今日のアニメーション技術の発展には、目を見張るものがある。
しかしキャラクターの口の動きは、基本的に開いては閉じての繰り返しである。アニメーターが台詞音声に合った口の形を全て描画することも可能だが、その作業量は膨大であり、現実的ではない。

本研究は、画像処理技術を用いてこの課題を解決するものである。
台詞音声と大きく口を開いたキャラクター画像の2つを入力情報とし、台詞に合った口の動きを出力するシステムを構築した。

アニメらしさを重視し、静止画像から口の開閉のみを自動生成するという類似研究が存在する。
しかし本研究では、正確さを重視し人間の口の動きにより近づけることを目標とする。