうした問題が出ないのですが、画用紙の左側を見ている絵の構図しか描けない場合だと正面や側面が描けなくなりますし、へのへのもへじなどと同じ正面顔だと、耳の後ろ側が見える後頭部からの絵が描けなくなります。その為、後ろ姿や背面を基準としてカメラが回り込んだ時の姿が描けなくなるという問題もあります。
その為、描く時の選択肢を増やそうと思うと、キャラの向きが変わっても対応できた方がいいので、クロッキーやデッサンのような3D-2D変換ではなく、2.5Dの立体的な形状でアタリを取った方が向きのコントロールなども行いやすくなります。
クロッキーやデッサンのように 【 ある物の形状を描く 】 場合だと線を拾って平面で描くという手法が通じますが、創作物のように 【 何もない状態から描いていく 】 となると、少なくとも空間の状態を考える必要が出てきますから、床に立たしてあげたり、座れる場所があったら座らせてあげる必要があります。そうなると、クロッキーみたいな描き方で座った人を描こうと思うと相当画力（と言うか、この場合、平面内にパースのような2.5Dがイメージできている状態を指します。）がないと無理なので、そう言った特殊能力が未実装な場合だと、座標平面上に2.5Dを作ってそこに立体的なアタリと対象となる空間上の平面などを用意して描くことになります。
■ 立体的な形状とパース
パースを使うと、
のように消失点に向かって距離が変化する物を描けますが、
のように空間内に凹凸を追加することもできます。これを使うと、
のように空間内に奥行き方向に抜けるようにオブジェクトを配置できるのですが、
のような描き方もできます。立方体などでアタリを取ると、
の用意消失点でキャラの側面や正面をコントロールできるので、
のような感じで、キャラとシーン内のパースを合わせることもできます。
■ 透視図法
一点透視図法の場合、
のように平面に奥行きを付けた物なので、水平と垂直については同じ距離になります。その為、長方形や正方形を描いた場合、青い〇の部分の高さは同じになります。そして、消失点に向かっている相似の三角形の底辺の高さはパース上では同じ高さになります。これが透視図法の基本的な考え方になります。
この条件だと、
のようにもう一方の直線からパース線を引いて同じ高さで横に移動すしてもその場所の高さは同じになりますが、これを
のようにアイレベル上で2つの底辺を持つ相似の三角形の頂点を探しても同じ高さになります、その為、位置を決める場合だと、床面のどの場所にオブジェクトを配置するのかを決める原点を用意して、そこに向かって、対象となる高さを持つ垂線の地面のした座標と指定した座標を繋いでできる場所を相似の三角形の頂点として、その場所から、元の高さの場所に直線を伸ばした時にできるパース線に向かって、頂点から垂線を伸ばすと、その座標に存在する同じ高さを取得する事ができます。
あと、実験的に
のように一点透視図法の中に斜めな物を配置してみたのですが、左側が
のようにして描いた物で、右側が
のように二点透視で描いた物になります。
今回も鉛筆を使ってコピー紙に描いており、Panasonic Lumuix DMC-TZ85で撮影しています。