画像認識、コンピュータビジョン、画像処理に関連する記事へのリンク集

Midjourney（ミッドジャーニー）は、テキストによる指示（プロンプト）を人工知能（AI）に与えてビジュアルイメージを作り出す、新しい技術を牽引するツールの1つだ。サンフランシスコを拠点とするこのスタートアップは、最近コロラド州主催のコ

AIビジネスデザイナーの石角友愛氏が世間で注目されているMidjourneyやDALLE2などの｢画像生成AI｣のビジネス応用と注意点についてまとめています。

画像生成AI｢Midjourney」「Stable Diffusion」を使って生成したイラスト100点以上を掲載したイラスト集がインプレスから。

画像生成AI「Stable Diffusion」をウェブブラウザから簡単に操作できる「AUTOMATIC1111版Stable Diffusion web UI」用のアドオンで、画像から画像を生成する「img2img」モードで文字列に応じて自動的に画像を部分修正するためのマスクを作成してくれるのが「txt2mask for Stable Diffusion」です。このアドオンを導入することで、ブラシツールで画像を選択してマスクを作成する必要がなくなります。

写真・画像・動画・音楽などのデータ素材をインターネット経由で配布する大手ストックフォトのGetty Imagesが、著作権侵害問題を恐れて「Stable Diffusion」「Midjourney」「DALL-E」などの画像生成AIが生成した画像をアップロード・販売することを禁止すると発表しました。

画像生成AIの「DALL・E2」などを使ったアート作品を手がけるアーティストが、AIの学習用データセットとして提供されている写真の中から、自分が病院で治療を受けている時に撮影された写真を見つけたと報告しました。このことから、一度インターネットに流出してしまったデータを消すことが極めて困難なことが改めて浮き彫りになっています。

画像生成AI「Stable Diffusion」をブラウザ上で簡単に操作できるウェブUIパッケージ「AUTOMATIC1111版Stable Diffusion web UI」は、超解像アルゴリズムのESRGANを使って低解像度の画像を高解像度にしながら拡大するアップコンバートの機能「Extras」が搭載されています。また、アルゴリズムに利用できるESRGANにはさまざまな種類があり、簡単に追加することも可能。そこで、実際に公開されているReal-ESRGANを導入して、手元にある画像がどれだけキレイに拡大できるか試してみました。

電通国際情報サービス、オープンイノベーションラボの比嘉康雄です。 Stable Diffusionの入門シリーズ、今回は、美少女を高確率で出す呪文です。 Stable Diffusionで人物を出力するときに、顔が崩れている、目が変、口がない、腕（手）が変などを経験した方は多いことでしょう。NSFW（職場や学校で閲覧注…

「Stable Diffusion Concepts Library」に独自のファインチューニングモデルを登録してみたので、まとめました。 ・Stable Diffusion v1.4 ・Diffusers v0.3.0 登録したファインチューニングモデルは、以下で参照できます。 ・ sd-concepts-library/sorami-style · Hugging Face We’re on a journey to advance and democratize artificial inte huggingfac

2022年8月に一般公開されたStable Diffusionは、入力した言葉に従って画像を自動で生成してくれるAIです。そんなStable Diffusionを画像生成AIだけではなく強力な非可逆画像圧縮コーデックとして使う方法について、ソフトウェアエンジニアのマシュー・ビュールマン氏が解説しています。

文章を基に精巧な画像を生み出す人工知能（AI）ソフト「Stable Diffusion（ステーブル・ディフュージョン）」が世界のAI研究者らに衝撃を与えている。英スタートアップのStability AI（スタビリティーAI）が8月下旬、オープンソース形式で公開し瞬く間に利用が広がった。人間の創造性に迫るようなAIをつくる狙いは何か。エマド・モスターク最高経営責任者（CEO）が日本経済新聞の取材に

とあるディープラーニング技術者が、『ポケットモンスター』風のゲーム画面を生成するデモを構築。プレイヤーの操作まで検知して“それっぽい”映像を再現することに成功し、実際にブラウザ上で操作できるよう公開されている。その独特の映像はユーザーたちの関心も集めているようだ。

2022年8月に公開された画像生成AI「Stable Diffusion」は、世界中のユーザーによって猛烈な勢いで拡張機能やプラグインが追加されており、ユーザーインターフェース(UI)で簡単にStable Diffusionを使える「AUTOMATIC1111版Stable Diffusion web UI」なども登場しています。そんなStable Diffusionで元となる画像の構図や絵柄を維持したままイラストを描き足す「アウトペインティング」機能を用い、どんどん画像を拡張できるツール「stablediffusion-infinity」が登場しました。

近年は「Stable Diffusion」をはじめとする高精度な画像生成AIが次々に登場しており、「AIが人間のアーティストに取って代わるのではないか」と考えている人もいます。そんな中、さまざまなイラスト投稿サイトでは「AIが生成したイラストの投稿禁止」をガイドラインで定める動きが進んでいると、テクノロジー系ブログのWaxy.orgを運営するAndy Baio氏は指摘しています。

Stable Diffusionの概要と基本的な仕組み、それを簡単に使うための公式なWebサービスである「DreamStudio」を紹介し、Stable Diffusionで画像生成する際に行われていることについて駆け足で見ていきましょう。

2022年8月に一般公開されたAI「Stable Diffusion」は、「an astronaut riding a horse(馬に乗る宇宙飛行士)」や「elon musk as dr strange(ドクターストレンジの格好をしたイーロン・マスク)」などの文字列を入力すると、それに応じた画像を自動で生成してくれます。そんなStable Diffusionを使ってムービーを作成できる「stable-diffusion-videos」が公開されたので、実際に使ってみました。

入力した文章に沿った画像を生成してくれるAI「Stable Diffusion」は、手軽に好みの画像を生成できることから大きな注目を集めています。一方で、AIの学習時に「実在のアーティストが描いたイラスト」が使われている点について「アーティストの権利を侵害している」という意見も寄せられており、「自分の作品が学習に使われていないかな？」と心配している人も多いはず。Stable Diffusionの学習には58億枚超えの画像を収録した大規模データセット「LAION-5B」が使われているのですが、このLAION-5Bに含まれる画像を検索できるウェブアプリ「Have I Been Trained?」が公開されていたので、実際に使ってみました。

2022年8月に一般公開された画像生成AI「Stable Diffusion」を二次元イラスト490万枚以上のデータセットでチューニングした画像生成AIが「Waifu-Diffusion」です。このWaifu-DiffusionをローカルのWindows環境で実行するために、実際にモデルデータをダウンロードして導入してみました。

画像生成AI「Stable Diffusion」を使えば、呪文(プロンプト)と呼ばれる文字列を入力するだけで絵を生成したり、プロンプトに加えてイラストも追加することでより想像に近い絵を生成したりすることが可能です。Stable Diffusionを応用したサービスはいくつか登場しているのですが、新たに画像の一部をまったく別のものに置き換えることができる「Inpainter」が登場しました。

画像生成AIを用いた架空の人物や風景の作成に注目が集まっていますが、そのシステムは億を超える枚数の画像で機械学習をトレーニングさせているもので、生成される画像は予測不可能なものとなっています。そのような画像生成AIについて、「複数の画像生成AIに、ホラーで不穏なイメージとともに共通して現れる女性がいる」という報告をAIアーティストが投稿しています。

入力した文章に沿った画像を生成してくれるAI「Stable Diffusion」は、手軽に精細なイラストや写真を出力できることから大きな注目を集めてます。Stable DiffusionはNVIDIA製GPUを搭載したPC向けに開発されているのですが、Intel製CPU搭載マシンやApple Silicon搭載Macで動作させる方法が次々と編み出されています。新たに、MetaでAIやVRについて研究しているDivam Gupta氏がApple Silicon搭載Macで動作するUI付きのStable Diffusion実行環境「Diffusion Bee」を公開していたので、実際にM1チップ搭載iMacにインストールして使ってみました。

2022年8月に一般公開された画像生成AI「Stable Diffusion」を簡単にWindowsローカル環境に導入でき、コマンドラインではなくブラウザ上に表示されるユーザーインターフェース(UI)から操作可能にするツールがAUTOMATIC1111版Stable Diffusion web UIです。AUTOMATIC1111版Stable Diffusion web UIはただ画像を生成するだけではなく、画像生成時に入力する文字列(プロンプト)について複数の組み合わせを一気にチェックしたり、画像生成の条件を複数設定して一度に画像を生成したりするなど、Stable DiffusionのUIとしては決定版といってもいいほど機能が充実しています。そんなAUTOMATIC1111版Stable Diffusion web UIでは、AIで生成した画像を解析してプロンプトを表示する「CLIP interrogator」が搭載されています。インターネットの掲示板やSNSで誰かがAIで生成した画像を見かけても、どういったプロンプトで作られたのかが一切公開されていないという時にめちゃくちゃ役立ちそうだったので、実際に使ってみました。

画像生成AI・Stable Diffusionを手軽にWindows環境あるいはGoogle Colabに導入でき、コマンドラインではなくユーザーインターフェース(UI)から簡単に操作可能な「AUTOMATIC1111版Stable Diffusion web UI」は他のUIには搭載されていない機能も盛り込まれた決定版とも言えるツールです。毎日驚くべきスピードでアップデートが行われ改善が進むAUTOMATIC1111版Stable Diffusion web UIで、入力した画像から新しい画像を生成できる「img2img」を実際にAUTOMATIC1111版Stable Diffusion web UIで使う方法をまとめてみました。

「NMKD Stable Diffusion GUI」は、英Stability AIが発表した画像生成AI「Stable Diffusion」のWindows向けGUIツール。従来のようにPython実行環境を用意したり、コマンドラインで実行したりする必要がなく、導入から使用までのハードルがかなり低くなる。

「Stable Diffusion web UI(AUTOMATIC1111版)」は他のUIには搭載されていない機能なども盛り込んだ、いわば決定版の「Stable Diffusion」のUIといえますが、それだけにやれることが多いので、どこをどう触ればよいか悩むこともあるはず。

画像生成AI・Stable Diffusionを導入するにはNVIDIA製GPUを搭載したPCのほかにPythonやAnacondaなどの知識が必要で、ローカル環境に導入するには少し敷居が高いところがありました。しかし、2022年8月に一般公開されて以降、多くの開発者によって誰でも簡単にStable Diffusionをローカル環境に導入可能でかつGUIで操作できるツールが次々と開発されています。「Stable Diffusion web UI(AUTOMATIC1111版)」はその中でも他のUIには搭載されていない機能も盛り込まれた決定版とも言えるツールで、その中でも特に画像生成にお役立ちな機能である「Prompt matrix」と「X/Y plot」を実際に使ってみました。

OpenAIのDALL·Eが、既存の画像の外の世界を描く機能｢Outpainting｣を追加。

画像生成AI「Stable Diffusion」を簡単に利用するための実行環境の1つである「Stable Diffusion web UI」のコントリビューター(開発貢献者)の1人であるAUTOMATIC1111氏が、フォークではないものの同名で「機能全部盛り」なStable Diffusion web UI(AUTOMATIC1111版)の開発を進めています。

入力した文言(プロンプト)の内容に沿って画像を作ってくれるAI「Stable Diffusion」は、自分の手元の環境で動かすためには基本的にはNVIDIA製GPUとそれなりのマシンスペックが必要となるため、代わりにCPUで処理を行うことで普通のWindows PCでも画像を作れる「Stable Diffusion UI」のようなソフトが出ています。