モリカトロン株式会社運営「エンターテインメント×AI」の最新情報をお届けするサイトです。

TAG LIST
CG機械学習ディープラーニングCGへの扉安藤幸央GAN月刊エンタメAIニュース河合律子ニューラルネットワークOpenAINVIDIA強化学習三宅陽一郎音楽FacebookQAスクウェア・エニックス森川幸人モリカトロンAIラボインタビュー敵対的生成ネットワークDeepMindルールベースキャラクターAIシナリオGPT-3自然言語処理NFTGoogleグーグル自動生成映画デバッグCEDEC2019吉本幸記StyleGANプロシージャル人工知能学会遺伝的アルゴリズムメタAI深層学習マイクロソフトアートビヘイビア・ツリーCEDEC2021大内孝子CEDEC2020ゲームAISIGGRAPH不完全情報ゲームゲームプレイAIVRナビゲーションAI畳み込みニューラルネットワークDALL-ECLIPロボットAIと倫理ディープフェイクGDC 2021VFXメタバースGDC 2019マルチエージェントボードゲームNPCCNNデジタルツインモリカトロンUnityAIアートファッションHTN階層型タスクネットワークDALL-E2JSAI2020TensorFlowMicrosoftイベントレポートテストプレイ水野勇太小説アニメーションガイスターStyleGAN2懐ゲーから辿るゲームAI技術史toioソニーJSAI2021スポーツ研究シムピープル汎用人工知能GDC Summerバーチャルヒューマンブロックチェーン倫理BERTAdobeアストロノーカNVIDIA Omniverseeスポーツ対話型エージェントAmazoneSportsBLUE PROTOCOLシーマンUbisoft画像生成テキスト画像生成AlphaZeroTransformerGPT-2カメラ環世界中島秀之鴫原盛之DARPAドローンシムシティAI美空ひばり手塚治虫Electronic ArtsメタデータLEFT 4 DEADインタビュー通しプレイOpenAI Five本間翔太CMピクサープラチナエッグイーサリアム作曲ビッグデータ中嶋謙互Amadeus CodeMicrosoft AzureキャリアナラティブOmniverse ReplicatorレコメンドシステムNVIDIA DRIVE SimNVIDIA Isaac Simサイバーエージェント音声認識ロボティクスPyTorchDQN眞鍋和子バンダイナムコスタジオaibo合成音声Minecraft齊藤陽介マインクラフトお知らせチャットボットアバターサルでもわかる人工知能VAEOmniverseUbisoft La Forge自動運転車ワークショップGenvid Technologiesメタ知識表現ウォッチドッグス レギオンIGDAどうぶつしょうぎEpic Gamesジェイ・コウガミ音楽ストリーミング徳井直生マシンラーニングクラウド対話エンジン斎藤由多加リトル・コンピュータ・ピープルコンピューティショナル・フォトグラフィーゴブレット・ゴブラーズ絵画AIりんなシミュレーション完全情報ゲーム坂本洋典釜屋憲彦ウェイポイントパス検索対談藤澤仁生物学GTC 2022画像認識GTC2022StyleCLIPDeNA長谷洋平masumi toyota宮路洋一OpenSeaGDC 2022教育TextWorldSIGGRAPH ASIAGTC2021CycleGANNetHackフェイクニュースエージェントAIボイスアクターNVIDIA CanvasImagenGPUALifeZork人工生命オルタナティヴ・マシンサウンドスケープMCS-AI動的連携モデルASBSマンガモーションキャプチャーぱいどんTEZUKA2020ナビゲーションメッシュ松井俊浩バンダイナムコ研究所スパーシャルAIELYZAELYZA DIGEST3D音声合成マーケティングApex LegendsELIZANinjaコンピュータRPGアップルタウン物語KELDICメロディ言語ゲームTENTUPLAYMARVEL Future FightAstroタイムラプスEgo4Dバスキア日経イノベーション・ラボ敵対的強化学習階層型強化学習GOSU Data LabWANNGOSU Voice Assistant竹内将SenpAI.GGMobalytics馬淵浩希Cygames岡島学AWS Sagemaker映像セリア・ホデント形態素解析UXAWS Lambda誤字検出認知科学ゲームデザインSentencePieceLUMINOUS ENGINELuminous Productionsパターン・ランゲージ竹村也哉ちょまどボエダ・ゴティエGOAPAdobe MAX 2021模倣学習Omniverse AvatarFPSNVIDIA Rivaマルコフ決定過程NVIDIA MegatronNVIDIA Merlinスタンフォード大学NVIDIA Metropolisパラメータ設計テニスバランス調整協調フィルタリング人狼知能テキサス大学軍事AlphaDogfight TrialsAI Messenger VoicebotエージェントシミュレーションOpenAI CodexStarCraft IIHyperStyleFuture of Life InstituteRendering with StyleIntelDisneyLAIKADisneyリサーチRotomationGauGANGauGAN2ドラゴンクエストライバルズ画像言語表現モデル不確定ゲームSIGGRAPH ASIA 2021Dota 2モンテカルロ木探索ディズニーリサーチMitsuba2ソーシャルゲームEmbeddingワイツマン科学研究所GTC2020CG衣装NVIDIA MAXINEVRファッション淡路滋ビデオ会議ArtflowグリムノーツEponymゴティエ・ボエダ音声クローニングGautier Boeda階層的クラスタリングGopherJuliusSIE鑑定TPRGOxia Palusバーチャル・ヒューマン・エージェントtoio SDK for UnityArt Recognitionクーガー田中章愛Meta石井敦銭起揚NHC 2021茂谷保伯池田利夫GDMC新刊案内マーベル・シネマティック・ユニバース成沢理恵MITメディアラボMCU著作権アベンジャーズマジック・リープDigital DomainMagic Leap OneMagendaMasquerade2.0ノンファンジブルトークンDDSPフェイシャルキャプチャーサッカーモリカトロン開発者インタビュー里井大輝Kaggle宮本茂則バスケットボール山田暉Assassin’s Creed OriginsAI会話ジェネレーターSea of ThievesGEMS COMPANYmonoAI technologyLSTMモリカトロンAIソリューション初音ミクOculusコード生成AI転移学習テストAlphaCodeBaldur's Gate 3CodeforcesCandy Crush Saga自己増強型AISIGGRAPH ASIA 2020COLMAPADOPデバッギングBigGANGANverse3DMaterialGANリップシンキングRNNグランツーリスモSPORTReBeLグランツーリスモ・ソフィーGTソフィーVolvoFIAグランツーリスモチャンピオンシップRival PrakDGX A100VTuberユービーアイソフトWebcam VTuber星新一賞北尾まどかHALO市場分析将棋メタルギアソリッドVフォートナイトFSMRobloxナップサック問題Live Nation汎用言語モデルWeb3.0AIOpsSpotifyMITスマートコントラクトReplica StudioAWSamuseChitrakarQosmo巡回セールスマン問題ジョルダン曲線メディア5GMuZero政治クラウドゲーミングRival Peakがんばれ森川君2号和田洋一リアリティ番組Stadiaジョンソン裕子MILEsNightCafeインタラクティブ・ストリーミングLuis Ruizインタラクティブ・メディアポケモンCodexシーマン人工知能研究所東京工業大学Ludo博報堂ラップSIGGRAPH 2019ArtEmisZ世代AIラッパーシステムARrinnaGROVERプラスリンクス ~キミと繋がる想い~FAIRSTCチート検出Style Transfer ConversationオンラインカジノRCPアップルRealFlowRinna Character PlatformiPhoneデジタルヒューマンDeep FluidsSoul MachinesMeInGameAmeliaAIGraphブレイン・コンピュータ・インタフェースバーチャルキャラクターBCIGateboxLearning from VideoANIMAK予期知能逢妻ヒカリセコムユクスキュルバーチャル警備システムカント損保ジャパン哲学上原利之ドラゴンクエストエージェントアーキテクチャアッパーグラウンドPAIROCTOPATH TRAVELER西木康智OCTOPATH TRAVELER 大陸の覇者Siemensアルスエレクトロニカ2019品質保証StyleRigAutodesk逆転オセロニアBentley Systemsワールドシミュレーター奥村エルネスト純いただきストリートH100齋藤精一大森田不可止COBOL高橋智隆DGX H100ロボユニザナックDGX SuperPOD泉幸典仁井谷正充クラウドコンピューティングロボコレ2019Instant NeRFartonomousbitGANsぎゅわんぶらあ自己中心派Azure Machine Learning意思決定モデル脱出ゲームHybrid Reward Architectureコミュニティ管理ウロチョロスSuper PhoenixSNS理化学研究所Project Malmoオンラインゲーム気候変動Project PaidiaEarth-2Project Lookoutマックス・プランク気象研究所Watch Forビョルン・スティーブンスBing気象モデルLEFT ALIVE気象シミュレーション長谷川誠ジミ・ヘンドリックス環境問題Baby Xカート・コバーンエコロジーロバート・ダウニー・Jr.エイミー・ワインハウスSDGsMagentaYouTubeダフト・パンクメモリスタSFGlenn MarshallELYZA PencilThe Age of A.I.Story2Hallucination音声変換レコメンデーションJukebox松尾豊Veap JapanEAPテンセントSIFT福井千春DCGAN医療MOBADANNCEメンタルケア人事ハーバード大学Edgar Handy研修デューク大学Netflixデータマイニングmynet.aiローグライクゲーム東京大学東京理科大学人工音声NeurIPS 2021産業技術総合研究所はこだて未来大学リザバーコンピューティングプレイ動画ヒップホップキャラクターモーションソニーマーケティングサイレント映画もじぱNBA環境音暗号通貨現代アートFUZZLEAlteration粒子群最適化法RPG進化差分法オープンワールド群知能下川大樹AIFAウィル・ライト高津芳希P2E大石真史SIGGRAPH 2022BEiTStyleGAN-NADAレベルデザインDETRゲームエンジンSporeUnreal Engineデノイズ南カリフォルニア大学Unity for Industry画像処理SentropyGLIDECPUDiscordAvatarCLIPSynthetic DataCALMバイアスプログラミングサム・アルトマンソースコード生成LaMDAGMAIシチズンデベロッパーSonanticTRPGGitHubCohereウィザードリィMCN-AI連携モデルマジック:ザ・ギャザリングAI DungeonUrzas.ai介護西川善司並木幸介Kikiサムライスピリッツ森寅嘉Zoetic AIゼビウスSIGGRAPH 2021ペットストリートファイター半導体Digital Dream LabsTopaz Video Enhance AICozmo栗原聡DLSSタカラトミー山野辺一記NetEaseLOVOT大里飛鳥DynamixyzMOFLINRomiU-Netミクシィ13フェイズ構造アドベンチャーゲームユニロボットADVユニボXLandGatoAGIテキスト生成手塚眞DEATH STRANDINGマルチモーダル不気味の谷Eric Johnson汎用強化学習AIOculus Questコジマプロダクション生体情報デシマエンジンインディーゲーム写真高橋ミレイ照明Maxim PeterJoshua Romoffハイパースケープ山崎陽斗深層強化学習立木創太ミライ小町テスラGameGANパックマンTesla BotTesla AI Dayソサエティ5.0SIGGRAPH 2020バズグラフニュースタンテキ東芝DIB-R倉田宜典韻律射影広告韻律転移

DALL-E 2とImagenの比較から見る高品質テキスト画像生成モデルの可能性とリスク

2022.6.20先端技術

DALL-E 2とImagenの比較から見る高品質テキスト画像生成モデルの可能性とリスク

2022年4月、OpenAIは入力したテキストの内容を反映した高品質な画像を生成するAIモデルDALL-E 2を発表してAI業界に衝撃を与えました。その発表から約1か月後、グーグルはDALL-E 2と同様なテキスト画像生成モデルImagenを公開して大きな注目を集めました。本稿ではこの2つのモデルを比較しながらそれぞれの技術的な特徴をまとめたうえで、これらのモデルがもつビジネス的可能性と潜在的リスクを述べていきます。

DALL-E 2とImagenの共通点と相違点

DALL-E 2とImagenは、両方とも入力テキストからテキスト埋め込みを生成後、この埋め込みを参照したうえで拡散モデルを使って画像を生成しています。こうした処理におけるテキスト埋め込みとは、文字列であるテキストをその特徴を反映したまま数値情報に変換したものです。また拡散モデルとは、その特徴を強調するようにして画像を生成するモデルです。「拡散(diffusion)」という表現が使われているのは、このモデルのアルゴリズムにおいて、画像の特徴を抽出するためにランダムな点を無数に挿入して言わば「ノイズが拡散した」状態にしてから、そのノイズ状態から特徴を復元するためと考えられます。

DALL-E 2とImagenの相違点は、テキスト埋め込みを生成する処理にあります。前者はOpenAIが開発した任意の画像に対して適切なキャプションを生成する画像認識モデルCLIPを使っているのに対して、後者はグーグルが開発した大規模言語モデルT5を使っています。アーキテクチャに違いがある2つのモデルに関して、グーグルは画像生成能力を比較する実験を行いました。その結果、ImagenがDALL-E 2を上回っていることがわかりました。Imagenは、DALL-E 2が苦手としている文字列をふくんだ画像を適切に生成できたのでした。例えば以下の画像は「Text to Imageと書かれた店頭(A storefront with Text to Image written on it)」というテキストを入力して生成されたもので、左側4枚がImagenによって生成された画像、右側4枚がDALL-E 2です。

グーグルはImagenの性能を評価するなかで、テキスト埋め込みを生成する言語モデルのサイズを大きくしたほうが、拡散モデルのサイズを大型化するよりも生成画像の品質向上に貢献することも発見しました。この発見は、今後のテキスト画像生成モデル開発が言語処理部分を改善する方向に進展するかも知れないことを示唆しています。

参考論文:潜在的なCLIPを使ったテキストに条件づけられた階層的な画像生成(DALL-E 2の論文)

参考論文:深層言語理解を使ったフォトリアルなテキスト画像拡散モデル(Imagenの論文)

アイキャッチ画像の自動生成などに応用可能

DALL-E 2とImagenのような高品質なテキスト画像生成モデルの誕生は、いわゆる絵心がない人であっても説得力のある画像を短時間で制作できるようになる未来を予感させます。こうした万人がクリエイティブなスキルを得られる時代に備えるべく、マーケティングにおけるAI活用を研究しているMarketing AI Instituteは2022年4月、テキスト画像生成モデルのビジネス活用事例について考察した記事を公開しました。その記事で挙げられている活用事例は、以下のようなものです。

  1. ブログ記事、電子書籍、ビデオ、ポッドキャストエピソードのためのユニークで魅力的なアイキャッチ画像
  2. ウェブサイトページやランディングページに使用する、ユニークで魅力的な画像
  3. 社内外で使用されるデジタルまたは印刷物のブランド担保のための画像
  4. すべてのデジタルアセットにおける複雑な情報、製品、またはサービスを説明するのに役立つ画像
  5. 広告クリエイティブで際立つアイキャッチ画像
  6. ブランディング、キャンペーンのアイデア、ビデオスクリプト、コマーシャルなどのブレーンストーミングに使えるモックアップ画像
  7. ロゴのモックアップまたは最終バージョン
  8. より複雑な画像生成プロジェクトにおいて、人間のデザイナーを鼓舞し導くためのモックアップ

以上に挙げた事例のほかにも画像制作が関わる仕事であれば、テキスト画像生成モデルが活用されるようになるでしょう。こうした事例から言えるのは、同モデルはクリエイティブ業界の産業構造や働き方を一変させるポテンシャルを秘めている、ということです。

ちなみに、日本語に対応したテキスト画像生成モデルが開発された場合、「ライトノベルの挿絵を自動生成する」「プレゼン用にいらすとや風のイラストを自動生成する」のような活用事例が考えられるでしょう。

バイアスや悪用のリスクへの対処

高品質テキスト画像生成モデルは産業や文化を変革する可能性を秘めている一方で、人の尊厳を傷つけたり悪用されたりするリスクがあります。というのも、これらのモデルが生成する画像には、時として文化、ジェンダー、宗教に関するバイアスがふくまれてしまうからです。さらには、悪意にもとづいて不適切な画像が生成される可能性も排除できません。

以上のようなリスクがあるため、グーグルはImagenを一般ユーザに公開するのを控えました。対してOpenAIは、招待ユーザにDALL-E 2を使ってもらってそのリスクを評価する評価運用を進めています。こうした評価運用については、その内容をまとめた文書がGitHubで公開されています。同文書では、DALL-E 2に潜在するリスクがさまざまな角度から論じられています。バイアスに関しては、例えば同モデルに「a wedding」というテキストを入力すると、西洋式の結婚式の画像が多数出力される一方で、神前結婚式のそれは出力されません。この事例は、同モデルが西欧の文化や価値観にもとづいて画像を出力することを示しています。

不適切な画像が生成される可能性に関しては、暴力的あるいは性的な画像を生成する可能性のある単語を入力不可とするフィルタリング処理を実装することで対処しています。しかし、この処理を回避して不適切な画像が生成される余地はあります。例えば、「ケチャップ」と入力すれば、入力されるコンテクストによっては流血のように見える画像を生成できます。

とくに悪用が懸念される各国の要人やセレブリティの顔画像の生成については、DALL-E 2開発段階でこうした人々の顔を生成できないように制限を加えました。もっとも、こうした制限を加えたとしても要人やセレブリティに似た顔画像を生成する可能性を完全に排除できたわけではありません。

DALL-E 2が発表された直後の2022年4月7日、OpenAIのCEOを務めるサム・アルトマン氏は同モデルについて所感を述べたブログ記事を公開しました。同氏は同モデルを「私たち人間ができることが、特定のスキルではなく良いアイデアによって限界づけられる世界の一例」を実現するものと絶賛する一方で、安全な活用のためには評価運用が不可欠とも強調しています。そして、2022年の夏ごろには製品版を一般ユーザに公開する予定とも述べています。製品版DALL-E 2が一般公開される頃には、同モデルのリスクを許容範囲に緩和にできる運用体制が整っていることでしょう。

以上に解説した高品質テキスト画像生成モデルが実用化されると、一部のクリエイティブなタスクが代替または自動化されることでそのタスクに関わる雇用が消滅する一方で、全く新規かつクリエイティブなタスクとスキルを必要とする新たな雇用が生み出されると考えられます。こうした事態に対処するには、AIとクリエイティブな共創関係を築くのが得策なのではないでしょうか。

Writer:吉本幸記

RELATED ARTICLE関連記事

人間のように複雑なテストケースを実施できる敵対的強化学習テストAIの可能性

2021.10.22先端技術

人間のように複雑なテストケースを実施できる敵対的強化学習テストAIの可能性

ロボットトイをスマホアプリで制御するための開発環境「toio SDK for Unity」

2020.10.23先端技術

ロボットトイをスマホアプリで制御するための開発環境「toio SDK for U...

【CEDEC2020】aiboの”賢さ”と”可愛さ”を作るAIの秘密

2020.10.21先端技術

【CEDEC2020】aiboの"賢さ"と"可愛さ"を作るAIの秘密

RANKING注目の記事はこちら