本稿では，ユーザが入力したゲームシーンからそれに適したBGMの音響特徴を予測する手法を検討する．ゲームやシーンの雰囲気とBGMの間には強い関係があると考えられる．実際，1つのゲームの中に同じ雰囲気のBGMを複数採用することがある．BGMを出力する研究としてはRNNを用いたビデオゲーム音楽生成とNES音楽データベースに関する研究の2つがある．しかし，これらの研究は入力が楽曲であり，シーンを入力することはできない．本稿では，映像をシーンとして入力してBGMの音響特徴を予測する手法，および，シーンデータベースの属性を指定することでシーンを入力してBGMの音響特徴を予測する手法を検討する．