Twitterでとある属性の人を描いた写真風のAI画像生成を見つけた。
いろいろな事情があって実写の写真がかなり限られるがゆえに、
AIでいろいろなバリエーションの画像を生成できるのはすごいなと思った。
でも、どうにも違和感があるような……なんか綺麗すぎるんだよなぁ。
その後、作者は本当はこういう画像を作りたいんだが……
という話を見て、どうも作者自身も僕と同じような違和感を持っていたらしい。
それが実現していないことにはAIのモデル生成の問題がありそうだ。
すなわちその属性を備えた人の写真は限られるので、AIの学習材料に乏しく、
学習できた特徴は一部に留まり、それ以外の部分は一般的な人物写真からの類推になってしまう。
この結果、一般的に言われる美人に近づいてしまうことらしい。
ただ、AI画像生成の強みというのもいろいろ見えてくる。
まず1つが背景のバリエーションの豊富さである。
一般的なグラビアで背景になるようなところはそこそこリアリティがある。
なかなかこの組み合わせの写真は撮れないよな、というものが作れてしまう。
もう1つは布の表現にリアリティがあるということ。
これは多くの写真から衣服の写真映りを学んだ結果であろうと思う。
AI画像生成の苦手なことに「麺をすする」ということがある。
丼から口で直接すする、生麺を手づかみで食べる、麺・箸・手が融合してしまうなど。
このことはAIが機能を考えずに画像生成していることを表している。
知っている画像からそれらしいものを無理やり生成した結果、指示内容に全く見合わない画像が出来てしまうと。
機能を考えないと書けない画像というのはあるということだね。
AI画像生成には txt2imgと呼ばれる文章から画像を生成する技術と、
img2imgと呼ばれる画像から画像を生成する技術があるそう。
入力画像で生成する画像の構図を指示して、それらしい画像を生成すると。
この技術によりtxt2imgで生成した画像に衣服などの差分を与えたり、
生成した3DCGの衣類の表現のリアリティを高めたりという使い方ができるという。
他に似たようなことしてる人いないかなといろいろ探してみたんだけど、
よっぽどニッチなのか、あるいは難しいのか、なかなかなかったですね。
どっちの要素の方が大きいのかね。
このようなネタゆえ、どのような題材かは内緒ということで。