axiom-ios-vision について
axiom-ios-visionは、Vision frameworkを使うiOS開発者向けのルーティングスキルです。実装、APIリファレンス、Visual Intelligence連携、問題診断を適切なスキルに振り分けます。
主な機能
- 01画像・動画分析タスクの振り分け
- 02姿勢、セグメンテーション、顔検出への対応
- 03OCR、バーコード、書類スキャンの案内
- 04Visual Intelligence連携の案内
- 05検出とパフォーマンス診断への振り分け
活用シーン
- 01手や身体の姿勢検出の実装
- 02画像内の文字やバーコードの認識
- 03ライブスキャンや書類スキャンの構築
- 04検出漏れや座標問題の診断
インストール
コマンドをコピーしてターミナルで実行します。
npx skills add https:/インストール後、Claude Code で/axiom-ios-visionを入力して読み込まれたか確認します。
詳細
iOS Computer Vision Router
Vision フレームワークを使用するコンピュータービジョンの作業では、必ずこのスキルを使用してください。
使用する場面
次の場合は、このルーターを使用してください。
- 画像や動画を分析する
- オブジェクト、顔、人物を検出する
- 手や身体のポーズを追跡する
- 人物や被写体をセグメンテーションする
- 背景から被写体を切り抜く
- 画像内のテキストを認識する（OCR）
- バーコードや QR コードを検出する
- 書類をスキャンする
- VisionKit または DataScannerViewController を使用する
- Visual Intelligence と連携する（iOS 26 以降のシステムカメラ機能）
ルーティングロジック
Vision の作業
実装パターン → /skill axiom-vision
- 被写体のセグメンテーション（VisionKit）
- 手のポーズ検出（21 個のランドマーク）
- 身体のポーズ検出（2D／3D）
- 人物のセグメンテーション
- 顔検出
- 手を除外したオブジェクトの切り抜き
- テキスト認識（VNRecognizeTextRequest）
- バーコード／QR コード検出（VNDetectBarcodesRequest）
- 書類のスキャン（VNDocumentCameraViewController）
- ライブスキャン（DataScannerViewController）
- 構造化書類の抽出（RecognizeDocumentsRequest、iOS 26 以降）
API リファレンス → /skill axiom-vision-ref
- Vision フレームワークの完全な API
- VNDetectHumanHandPoseRequest
- VNDetectHumanBodyPoseRequest
- VNGenerateForegroundInstanceMaskRequest
- VNRecognizeTextRequest（高速／高精度モード）
- VNDetectBarcodesRequest（シンボル体系）
- DataScannerViewController のデリゲート
- RecognizeDocumentsRequest（iOS 26 以降）
- 座標変換パターン
Visual Intelligence との連携 → /skill axiom-vision-ref（Visual Intelligence Integration セクションを参照）
- Visual Intelligence カメラからアプリのコンテンツを見つけられるようにする
IntentValueQueryとSemanticContentDescriptor- Visual Intelligence の結果からのディープリンク
診断 → /skill axiom-vision-diag
- 被写体が検出されない
- 手のポーズでランドマークが欠落している
- 観測結果の信頼度が低い
- パフォーマンスの問題
- 座標変換の不具合
- テキストが認識されない、または文字が誤っている
- バーコードが検出されない
- DataScanner に何も表示されない、またはアイテムが表示されない
- 書類の端が検出されない
判断ツリー
- 実装する（ポーズ、セグメンテーション、OCR、バーコード、書類、ライブスキャン）？ → vision
- Visual Intelligence のシステム連携（カメラ機能、iOS 26 以降）？ → vision-ref（Visual Intelligence セクション）
- API リファレンスやコード例が必要？ → vision-ref
- 問題をデバッグする（検出の失敗、信頼度、座標）？ → vision-diag
正当化しないこと
| 考え | 実際 |
|---|---|
| 「Vision フレームワークは単なるリクエスト／ハンドラーパターンだ」 | Vision には座標変換、信頼度のしきい値、パフォーマンス上の注意点があります。vision で解説しています。 |
| 「スキルを使わずにテキスト認識を処理する」 | VNRecognizeTextRequest には高速／高精度モードと言語ごとの設定があります。vision でパターンを解説しています。 |
| 「被写体のセグメンテーションは簡単だ」 | インスタンスマスクには HDR 合成と手を除外するパターンがあります。vision では複雑なシナリオも扱います。 |
| 「Visual Intelligence は単なるカメラ API だ」 | Visual Intelligence は IntentValueQuery と SemanticContentDescriptor を必要とするシステムレベルの機能です。vision-ref に連携のセクションがあります。 |
重要なパターン
vision:
- VisionKit を使った被写体のセグメンテーション
- 手のポーズ検出（21 個のランドマーク）
- 身体のポーズ検出（2D／3D、最大 4 人）
- 手を除外したオブジェクトの切り抜き
- CoreImage による HDR 合成
- テキスト認識（高速モードと高精度モード）
- バーコード検出（シンボル体系の選択）
- 透視補正を伴う書類のスキャン
- DataScannerViewController によるライブスキャン
- 構造化書類の抽出（iOS 26 以降）
vision-diag:
- 被写体の検出失敗
- ランドマーク追跡の問題
- パフォーマンスの最適化
- 観測結果の信頼度のしきい値
- テキスト認識の失敗（言語、コントラスト）
- バーコード検出の問題（シンボル体系、距離）
- DataScanner のトラブルシューティング
- 書類の端の検出に関する問題
呼び出し例
ユーザー：「画像内の手のポーズを検出するにはどうすればよいですか？」
→ 呼び出し：/skill axiom-vision
ユーザー：「ユーザーの手を除外して、被写体を切り抜く」
→ 呼び出し：/skill axiom-vision
ユーザー：「画像からテキストを読み取るにはどうすればよいですか？」
→ 呼び出し：/skill axiom-vision
ユーザー：「カメラで QR コードをスキャンする」
→ 呼び出し：/skill axiom-vision
ユーザー：「書類のスキャンを実装するにはどうすればよいですか？」
→ 呼び出し：/skill axiom-vision
ユーザー：「ライブテキストに DataScannerViewController を使う」
→ 呼び出し：/skill axiom-vision
ユーザー：「被写体の検出が機能しません」
→ 呼び出し：/skill axiom-vision-diag
ユーザー：「テキスト認識で文字が正しく返されません」
→ 呼び出し：/skill axiom-vision-diag
ユーザー：「バーコードが検出されません」
→ 呼び出し：/skill axiom-vision-diag
ユーザー：「VNDetectHumanBodyPoseRequest の例を見せてください」
→ 呼び出し：/skill axiom-vision-ref
ユーザー：「VNDetectBarcodesRequest がサポートするシンボル体系を教えてください」
→ 呼び出し：/skill axiom-vision-ref
ユーザー：「RecognizeDocumentsRequest の API リファレンス」
→ 呼び出し：/skill axiom-vision-ref
ユーザー：「アプリを Visual Intelligence に対応させるにはどうすればよいですか？」
→ 呼び出し：/skill axiom-vision-ref
ユーザー：「カメラを通じて、ユーザーがアプリのコンテンツを見つけられるようにするにはどうすればよいですか？」
→ 呼び出し：/skill axiom-vision-ref