コンピュータビジョン技術は継続的な進化を遂げており、一人称視点を備えた技術の発展とともに、新たな応用可能性が広がっている。ミックスドリアリティは物理世界のオブジェクトをリアルタイムで仮想環境に統合する技術であり、ユーザーの没入感を高めるために、現実に近い体験をいかに実現するかが重要な課題となっている。本研究は、仮想画像と実画像の統合を容易にするため、画像処理を用いた領域分割技術を開発し、前景と背景を識別することを目的としている。 研究では、キャタピラー製の鉱山用ダンプトラック「CAT793F」のシミュレータを使用し、カメラで取得した実画像に対して人工知能技術を適用してセグメンテーションを実行した。具体的には、畳み込みニューラルネットワークアーキテクチャの「U-Net」と「DeepLabV3+」を画像セグメンテーションタスクに適用している。 これらのモデルは約90%の精度を達成する優れた成果を示しており、最適なモデルの特定に成功した。この技術は、コックピット環境におけるミックスドリアリティアプリケーションの精度向上と、ユーザー体験の向上に大きく貢献する可能性を持っている。実世界と仮想世界の境界を自然にブレンドさせることで、より実践的で没入感のあるシミュレーション環境の構築が可能になるだろう。