新しいバージョンの Metashape では、Natural ブレンドモード使用時のテクスチャ生成のパフォーマンスを最適化しました。また、マッチングアルゴリズムを変更し、分類の学習機能を追加しました。さらに、ARM64 プラットフォーム向けに Windows/Linux のネイティブサポートを追加しました。

Agisoft Metashape 2.4 のダウンロード

Agisoft Metashape 2.4.0 プレリリース版が公開されており、Agisoft フォーラムからダウンロードできます。

Align Photos（写真のアライメント）

新しいマッチングアルゴリズム

キーポイントの選択アルゴリズムが更新され、ディスクリプター（特徴量記述子）も更新されました。マッチングは粗いレベルから詳細なレベルへと段階的に行われます。これにより新しいアルゴリズムでは、畑や森林地帯など、複雑なシーンでもより多くのマッチを検出できるようになりました。

デフォルトの Accuracy（精度）が Highest に設定されるようになりました。この場合、最も精度の高いアライメントを行うため、アルゴリズムはすべてのダウンスケールレベル（Lowest から Highest まで）について自動的に特徴点を選択します。

今後は、キーポイントの最小値（Key point limit minimum）と、以前は Guided matching で指定していた 1 Mpx あたりのキーポイント上限（Key point limit per Mpx）を指定することが重要になります。画像 1 枚あたりの検出ポイント数は「(Key point limit per Mpx) × (画像サイズ〔Mpx〕)」で算出されますが、Key point limit minimum の値を下回ることはありません。

Automatic classification（自動分類）

分類器の学習

ユーザーがラベル付けした点群を使って、分類器を学習させる機能を追加しました。Metashape は学習に勾配ブースティング（Gradient boosting）モデルを使用します。元の点群でクラスが正確に定義されているほど、分類モデルの学習に適したデータになります。学習には、分類したいエリアに類似した点群を使用することをおすすめします。

学習は Classify Points（点群の分類）ダイアログから実行できます（Tools > Classify Points > Train new classifier を選択）。

ダイアログでは、分類器の説明を入力できます。また、学習に使用する点群（この例では Train という名前）を選択し、学習させるクラスを指定できます（リストには、学習用点群で定義されているクラスが表示されます）。さらに、クラスに対して属性（Color、NIR band、Intensity、Return number、Normal、Confidence）を定義することもできます。

分類器の一覧は Use Existing Classifier タブに表示されます（Tools > Classify Points > Use Existing Classifier を選択）。

複数のモデルを学習させている場合は、その中から 1 つを選択し、分類対象の点群と分類したいクラスを指定できます。

分類モデルの編集は、コンテキストメニューから行えます。

Texture（テクスチャ）

Natural blending の改善

Natural blending アルゴリズムのパフォーマンスを最適化しました。

ARM プラットフォーム

ARM64 プラットフォーム向けに、Windows/Linux のネイティブサポートを追加しました。

変更履歴（Change log）

Version 2.4.0 build 23155（2026 年 9 月 14 日、プレビューリリース）

Standard 版・Professional 版

• 難しいシーンでもより多くのマッチを検出できるよう、画像マッチングのアルゴリズムを刷新しました。
• Align Photos ダイアログから Guided image matching オプションを削除しました（現在はアルゴリズムに不可欠な要素として組み込まれています）。
• Windows および Linux 向けの ARM64 インストーラーを追加しました。

Professional 版

• ポイントクラウドの分類学習に対応しました。