セグメンテーション（セグメンテーション）
画像 / データを意味的に区分する処理。コンピュータビジョンでは画像内の物体ごとに領域分割、ML では顧客クラスタリング、メモリ管理ではアドレス空間分割等の文脈で使われる。
概要
セグメンテーション（Segmentation）は、画像 / データを意味的に区分する処理を指し、文脈により異なる意味を持つ:
- 画像セグメンテーション: コンピュータビジョンで画像内の物体ごとに領域を分割
- メモリセグメンテーション: メモリ空間をアドレス区切りで分割管理
- 顧客セグメンテーション: マーケティングで顧客を属性別にグループ化
- データベースセグメンテーション: シャーディング、データ分散
- ネットワークセグメンテーション: VLAN / サブネット分離
2026 年現在、最も話題は AI 画像セグメンテーションで、Meta が 2024 年公開した SAM 2（Segment Anything Model 2） が業界標準として確立、動画フレーム横断追跡で個人クリエイター / 研究者にも利用が拡大している。
AI 画像セグメンテーションの種類
| 種類 | 説明 | 代表モデル |
|---|---|---|
| Semantic Segmentation | クラス単位（人 / 車 / 道路）で領域分割 | U-Net、DeepLabv3+ |
| Instance Segmentation | 個別物体ごとに分割（人 1 / 人 2） | Mask R-CNN、SOLO |
| Panoptic Segmentation | Semantic + Instance の統合 | Panoptic FPN |
| Promptable Segmentation | テキスト / クリックで動的分割 | SAM 2、SEEM |
| Video Segmentation | 動画フレーム横断追跡 | SAM 2、XMem |
主要モデル / ツール（2026 年）
AI モデル
| モデル | 提供 | 価格 |
|---|---|---|
| Meta SAM 2 | OSS（GitHub） | 無償 |
| SAM 2.1 / 2.5 派生 | コミュニティ | 無償 |
| Stable Diffusion Inpainting | OSS | 無償 |
| Photoshop Generative Fill | Adobe CC | ¥3,828/月 |
| DeepLabv3+ | OSS（Google） | 無償 |
| Mask R-CNN | OSS（Meta） | 無償 |
| YOLOv11-seg | OSS（Ultralytics） | 無償 |
アノテーションツール
| ツール | 形態 | 価格 |
|---|---|---|
| Roboflow Annotate | クラウド | 無償 / Pro $249/月 |
| CVAT | OSS（Intel） | 無償 |
| Label Studio | OSS / SaaS | OSS / Cloud $99/月 |
| Supervisely | クラウド | 無償 / 商用 |
| LabelMe | OSS | 無償 |
商用画像処理 GUI
| 製品 | 価格 | 機能 |
|---|---|---|
| Adobe Photoshop | ¥3,828/月 | Object Selection AI、Sky Replacement |
| Topaz Mask AI | ¥7,000 買切 | AI 自動マスク |
| Affinity Photo 2 | ¥9,800 買切 | コスパ Photoshop 代替 |
| Capture One 25 | ¥38,400 買切 | プロ写真家向け |
SAM 2 の特徴（2026 年）
- Promptable: クリック / バウンディングボックス / テキストで動的分割
- Zero-Shot: 学習データになかった物体も分割可能
- 動画対応（v2）: フレーム間追跡、初フレーム指定で全フレーム自動マスク
- OSS: Apache 2.0 ライセンス、商用利用無償
- モデルサイズ: 38M / 80M / 224M / 624M パラメータ
用途別の応用
| 用途 | 適用例 |
|---|---|
| 医用画像 | 腫瘍 / 臓器の領域抽出（CT / MRI） |
| 自動運転 | 道路 / 車線 / 歩行者の区分 |
| 衛星画像 | 建物 / 森林 / 水域の分類 |
| 動画編集 | ロトスコーピング、背景除去 |
| 工業検査 | 製品の傷 / 異物検出 |
| 農業 | 作物 / 雑草 / 病害の識別 |
| 美容アプリ | 肌 / 髪 / 顔のパーツ別エフェクト |
| AR / VR | 物体除去 / 配置 |
メモリセグメンテーション（OS / CPU）
x86 アーキテクチャの伝統技術。Code Segment / Data Segment / Stack Segment 等。現代の x86_64 ではフラットメモリモデルが主流で、セグメンテーションは限定的役割（FS/GS で TLS）。
顧客セグメンテーション（マーケティング）
RFM 分析（Recency / Frequency / Monetary）、デモグラフィック / サイコグラフィック / 行動ベース等で顧客を分類。ML K-Means / DBSCAN クラスタリングで自動化。
ネットワークセグメンテーション
VLAN / サブネット / ファイアウォール / マイクロセグメンテーション（Zero Trust）で内部ネットワーク分離。ランサムウェア対策の基本。
PC スペック要件（AI セグメンテーション）
- SAM 2 推論（GPU）: RTX 3060 12GB 以上、画像 1 枚 0.5-2 秒
- 動画 SAM 2: RTX 4070 SUPER 以上、1080p 30fps 動画 1 分処理 2-5 分
- 学習 / Fine-tuning: RTX 4090 24GB / H100、データセット規模次第
- 業務用大量バッチ: A100 / H100 GPU クラスタ
関連用語との違い
| 用語 | 違い |
|---|---|
| クラシフィケーション | 画像全体のクラス予測、Segment は領域 |
| 物体検出（Object Detection） | バウンディングボックス、Segment はピクセル |
| エッジ検出 | 輪郭のみ、Segment は領域全体 |
| クラスタリング | 教師なし、Segment は教師あり多 |
よくある質問
Q1: SAM 2 を個人 PC で動かすには？ A: RTX 3060 12GB 以上推奨。PyTorch + Hugging Face Transformers + segment-anything パッケージで Python 環境構築、ローカル推論可能。Macbook M3 Pro 以上の Mac でも動作。
Q2: アノテーション作業は AI で完全自動化できる？ A: 部分的に。SAM 2 で 80% カバー、残り 20% は人手修正。プロアノテーターは 10 倍速度向上、品質も均一化。
Q3: 動画ロトスコーピングが SAM 2 で本当に楽になった？ A: 大幅に。Adobe After Effects / DaVinci Resolve に SAM 2 ベースの自動マスク機能が統合（2025-）、従来 1 分 / フレームの作業が秒単位に短縮。
まとめ
- 画像 / データを 意味的に区分 する処理
- 2026 年の AI 画像セグメンは Meta SAM 2 が業界標準
- 動画 / 医療 / 自動運転 / 工業検査で 必須技術