『渋谷風のどこか』しか出せなかったAI画像生成、GoogleがStreetViewの実写データで変えにきた

ゲームや VR の背景アセットを作るとき、「リアルな街並み」の再現は鬼門だ。テクスチャを描いて、3D モデルを配置して、ライティングを合わせて——気づいたら背景だけで数週間が溶けている。

・Unity や Unreal で実在の都市を再現したいけど、ロケハンに行く余裕がない

・VRChat ワールドに「現実っぽい」背景を入れたいが、アセット制作が重すぎる

・AI 画像生成で背景を作ろうとしても、「どこかで見たような架空の街」にしかならない

そんな作り手に向けて、Google が 2026 年 4 月に発表した AI 新機能を開発者目線で噛み砕く。

StreetView の実写データが「AI 生成の入力素材」になる
衛星画像の自動解析が「数週間 → 数分」になる
橋・道路・電線を衛星画像から自動識別するモデル
「入力素材の質」が AI 生成の出力を決める
今のうちに触れておきたいこと
データの権利関係は「作れる」と「使える」を分けて考える
まとめ
【PR】関連ツール・サービス
【PR】おすすめの書籍
1. あわせて読みたい

StreetView の実写データが「AI 生成の入力素材」になる

2026 年 4 月 22 日、Google Cloud Next で Google Maps Platform と Google Earth AI に関する 3 つの AI 新機能が発表された。最も注目したいのが「Maps Imagery Grounding」だ。

これは Gemini Enterprise Agent Platform と連携し、Google StreetView の実写画像をベースに AI で画像や映像を生成できる機能。たとえば映画スタジオがロケに行く前に、特定の場所でのシーンを事前にビジュアル化する。広告大手の WPP はクライアント向け広告制作への活用をテスト中だ。現時点では米国内の場所が対象で、プライベートプレビュー（招待制の試験提供）として利用できる。

ゲーム・VR 開発者にとってのインパクトは、「実在する場所の写真を元にした AI 画像が作れる」という一点に集約される。

これまでの AI 画像生成は、テキストプロンプトから「それっぽい街」を出すのが精一杯だった。「渋谷のスクランブル交差点」と指示しても、出てくるのは「渋谷風のどこか」。入力が実写データになることで、出力の「場所としての正確性」が根本的に変わる。

衛星画像の自動解析が「数週間 → 数分」になる

2 つ目の「Aerial and Satellite Insights」は、衛星・航空画像を AI で自動解析する機能だ。Google Earth AI の一部として、BigQuery（Google Cloud の大規模データ分析基盤）に数週間以内に追加される予定となっている。

従来、衛星画像から建物の配置や道路の状況を把握するには、人間が画像を目視で確認する必要があった。数週間かかることもあったこの作業を、数分に短縮できるという。都市計画で住宅地域の建設現場をモニタリングし、インフラ整備のリソースを配分する用途が想定されている。

ゲーム開発者にとっても面白い。たとえばオープンワールドゲームのマップ設計で「実在する都市の建物密度パターン」を衛星画像から抽出し、プロシージャル生成（アルゴリズムによる自動地形生成）のパラメータに反映する。SimCity や Cities: Skylines のようなシミュレーションゲームを個人で作っている人には、リアルなデータに基づくマップ生成という選択肢が増える。手動で建物を一つずつ並べる作業を考えると、入力データの質が上がるだけで生産性が桁で変わる話だ。

橋・道路・電線を衛星画像から自動識別するモデル

3 つ目は、Google Cloud の Model Garden（事前学習済み AI モデルを試せるプラットフォーム）で公開された 2 つの画像識別モデルだ。

橋、道路、電線といった特定の構造物を、衛星・航空画像から識別するために設計されている。企業がゼロから AI モデルを構築する手間を省く狙いだ。空間情報サービスの Vantor は、嵐で被害を受けた道路や瓦礫の状況を衛星画像から迅速に把握する用途でこのモデルを活用している。

VR やゲームの文脈で考えると、「構造物の種類ごとに画像をセグメンテーション（領域分割）できる」のが使いどころだ。地形データから道路だけ、電線だけを抽出できれば、オープンワールドのマップ自動生成で「道路ネットワークはこのパターン」「電線はここに這わせる」という自動配置が現実的になる。全部手作業で配置していた工程と比べると、制作スピードが大きく変わる。

「入力素材の質」が AI 生成の出力を決める

3 つの機能を並べると、1 つの明確な流れが見えてくる。

現実世界の画像データが、AI コンテンツ生成の「標準的な入力素材」になりつつある。

これまでの AI 画像生成はテキストプロンプトが主な入力だった。プロンプトエンジニアリング（指示文の工夫）で出力品質を上げるアプローチが主流だったが、テキストだけでは「場所の正確性」に限界がある。

自分もブログ記事のサムネイル画像を AI で生成するワークフローを組んでいて、Gemini を使った画像生成パイプラインを運用している。その中で痛感するのは、プロンプトをどれだけ練り込んでも、参照データがある方が意図した出力に圧倒的に近づくということだ。「こういう雰囲気の画像を出して」より「この画像をベースにアレンジして」の方が、結果がブレない。

StreetView という世界規模の実写データベースが入力になるのは、この「参照データの質と量」を一気に引き上げる動きだ。ゲーム背景、VR 環境、建築ビジュアライゼーション——どの分野でも「リアルな場所ベースの生成」が当たり前になる可能性がある。

今のうちに触れておきたいこと

Maps Imagery Grounding は現時点で米国内限定のプレビューだ。日本の場所で使える時期は未定で、すぐに開発へ組み込めるわけではない。ただ、正式公開を待つだけだと出遅れる。今できる準備を整理する。

Google Maps Platform の API に触れておく

StreetView Static API を使えば、特定の座標の StreetView 画像をプログラムで取得できる。これと既存の AI 画像生成ツール（Gemini の画像機能や Stable Diffusion の img2img）を組み合わせれば、「実在する場所の写真 → AI でスタイル変換 → ゲーム用アセット」というパイプラインの原型は今でも試作できる。

Imagery Grounding が正式公開されたとき、このパイプラインの「スタイル変換」部分が Google 純正の高品質な機能に置き換わるイメージだ。

画像→画像の AI 変換に慣れておく

テキスト→画像の生成しかやったことがないなら、img2img（画像を入力して別の画像を出力する方式）のワークフローを一度組んでおくといい。入力画像の解像度やアスペクト比をどう扱うか、出力のスタイルをどうコントロールするかは、実際に手を動かさないと感覚がつかめない。Imagery Grounding も根本は「画像ベースの生成」なので、このワークフローの延長線上にある。

早期アクセスに登録しておく

各機能への早期アクセス登録は公式サイトで受付中だ。Maps Imagery Grounding のプライベートプレビューへの参加申請もできる。使えるようになったときに真っ先に触れるポジションを確保しておく。それだけで差がつく。

データの権利関係は「作れる」と「使える」を分けて考える

技術的にワクワクする話だからこそ、開発者として忘れがちなのが権利関係だ。

StreetView の画像データは Google が権利を持っている。Maps Imagery Grounding を通じた生成は Google の許可のもとで行われるが、生成画像の利用範囲——商用利用、再配布、ゲームやアプリへの組み込み——はプレビュー段階では明確になっていない部分がある。

プレビューで試作したアセットをそのまま商用プロジェクトに投入するのは、正式な利用規約が固まるまで控えた方がいい。「試せること」と「売り物に使えること」は別の話だ。

これは Google に限った話ではなく、AI 生成コンテンツの権利関係は業界全体でまだ流動的だ。便利すぎない？と飛びつく前に、規約を読む 5 分が後から効いてくる。使う側としては「作れる」と「使える」を常に分けて考える癖をつけておきたい。

まとめ

Google が StreetView の実写データを AI 画像生成の入力にする「Maps Imagery Grounding」を発表。現時点では米国内限定プレビュー
衛星画像の自動解析と構造物識別モデルも合わせて 3 機能。現実世界のデータが AI コンテンツ生成の標準入力になる流れが加速している
ゲーム・VR 開発者は Google Maps Platform の API と画像→画像の AI 変換パイプラインに今から触れておくと、正式公開時にすぐ動ける

実在する場所のデータを元にした AI 環境生成のノウハウは、VRChat ワールド制作や Unity でのステージ構築を受注する際の差別化ポイントになる可能性がある。API の使い方と権利関係の基礎を押さえておくだけでも、提案の幅が変わる。