2020-015398

第１　手続きの経緯

本願は，令和元年８月２０日を出願日とする出願であって，その手続の経緯は以下のとおりである。

令和２年　２月１３日付け　拒絶理由通知

令和２年　５月１５日　　　意見書・手続補正書の提出

令和２年　８月１８日付け　拒絶査定

令和２年１１月　６日　　　審判請求書の提出

第２　原査定の概要

原査定（令和２年８月１８日付け拒絶査定）の概要は次のとおりである。

本願請求項１－８に係る発明は，引用文献４に記載された発明および引用文献１ないし３および５ないし８に記載された周知技術に基づいて，その発明の属する技術の分野における通常の知識を有する者（以下，「当業者」という。）が容易に発明できたものであるから，特許法第２９条第２項の規定により特許を受けることができない。

＜引用文献等一覧＞

１.特開２０１８－１９７９４８号公報

２.国際公開第２０１８／１４２７６５号

３.特開２０１８－１６３５５４号公報

４.特開２０１３－１６１２６７号公報

５.特開２０１９－９７９７８号公報

６.超特集『ときメモ２』誕生から完成までメインスタッフが全てを

語り尽くす！！Ｍａｋｉｎｇ　ｏｆ　『ときメモ２』，

電撃Ｐｌａｙｓｔａｔｉｏｎ Ｄ ＫＯＮＡＭＩＦａｎＢｏｏｋ，

日本，メディアワークス，２０００年　１月　７日，

第5巻，第35号，通巻124号，第8-23頁

７.龍が如く２　完全攻略極ノ書，株式会社エンターブレイン，

２００７年　２月　５日，初版，第286-327頁

８.ラブプラス LOVEPLUS，電撃ゲームス Ｖｏｌ．３，

株式会社アスキー・メディアワークス，

２０１０年　１月　１日，第10巻，第80-90頁

第３　本願発明

本願の請求項１ないし８に係る発明（以下，「本願発明１」ないし「本願発明８」という。）は，令和２年５月１５日の手続補正書により補正された以下のとおりの特許請求の範囲の請求項１ないし請求項８に記載された事項により特定される発明である。

「【請求項１】

ユーザからの操作を受け付け可能な操作受付部と，

固有の学習内容によって定義され，当該学習内容を利用して少なくとも１つの識別子情報を推論可能な画像認識モデルであって，キャラクタのキャラクタ識別情報に紐づけられる画像認識モデルを複数記憶し，複数の識別子情報のそれぞれに対応する複数の応答内容を前記複数の画像認識モデルのそれぞれに紐づけて記憶する記憶部と，

操作受付部の受け付けたキャラクタを選択するためのユーザによる操作に基づき，前記記憶部に記憶されたキャラクタ識別情報の中から前記選択されたキャラクタのキャラクタ識別情報を画像情報の送り先として特定する送り先属性情報特定部と，

続きを表示（全41行）

前記送り先属性情報特定部の特定したキャラクタ識別情報に紐づけられた画像認識モデルを，前記記憶部に記憶された複数の画像認識モデルの中から選択する画像認識モデル選択部と，

前記画像認識モデル選択部の選択した画像認識モデルへ画像情報を入力し，前記学習内容に基づいて，当該画像情報から識別子情報を推論する識別子情報推論部と，

前記識別子情報推論部の推論した識別子情報に基づき，当該識別子情報に対応した応答内容を前記記憶部に記憶された複数の応答内容の中から特定して実行する応答内容実行部と，

を備えることを特徴とする電子装置。

【請求項２】

前記記憶部に記憶された複数の画像認識モデルは，その学習内容が各画像認識モデルに固有の教師データによって定義され，当該固有の教師データはそれぞれ画像情報および識別情報であるラベルの対の集合によって定義されることを特徴とする請求項１に記載の電子装置。

【請求項３】

ユーザに対して情報を表示する表示部を備え，

前記記憶部は，前記キャラクタ識別情報に対応する文字情報及びアイコン画像情報の少なくとも１つを記憶し，

前記送り先属性情報特定部は，前記記憶部に記憶された前記文字情報及び前記アイコン画像情報の少なくとも１つを前記表示部に表示するとともに，当該表示された文字情報及びアイコン画像情報の少なくとも１つを前記操作受付部によってユーザが指定することで前記記憶部に記憶されたキャラクタ識別情報の中からキャラクタ識別情報を画像情報の送り先として特定することを特徴とする請求項１ないし請求項２のいずれか１項に記載の電子装置。

【請求項４】

１つ以上のコンピュータによって実行される方法であって，

固有の学習内容によって定義され，当該学習内容を利用して少なくとも１つの識別子情報を推論可能な画像認識モデルであって，キャラクタのキャラクタ識別情報に紐づけられる画像認識モデルを複数記憶し，複数の識別子情報のそれぞれに対応する複数の応答内容を前記複数の画像認識モデルのそれぞれに紐づけて記憶する記憶段階と，

ユーザからの操作を受け付ける操作受付段階と，

操作受付段階において受け付けたキャラクタを選択するためのユーザによる操作に基づき，前記記憶されたキャラクタ識別情報の中から前記選択されたキャラクタのキャラクタ識別情報を画像情報の送り先として特定する送り先属性情報特定段階と，

前記送り先属性情報特定段階において特定したキャラクタ識別情報に紐づけられた画像認識モデルを，前記記憶された複数の画像認識モデルの中から選択する画像認識モデル選択段階と，

前記画像認識モデル選択段階において選択した画像認識モデルへ画像情報を入力し，前記学習内容に基づいて，当該画像情報から識別子情報を推論する識別子情報推論段階と，

前記識別子情報推論段階の推論した識別子情報に基づき，当該識別子情報に対応した応答内容を前記記憶段階において記憶された複数の応答内容の中から特定して実行する応答内容段階と，

を実行させることを特徴とする方法。

【請求項５】

前記１つ以上のコンピュータは，ユーザ端末であることを特徴とする請求項４項に記載の方法。

【請求項６】

前記１つ以上のコンピュータは，ユーザ端末及びサーバを含むことを特徴とする請求項４に記載の方法。

【請求項７】

請求項４～６のいずれか１項に記載された方法を，１以上のコンピュータに実行させることを特徴とするプログラム。

【請求項８】

ユーザ端末及びサーバを含むシステムであって，

前記ユーザ端末が，

ユーザからの操作を受け付け可能な操作受付部と，

操作受付部の受け付けたキャラクタを選択するためのユーザによる操作に基づき，前記選択されたキャラクタのキャラクタ識別情報を画像情報の送り先として特定する送り先属性情報特定部と，

を備え，

前記サーバが，

固有の学習内容によって定義され，当該学習内容を利用して少なくとも１つの識別子情報を推論可能な画像認識モデルであって，キャラクタのキャラクタ識別情報に紐づけられる画像認識モデルを複数記憶し，複数の識別子情報のそれぞれに対応する複数の応答内容を前記複数の画像認識モデルのそれぞれに紐づけて記憶する記憶部と，

前記送り先属性情報特定部の特定したキャラクタ識別情報に紐づけられた画像認識モデルを，前記記憶部に記憶された複数の画像認識モデルの中から選択する画像認識モデル選択部と，

前記画像認識モデル選択部の選択した画像認識モデルへ画像情報を入力し，前記学習内容に基づいて，当該画像情報から識別子情報を推論する識別子情報推論部と，

前記識別子情報推論部の推論した識別子情報に基づき，当該識別子情報に対応した応答内容を前記記憶部に記憶された複数の応答内容の中から特定して実行する応答内容実行部と，

を備えることを特徴とするシステム。」

第４　引用文献

２　引用文献１および２の記載ならびに周知技術１

（３）周知技術１

上記（１）および（２）の記載の，特に下線部に着目すると，引用文献１および２には，以下の技術（以下，「周知技術１」という。）が記載されていると認められる。

「複数の学習済みモデルを予め記憶しておき，ユーザが選択した学習済みモデルを利用すること。」

３　引用文献３の記載ならびに周知技術２

原査定の拒絶理由において，周知例として引用された引用文献３には，図面とともに次の事項が記載されている。

ア　「【技術分野】

【０００１】

本発明は、画像処理装置、画像処理方法、画像処理プログラム、及び教師データ生成方法に関する。

【背景技術】

続きを表示（全32行）

【０００２】

今日、人工知能分野における機械学習のなかでもディープラーニング（ｄｅｅｐ　ｌｅａｒｎｉｎｇ；深層学習）は、画像認識の分野で目覚ましい成果を上げている。しかし、画像認識に限らず、ディープラーニングは、様々なバリエーションを持った大量の教師データを必要とする点が実用化においての課題となる。そのような大量の教師データを揃えることは時間面及びコスト面並びに著作権の権利処理の面から現実的に難しいことが多く、教師データが不十分な場合には学習が十分に行われず、認識精度が上がらないという問題がある。

【０００３】

このため、例えば、画像データから、三次元コンピュータグラフィックス（Ｔｈｒｅｅ－Ｄｉｍｅｎｓｉｏｎａｌ　Ｃｏｍｐｕｔｅｒ　Ｇｒａｐｈｉｃｓ；３ＤＣＧ）で光のモデルを変えた複数のデータを作成して、画像検出用の教師データを複数作成することが提案されている（例えば、特許文献１参照）。

また、カメラで撮影した画像から、３ＤＣＧでブレのある複数のデータを作成することで、画像検出用の教師データを複数作成することが提案されている（例えば、特許文献２参照）。

【０００４】

また、ディープラーニングにおいて、教師データが少ない場合に「データオーグメンテーション（ｄａｔａ　ａｕｇｍｅｎｔａｔｉｏｎ）」と呼ばれる手法を用いて、教師データのバリエーションを増強することが報告されている（例えば、非特許文献１参照）。この「データオーグメンテーション」は、画像の変色、変形、拡大・縮小、又は切り抜きを、教師データの特徴を損なわない範囲で行うものである。

また、教師データを増強する方法として、三次元（３Ｄ）モデルを利用した方法が報告されている（例えば、非特許文献２参照）。この方法では、認識対象の３Ｄモデルをレンダリングした画像を教師データとして利用している。

【先行技術文献】

【特許文献】

【０００５】

【特許文献１】 特開２０１６－６２２２５号公報

【特許文献２】 特開２０１０－２１１７３２号公報

【非特許文献】

【０００６】

【非特許文献１】Ａｌｅｘ　Ｋｒｉｚｈｅｖｓｋｙ，Ｉｌｙａ　Ｓｕｔｓｋｅｖｅｒ，ａｎｄ　Ｇｅｏｆｆｒｅｙ　Ｅ．　Ｈｉｎｔｏｎ，“ＩｍａｇｅＮｅｔ　Ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｗｉｔｈ　Ｄｅｅｐ　Ｃｏｎｖｏｌｕｔｉｏｎａｌ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋｓ”，Ｍａｒｃｈ　２３，２０１７，［ｏｎｌｉｎｅ］，＜ｈｔｔｐｓ：／／ｐａｐｅｒｓ．ｎｉｐｓ．ｃｃ／ｐａｐｅｒ／４８２４－ｉｍａｇｅｎｅｔ－ｃｌａｓｓｉｆｉｃａｔｉｏｎ－ｗｉｔｈ－ｄｅｅｐ－ｃｏｎｖｏｌｕｔｉｏｎａｌ－ｎｅｕｒａｌ－ｎｅｔｗｏｒｋｓ．ｐｄｆ＞

【非特許文献２】Ｘｉｎｇｃｈａｏ　Ｐｅｎｇ，　Ｂａｏｃｈｅｎ　Ｓｕｎ，Ｋａｒｉｍ　Ａｌｉ，ａｎｄ　Ｋａｔｅ　Ｓａｅｎｋｏ，“Ｌｅａｒｎｉｎｇ　Ｄｅｅｐ　Ｏｂｊｅｃｔ　Ｄｅｔｅｃｔｏｒｓ　ｆｒｏｍ　３Ｄ　Ｍｏｄｅｌｓ”，Ｍａｒｃｈ　２３，　２０１７，［ｏｎｌｉｎｅ］，＜ＵＲＬ：ｈｔｔｐ：／／ｗｗｗ．ｋａｒｉｍａｌｉ．ｏｒｇ／ｐｕｂｌｉｃａｔｉｏｎｓ／ＰＳＡＳ＿ＩＣＣＶ１５．ｐｄｆ＞

【発明の概要】

【発明が解決しようとする課題】

【０００７】

しかしながら、「データオーグメンテーション」は、あくまで画像加工であり、例えば、車の正面から撮影された画像から、車の側面や車の背面などの画像を生成することはできない手法である。

また、３Ｄモデルを用いた従来の方法では、以下に説明するように、実写写真を用いた教師データに比べて、正しく認識できない教師データが得られてしまうという問題がある。

（１）見た目のバリエーションが３Ｄモデルの数に依存してしまう

ディープラーニングでは教師データのバリエーションを増やすことが重要であるが、従来の方法では、固定の材質及び形状の教師データしか生成できず、３Ｄモデルの数でバリエーションが決まってしまう。このように３Ｄモデルを多数収集することはコストが高くなり、現実的でない。

（２）認識対象が遮蔽された教師データを生成できない

画像を入力データとしたディープラーニングでは、認識対象が一部遮蔽された教師データを含む場合には、ディープラーニングによって認識対象が一部遮蔽された教師データを正しく認識できるという利点がある。しかし、従来の方法では、認識対象が一部遮蔽された教師データを生成できないため、認識対象が一部遮蔽された教師データを認識できない確率が高くなる。

【０００８】

一つの側面では、従来よりも高い認識率が得られる画像処理装置、画像処理方法、画像処理プログラム、及び教師データ生成方法を提供することを目的とする。」

イ　「【００１３】

本発明の画像処理装置は、認識対象の教師データを用いて画像認識を行う画像処理装置であり、画像認識はディープラーニングの手法により行われることが好ましい。

認識対象の三次元モデルにおける描画パラメータを変化させるパラメータ変化部と、

パラメータ変化部が変化させた描画パラメータに基づき、認識対象の教師データを生成する教師データ生成部とを有し、学習部及び推論部を有することが好ましい。

描画パラメータは、例えば、乱数を使用してランダムに変化させることができる。

【００１４】

認識対象とは、認識したい（分類したい）対象を意味する。認識対象としては、特に制限はなく、目的に応じて適宜選択することができ、例えば、各種画像（例えば、人間の顔、鳥、犬、猫、猿、イチゴ、リンゴ、汽車、電車、大型自動車（バス、トラック等）、中型自動車、普通自動車、船、飛行機等）、図形、文字等の人間の視覚により検知できるものなどが挙げられる。

【００１５】

教師データとは、教師ありディープラーニングで用いられる「入力データ」と「正解ラベル」とのペアである。「入力データ」を多数のパラメータを有するニューラルネットワークに入力することでディープラーニング学習を実施し、推論ラベルと正解ラベルとの差（学習中重み）を更新し、学習済み重みを求める。」

ウ　上記イの記載の，特に下線部に着目すると，引用文献３には，以下の技術（以下，「周知技術２」という。）が記載されていると認められる。

「教師ありディープラーニングで用いられる教師データは、教師ありディープラーニングで用いられる「入力データ」と「正解ラベル」とのペアであること。」

４　引用文献５記載ならびに周知技術３

原査定の拒絶理由において，周知例として引用された引用文献５には，図面とともに次の事項が記載されている。

ア　「【技術分野】

【０００１】

本発明は、ゲームシステム及びプログラム等に関する。

【背景技術】

続きを表示（全17行）

【０００２】

従来より、ロボットなどの移動体をユーザが操作し、敵ロボットとの対戦ゲームを実現するゲームシステムが知られている。このゲームシステムでは、ユーザがゲームコントローラなどの操作部を操作することで、自身のロボットを移動させたり、動作させて、相手ユーザ等が操作する敵ロボットと対戦する。この場合に、スクラッチ（Scratch）と呼ばれるプログラミングツールを用いて、ロボットの行動制御プログラムを作成し、当該行動制御プログラムに基づいてロボットを移動させたり、動作させる手法も考えられる。このスクラッチを用いる手法によれば、ユーザはロボットの行動制御プログラムを自身で作成できるため、物を作る楽しみをユーザに与えることができるという利点がある。一方、ユーザが操作可能なキャラクタを介して、移動体を移動させたり、動作させるゲームシステムも知られている。このようなゲームシステムの従来技術としては例えば特許文献１に開示される技術が知られている。また人型ロボットと人間との対話手法に関する従来技術としては特許文献２に開示される技術が知られている。

【先行技術文献】

【特許文献】

【０００３】

【特許文献１】 特開２０１７－１１８９７９号公報

【特許文献２】 特表２０１６－５３６６３０号公報

【発明の概要】

【発明が解決しようとする課題】

【０００４】

しかしながら、スクラッチを用いる手法は、ユーザが使い易いようなビジュアルインターフェースになっているものの、ゲームに慣れていない初心者等のユーザには、行動制御プログラムの作成作業が煩雑であり、当該作成作業の煩雑さが、ゲームをプレイすることの大きな障壁となってしまう。また特許文献１の従来技術では、例えば移動体である戦車の操作手となるキャラクタ、砲弾の装填手となるキャラクタ、砲手となるキャラクタを用意し、これらの複数のキャラクタを用いて、戦車の移動や攻撃動作を制御する手法を採用している。従って、ゲームでの移動体の一連の行動を１人のキャラクタで制御するものではなかった。また移動体の制御をキャラクタを介して間接的に操作するだけであり、行動制御プログラムの作成処理等は行われていなかった。

【０００５】

本発明の幾つかの態様によれば、ユーザとアバターが対話するだけでゲームでの移動体の適切な行動制御を実現可能にするゲームシステム及びプログラム等を提供できる。」

イ　「【００６７】

またゲーム処理部１１６は、ユーザによるアバターの選択を受け付ける処理を行う。具体的には、行動態様、性格、能力及び属性の少なくとも１つが異なる複数の候補アバターの中から、ユーザがゲームにおいて使用するアバターの選択を受け付ける処理を行う。例えば、行動態様、性格、能力及び属性の少なくとも１つが異なる複数の候補アバターを選択するための選択画面をユーザに対して表示する。そして、当該選択画面に表示された候補アバターの中からユーザが所望のアバターを選択すると、選択されたアバターが、例えば行動制御情報の作成処理の対象に設定される。」

ウ　上記イの記載の，特に下線部に着目すると，引用文献５には，以下の技術（以下，「周知技術３」という。）が記載されていると認められる。

「ゲームにおいて，ユーザによるアバターの選択を受け付ける処理を行うこと。」

５　引用文献６ないし８の記載ならびに周知技術４

（１）引用文献６の記載事項

原査定の拒絶理由において，周知例として引用された引用文献６には，図面とともに次の事項が記載されている。

１８頁～２３頁において，攻略対象となる複数の女の子について，「好き」な「デートスポット」，および，「嫌い」な「デートスポット」が列挙されている。

（２）引用文献７の記載事項

原査定の拒絶理由において，周知例として引用された引用文献７には，図面とともに次の事項が記載されている。

２８８頁，２９２頁，２９６頁，３００頁，３０４頁，３０８頁，３１２頁，３１６頁，３２０頁，３２４頁において，攻略対象となるキャバ嬢の「好感度が上昇するプレゼント」および「飲み物のオーダーと好感度の増減」，「食べ物のオーダーと好感度の増減」が表形式で記載されている。

（３）引用文献８の記載事項

原査定の拒絶理由において，周知例として引用された引用文献８には，図面とともに次の事項が記載されている。

（８１頁左下）

（４）周知技術４

上記（１）ないし（３）の記載の，特に下線部に着目すると，引用文献６ないし８には，以下の技術（以下，「周知技術４」という。）が記載されていると認められる。

「ゲームにおいて，攻略対象となる複数のキャラクター毎に異なる好みが設定されていること。」

第５　対比・判断

１　本願発明１について

（１）対比

本願発明１と引用発明とを対比すると，次のことが認められる。

ア　引用発明は，「撮像部１０１により撮像された実オブジェクトがイチゴであることが三次元情報解析部１０２により解析され」，「撮像部１０１により撮像された実オブジェクトがリンゴであることが三次元情報解析部１０２により解析」している。

ここで，引用発明の「撮像された実オブジェクト」は，「撮像部１０１により撮像され」ることにより，「画像情報」となっていることは，当業者に明らかであるから，引用発明の「撮像された実オブジェクト」は，本願発明１の「画像情報」に相当するといえる。

また，引用発明の「イチゴであること」を「解析」したり，「リンゴであること」を「解析」したりする際には，出力として，「イチゴ」あるいは「リンゴ」を示す情報を「解析」の結果として出力することは，当業者にとって明らかであるから，引用発明の「イチゴ」あるいは「リンゴ」を示す情報は，本願発明１の「識別子情報」に相当するといえる。

さらに，引用発明の「イチゴであること」を「解析」したり，「リンゴであること」を「解析」したりすることは，本願発明１の「推論する」ことに相当するといえる。

そして，引用発明の「情報処理装置」は，電子的な装置の一種であるから，引用発明の「情報処理装置」は，本願発明１の「電子装置」に相当するといえる。

したがって，本願発明１と引用発明とは，「画像情報から識別子情報を推論する識別子情報推論部と」「を備えることを特徴とする電子装置。」である点で共通しているといえる。

イ　引用発明の「仮想オブジェクト取得部１３１は，実オブジェクトであるイチゴに対応付けられた情報として，「イチゴがアバターの好物である」ことを取得し，表示部１０４は，予め記憶された仮想オブジェクトＶ＿ＯＢＪとしてイチゴを表示し，さらに表示されたイチゴをアバターが食べる仕草をする表示をし，」「仮想オブジェクト取得部１３１は，実オブジェクトであるリンゴに対応付けられた情報として，「リンゴがアバターの好物でない」ことを取得し，表示部１０４は，予め記憶された仮想オブジェクトＶ＿ＯＢＪとしてリンゴを表示し，さらに表示されたリンゴをアバターが食べるのを嫌がる仕草をする表示をする」とされている。

ここで，引用発明の「アバター」は，本願発明１の「キャラクタ」に相当する。

また，引用発明の，「イチゴをアバターが食べる仕草をする表示をし」たり，「リンゴをアバターが食べるのを嫌がる仕草をする表示を」したりすることは，「アバター」が「イチゴ」あるいは「リンゴ」の画像に対して，応答した表示であるから，引用発明の，「イチゴをアバターが食べる仕草をする表示をし」たり，「リンゴをアバターが食べるのを嫌がる仕草をする表示を」したりすることは，本願発明１の「識別子情報に対応した応答内容を」「複数の応答内容の中から特定して実行する」ことに相当する。

さらに，引用発明の，「イチゴをアバターが食べる仕草をする表示をし」たり，「リンゴをアバターが食べるのを嫌がる仕草をする表示を」したりすることが，記憶手段に記憶された応答内容であることは，当業者にとって明らかであるから，引用発明も，本願発明１と同様に，「複数の識別子情報のそれぞれに対応する複数の応答内容を」「記憶する記憶部」を備えているといえる。

したがって，本願発明１と引用発明とは，「複数の識別子情報のそれぞれに対応する複数の応答内容を」「記憶する記憶部と，」「前記識別子情報推論部の推論した識別子情報に基づき，当該識別子情報に対応した応答内容を前記記憶部に記憶された複数の応答内容の中から特定して実行する応答内容実行部と，を備える」点で共通しているといえる。

（２）一致点・相違点

本願発明１と，引用発明とは，以下アの点で一致し，以下イの点で相違する。

ア　一致点

「複数の識別子情報のそれぞれに対応する複数の応答内容を記憶する記憶部と，

画像情報から識別子情報を推論する識別子情報推論部と，

前記識別子情報推論部の推論した識別子情報に基づき，当該識別子情報に対応した応答内容を前記記憶部に記憶された複数の応答内容の中から特定して実行する応答内容実行部と，

を備えることを特徴とする電子装置。」

イ　相違点

（ア）＜相違点１＞

本願発明１では，「ユーザからの操作を受け付け可能な操作受付部」を備えているのに対して，

引用発明では，ユーザからの操作を受け付け可能な操作受付手段について特定されていない点。

（イ）＜相違点２＞

本願発明１では，「複数の識別子情報のそれぞれに対応する複数の応答内容を」「記憶する記憶部」に，「固有の学習内容によって定義され，当該学習内容を利用して少なくとも１つの識別子情報を推論可能な画像認識モデルであって，キャラクタのキャラクタ識別情報に紐づけられる画像認識モデルを複数記憶し，」「複数の識別子情報のそれぞれに対応する複数の応答内容を前記複数の画像認識モデルのそれぞれに紐づけて記憶」しているのに対して，

引用発明では，そのような構成を備えていない点。

（ウ）＜相違点３＞

本願発明１では，「操作受付部の受け付けたキャラクタを選択するためのユーザによる操作に基づき，前記記憶部に記憶されたキャラクタ識別情報の中から前記選択されたキャラクタのキャラクタ識別情報を画像情報の送り先として特定する送り先属性情報特定部と，前記送り先属性情報特定部の特定したキャラクタ識別情報に紐づけられた画像認識モデルを，前記記憶部に記憶された複数の画像認識モデルの中から選択する画像認識モデル選択部と」を備え，「前記画像認識モデル選択部の選択した画像認識モデルへ画像情報を入力し」ているのに対して，

引用発明では，そのような構成を備えていない点。

（３）相違点についての判断

事案に鑑みて，＜相違点２＞から検討する。

引用文献１ないし３，および，引用文献５ないし８には，「複数の識別子情報のそれぞれに対応する複数の応答内容を」「記憶する記憶部」に，「固有の学習内容によって定義され，当該学習内容を利用して少なくとも１つの識別子情報を推論可能な画像認識モデルであって，キャラクタのキャラクタ識別情報に紐づけられる画像認識モデルを複数記憶し，」「複数の識別子情報のそれぞれに対応する複数の応答内容を前記複数の画像認識モデルのそれぞれに紐づけて記憶」について，いずれも，記載も示唆もされていない。

特に，上記第４の３で周知技術１として認定したように，「複数の学習済みモデルを予め記憶しておき，ユーザが選択した学習済みモデルを利用すること。」は，本願出願前に周知であったと認められるが，「複数の学習済みモデル」を「キャラクタのキャラクタ識別情報に紐づけ」て記憶することは，引用文献１ないし８に，記載も示唆もなく，また，本願出願前に周知であったとも認められない。

そもそも，主引例には「アバター」（キャラクタ）を複数用いることは記載も示唆もされておらず，仮に，複数の「アバター」（キャラクタ）を用いる構成を採用した場合でも，「リンゴ」や「イチゴ」を画像認識するための「学習済みモデル」を複数の「アバター」（キャラクタ）と紐付けて記憶する構成を採用する動機付けもみあたらない。

本願発明１の上記＜相違点２＞に係る構成より，「多数の属性情報のために多数の画像内容を認識する場合であっても，個別の属性情報向けに学習された画像認識モデルを用いた推論処理で対象となる画像内容を認識することができ，少量のデータを用いた場合でも高い推論性能を実現するとともに，個々の画像認識モデルを比較的小さなニューラルネットワークとして実装することにより高いレスポンス性能を実現できる。」（本願明細書段落【００１４】），「ゲームアプリにおいて数百名以上のキャラクタが数万種類以上の画像内容を認識するという設定においても，個別のキャラクタ向けに学習された画像認識モデルを用いた高々１回の推論処理で対象となる画像内容を認識することができ，高いレスポンス性能を実現できる。」（本願明細書段落【００６３】）という，引用文献１ないし８から，当業者といえども予測しえなかった効果を奏しているといえる。

したがって，引用発明に，引用文献１ないし３，および，引用文献５ないし８に記載の周知技術を適用しても，当業者は本願発明１の上記＜相違点２＞に係る構成を容易に想到することができない。

（４）　小括

したがって，本願発明１は，その他の相違点について検討するまでもなく，引用発明，引用文献１ないし３，および，引用文献５ないし８に記載の周知技術に基づいて，当業者が容易に発明できたものであるとはいえない。

２　本願発明２ないし本願発明８について

（１）本願発明２および３

本願発明２および３は，本願発明１と同一の構成を備えるものであるから，本願発明１と同じ理由により，引用発明，引用文献１ないし３，および，引用文献５ないし８に記載の周知技術に基づいて，当業者が容易に発明できたものであるとはいえない。

（２）本願発明４ないし７

本願発明４は，本願発明１の発明のカテゴリを，単に「電子装置」から「方法」に変更したものであり，本願発明１における上記相違点と同様の構成を備えているといえるから，本願発明１と同様の理由により，引用発明，引用文献１ないし３，および，引用文献５ないし８に記載の周知技術に基づいて，当業者が容易に発明できたものであるとはいえない。

また，本願発明５ないし７は，本願発明４と同一の構成を備えるものであるから，本願発明４と同じ理由により，引用発明，引用文献１ないし３，および，引用文献５ないし８に記載の周知技術に基づいて，当業者が容易に発明できたものであるとはいえない。

（３）本願発明８

本願発明８は，本願発明１の発明のカテゴリを，単に「電子装置」から「システム」に変更したものであり，本願発明１における上記相違点と同様の構成を備えているといえるから，本願発明１と同様の理由により，引用発明，引用文献１ないし３，および，引用文献５ないし８に記載の周知技術に基づいて，当業者が容易に発明できたものであるとはいえない。

第６　むすび

以上のとおり，原査定の理由によっては，本願を拒絶することはできない。

また，他に本願を拒絶すべき理由を発見しない。

よって，結論のとおり審決する。