日刊 画像生成AI (2022年9月22日)

画像生成AI界は、今認識できないスピードで進化をし続けています。
DALL・E2公開、Midjourney公開、StableDiffusionがオープンソースで公開されて..進化の速度が上がり続けており、日々異常なスピードで変化しています。

そんな中、毎日時間なくて全然情報追えない..！って人のために業界変化、新表現、思考、問題、技術を毎日あらゆるメディアを調べ、まとめています。

昨日までの投稿はこちら

開発

Stable Diffusion V2

9月25日公開の1.5が楽しみですが。V2の準備が進んでいるようです。
V1.0シリーズは512x512画像で学習されていましたが、これは1024x1024だと予測されています。（コメントと以下ツイートより）img2imgに頼らず、生成品質の向上が望めるそうです。

Stable Diffusion V3予告

43 億のパラメーターの新しいモデル (v3) が昨日、非常に洗練されたデータセットでトレーニングを開始したそうです。将来のプロジェクトのためにライセンスされたデータセットとすでに交渉しているとのこと。

AIピカソ Android版リリース！

冨平さんが開発したスマホでStable Diffusionが利用できるアプリ、AIピカソがAndroid版をリリースしました。

Lexica.artのAPI公開

Stable Diffusionの生成画像や、プロンプト検索サイトLexica.artが、API公開。プロンプト検索、画像検索両方に対応。50個の画像検索結果の配列を含むJSONオブジェクトを返してくれます。

ドキュメントはこちら: http://lexica.art/docs

Whisper2img

音声をこれまで以上に遥かに正確に読み取れるWhisperと、Stable Diffusionを統合していた方がいました。メモ。

アップスケーリングなしで潜在空間を可視化

VAEの4つの潜在チャネルによ理、VAE Decoderを実行せずに64x64の画像を生成することができることが判明したそうです。

Amotile's Work Bench (Stable Diffusion)

ColabでWebUI (by AUTOMATIC1111)を利用している方には超おすすめツールが公開。WebUIで起動したlocalのURLを入力したら設定した値で順番に生成してくれるようです。

プロンプトの文字数を数える

9月21日のまとめに記載したからあげさんのブログより、75のトークンしかStable Diffusionには送れず、それ以降は排除されます。そのプロンプト文字数をカウントしてくれるツールをchiliさんが実装されていました！

Txt2maskが進化

Inpaintingのためにペンで塗らないといけないところを、テキストでそれができちゃうというもの。今週公開されましたがいくつか進化したそうです。

Diffusion Bee（Stable Diffusion for M1 Mac）がIntel Mac対応

Stable Diffusionでテキストのバグが今後修正？

画像を生成した場合、テキストがまだ歪んでしまいます。例えば、「GUCCI」などを入力して、ロゴとしてグッチが入っても歪んだものになったり、Cが一つ多かったりと、バグが発生します。もしかしたらそれが治るかもしれません。あまり読み解けていないですがテキスト埋め込みで直接トレーニングするだけで改善できるんだとか。（Google Imagenはすでに解決しているそうです。）

表現・検証

AIアニメーションセレクト

この日でよかったAIアニメーションをセレクトするコーナー。
この日はこちら。

Text2Pokemon検証

数日前に登場したTxt2pokemonで属性ごとにどうなるかテストしている方がいました。

512pxから8192pxにアップスケールさせるテクニック

思想・ムーブメント

「I.Artists」という芸術運動が生まれています

AIが著作物を学習する流れは止められない。

Stable Diffusion Discord 60000ユーザー突破

Unsplashも画像生成AIで作られたものはアップロードが禁止

Getty Images, iStockと同様。未解決の問題があるため、DALL・E、Midjourney、Stable Diffusionなど生成画像は受け付けないとのこと。

852話さん本出版、メディア掲載

画像生成AIのビジネス活用

Greg Rutkowskiさんが「AIはそのデータベースから存命のアーティストを除外するべきだ」と指摘。

Greg RutkowskiさんはMidjourneyやStableDiffusionで最も名前を入力されるプロンプトである一人のアーティスト。彼は「A.I.は存命中のアーティストをデータベースから除外し、代わりに "パブリックドメイン下の作品に焦点を当てるべきだ 」「アーティストに作品の使用許可を得ずに、A.I.を非営利の研究から商業プロジェクトに進化させることは、大きな財政的問題がある」とコメントしています。

勉強

CodeFormer解説

Transfomer ベースの予測ネットワークを使うことによって、低画質の顔画像を高画質化する CodeFormerの解説。色々なStable Diffusionの改良に含まれていることがあるので詳しく知りたい方は要チェックです。

2022年版・深層学習による写実的画像合成の最新動向

こちらの資料をTwitterで発見したのでレポート。
GAN、Txt2img、NeRF、デジタルヒューマン関連技術までサクッと学べます。

最後に

Twitterに、毎日製作したものや、最新情報、検証を載せたりしています。よかったらフォローしてくれるとうれしいです。

画像生成AIの実験, 最新情報のまとめはこちら

前回の号はこちら