【フリーダム】Qwen-Imageで自由を手に入れる話【Uncensored】

はじめに

LLMや画像生成でストレスを感じる事の一つが、無意味な検閲（やモデレーション）によって、ブロックされたり（特に人体の）品質を下げる事です。

指・腕・関節の数が増えたりするのは、昔のAIでは単純に性能が悪かっただけですが、最近のAIでは、モデレーション機能が関係している事がほとんどです。複雑なポーズをすると人体の整合性が破綻します。

確かにローカルAIを利用すれば、モデレーションがモデル内蔵のみに限定されるため、通常の検閲モデルであっても、クラウドAIに比べてはるかに自由に生成できます。しかし、それでも西側・欧米モデルは、中華モデルに比べるとかなり厳しいと感じます。

むしろ、中華モデルが緩いと言うべきかもしれませんが。

※ 画像生成・LLMの中華AIモデルの性能が良い最大の理由が、検閲（公開しない無制限な著作物と肖像物の学習・叡智生成可能性・R指定等）が緩いためではないかと確信に変わる今日この頃です。このままでは西側AIは太刀打ちできないでしょう。人々は必ず高品質なものに流れます。現に、著作権の問題でクリーンなAdobe AIしか使わないぞと言っていたプロアーティスト達も、今ではGoogle AIはおろか、中国動画AIに手を出してしまっています。理由は簡単で、高性能・高品質なものを利用する必要があるからです。

※ Qwen-Imageは基本的に検閲モデルという事ですが、最低限のものしかありません。利用した学習データは具体的に公開されておらず、少なくとも著作物を簡単に生成できてしまいます。OpenAIをはじめ、西側が訴訟、賠償やデータ利用料、オプトアウト制度ですったもんだしている間に、中国ははるか先に行ってしまったのかもしれません。何を利用したのか具体的に公開しないので、透明性のあるStable Diffusionが、問題のある一部の画像を学習している事が明らかになり、批判されて公開を停止したような事が起こりません。しかし本当にそれでいいのでしょうか。

この記事では、検閲の弱いQwen-imageを、さらにテキストエンコーダー（Qwen 2.5VL）を無検閲に変えて性能確認してみました。

※ Rや叡智な内容は含みませんが、一部にUncensored（いわゆる脱獄）モデルを利用するので、全体公開ではなく、支援者様（メンバーシップ）限定とさせていただきます。