日常生活や格闘技で頻繁に使われる「マウント」という言葉は、英語表現や画像生成AIのプロンプトにおいて、主客の関係性や物理的な上下関係を正確に伝えるための工夫が求められます。本稿では、語源となる英語表現の整理から、AIで意図した通りのマウント構図を出力するためのプロンプト設計までを備忘録としてまとめます。
「マウントをとる」の英語表現と主客関係
格闘技における「AがBにマウントした」という状況では、Aが上（攻め側・優位）であり、Bが下（抑え込まれている側・劣勢）となります。
物理的に馬乗りになる動作を表す標準的な英語は mount です。「馬にまたがる」を意味する mount a horse や、両脚で挟み込む動作を強調する straddle a horse と同じ語源を持ちます。格闘技の技法として表現する場合は、動詞として A mounted B. と表現するほか、名詞を用いて A got the mount on B. と記述します。
一方、日常会話や比喩として用いられる精神的なマウント（相手より優位に立とうとする行為）を表現する場合は、異なる語彙を用います。自慢話などで相手を上回ろうとする場合は one-up、上から目線で見下す場合は talk down to や patronize、支配的な態度を示す場合は assert dominance over などが適切です。
画像生成AIにおける上下関係描写の課題
画像生成AI（Stable DiffusionやMidjourneyなど）において、2人の人物の組み技やマウント状態を描く際、上下関係が意図と逆転してしまう現象が頻繁に発生します。これは、AIが「A mounted B」のような主語と目的語の統語的な関係性よりも、プロンプト内に含まれる個別の名詞や概念を優先して解釈する傾向があるためです。
この問題を解決するためには、単に動作を指定するだけでなく、物理的な位置関係や状態を補強する記述が必要になります。
文章ベースのプロンプト（センテンス系）では、動作と位置関係を組み合わせて詳細に描写します。
A close-up photograph of a martial arts match. A powerful male fighter is in the full mount position, sitting straddled on top of the torso of an opponent who is lying flat on the mat. The fighter is pressing down with his weight, and the opponent is pinned underneath him, looking up.
このように、sitting straddled on top of（の上に跨がって座っている）や pinned underneath（下に押さえつけられている）といった状態を明記することで、AIに対する指示の曖昧さを排除します。
POV（主観視点）を活用した単語ベースのプロンプト設計
タグや単語ベースで指示を与える環境（Stable Diffusion v1.5系など）では、2人の属性を個別に指定して関係性を結びつける処理が難しくなります。そこで極めて有効な手法となるのが、マウントをとられている側（下側）の主観視点（POV）としてプロンプトを構築するアプローチです。
視点そのものを「下から見上げている状態」に固定することで、AIはカメラの前にいる対象を必然的に「上から見下ろしている人物」として配置します。
(masterpiece, top quality:1.2),
POV, from below, looking up,
1girl,
straddling, full mount position,
sitting straddle, holding down,
on top, above,
smirk, smirk_on_face, gloating_expression, arrogant, superior,
sweat, panting, dynamic_angle, grappling,
(eye contact, staring down:1.4)
この設計における重要な要素は以下の3点に集約されます。
- 視点とアングルの固定:
POV、from below、looking upを指定することで、生成される画像の視点主（画面の手前＝下）が自動的に決定されます。 - 位置関係の補強:
straddlingやfull mount position、aboveを組み合わせ、相手が自身の上に跨がっている構図を強化します。 - 見下ろす表情の具体化: 単に笑顔を指定するのではなく、
smirk（薄笑い）、gloating_expression（勝ち誇った表情）、staring down（見下ろす視線）などを指定し、優位性を視覚的に際立たせます。
関係性の記述が破綻しやすい単語ベースのプロンプトにおいては、構図（カメラワーク）側から上下関係を縛るアプローチが最も再現性の高い出力をもたらします。
