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
CGCGへの扉安藤幸央機械学習月刊エンタメAIニュースディープラーニング河合律子生成AI吉本幸記OpenAIGAN音楽NVIDIAGoogle三宅陽一郎強化学習ニューラルネットワークStable DiffusionChatGPTグーグル森川幸人シナリオDeepMindQA大規模言語モデル人工知能学会GPT-3自然言語処理マイクロソフトFacebook大内孝子AIと倫理映画著作権アート倫理キャラクターAI敵対的生成ネットワークルールベースLLMSIGGRAPHモリカトロンゲームプレイAIスクウェア・エニックスモリカトロンAIラボインタビュー画像生成NPCNFTプロシージャルMidjourneyデバッグMinecraftDALL-E2StyleGAN遺伝的アルゴリズム画像生成AIロボットファッション音楽生成AI自動生成VFXAdobeテストプレイメタAIアニメーションテキスト画像生成深層学習CEDEC2019ディープフェイクデジタルツインメタバースVR小説ボードゲームDALL-ECLIPビヘイビア・ツリーマンガCEDEC2021CEDEC2020ゲームAI不完全情報ゲームナビゲーションAI畳み込みニューラルネットワークGDC 2021JSAI2022バーチャルヒューマン作曲MicrosoftNVIDIA OmniverseGDC 2019マルチエージェントCEDEC2022MetaマインクラフトAIアート3DCGStability AIメタデジタルヒューマン懐ゲーから辿るゲームAI技術史toioジェネレーティブAIスポーツエージェントプロンプト栗原聡手塚治虫汎用人工知能CNNNeRFDALL-E 3BERTロボティクスUnityOmniverseJSAI2023鴫原盛之HTN階層型タスクネットワークソニーGPT-4マルチモーダルJSAI2020GTC20233DTensorFlowインタビューブロックチェーンイベントレポート対話型エージェントAmazonメディアアートDQN水野勇太アバターUbisoftGenvid TechnologiesガイスターStyleGAN2ARELSIGTC2022教育SIGGRAPH ASIANetflixJSAI2021東京大学はこだて未来大学Bard研究シムピープルMCS-AI動的連携モデルRed RamモーションキャプチャーTEZUKA2020CEDEC2023テキスト生成インディーゲームElectronic Arts音声合成マーケティングメタデータGDC Summerイーロン・マスクStable Diffusion XLCMMicrosoft Azureアストロノーカキャリア模倣学習動画生成AIeスポーツスタンフォード大学アーケードゲームテニスサイバーエージェントトレーディングカード音声認識類家利直eSportsBLUE PROTOCOLシーマンaibo合成音声チャットボットブラック・ジャックEpic GamesAWS徳井直生クラウド斎藤由多加AlphaZeroTransformerGPT-2rinnaAIりんなカメラ環世界中島秀之PaLM哲学ベリサーブPlayable!GPT-3.5ハリウッド理化学研究所Gen-1SFテキスト画像生成AI松尾豊データマイニング現代アートDARPAドローンシムシティゲームエンジンImagenZorkバイアスマーダーミステリーASBSぱいどんアドベンチャーゲームAI美空ひばりAGI手塚眞バンダイナムコ研究所スパーシャルAIELYZANEDOFSM-DNNLEFT 4 DEAD通しプレイ論文OpenAI Five本間翔太馬淵浩希Cygames森山和道Audio2Faceピクサープラチナエッグイーサリアム効果音ボエダ・ゴティエビッグデータ中嶋謙互Amadeus Codeデータ分析MILENVIDIA ACEナラティブNVIDIA RivaOmniverse ReplicatorWCCFレコメンドシステムNVIDIA DRIVE SimWORLD CLUB Champion FootballNVIDIA Isaac Simセガ柏田知大軍事田邊雅彦トレカMax CooperGPTDisneyFireflyPyTorchChatGPT4眞鍋和子バンダイナムコスタジオAI Frog Interactive新清士大澤博隆SFプロトタイピング齊藤陽介お知らせMagic Leap OneTencentモリカトロン開発者インタビュー宮本茂則バスケットボールGeminiTikToktext-to-imageサルでもわかる人工知能text-to-3DVAEDreamFusionTEZUKA2023リップシンキングRNNUbisoft La Forge自動運転車ワークショップ知識表現ウォッチドッグス レギオンVTuberIGDA立教大学秋期GTC2022市場分析フォートナイトどうぶつしょうぎRobloxジェイ・コウガミ音楽ストリーミングMITAIロボ「迷キュー」に挑戦野々下裕子Adobe MAXマシンラーニング村井源5GMuZeroRival Peakpixivオムロン サイニックエックスGPTs電気通信大学対話エンジン稲葉通将ポケモン3Dスキャン橋本敦史リトル・コンピュータ・ピープルCodexシーマン人工知能研究所コンピューティショナル・フォトグラフィーPreferred Networksゴブレット・ゴブラーズ絵画3D Gaussian SplattingMicrosoft DesignerアップルイラストシミュレーションSoul Machines柿沼太一完全情報ゲームバーチャルキャラクター坂本洋典釜屋憲彦GitHub CopilotウェイポイントLLaMAパス検索対談藤澤仁生物学GTC 2022xAIApple Vision Pro画像認識SiemensストライキStyleCLIPDeNA長谷洋平クラウドコンピューティングmasumi toyotaIBM宮路洋一OpenSeaGDC 2022SNSTextWorldSoraEarth-2BingMagentaYouTube音声生成AIELYZA PencilScenarioSIGGRAPH2023AIピカソGTC2021AI素材.comCycleGANテンセントAndreessen HorowitzAIQVE ONENetHackキャラクターモーションControlNet音源分離NBAフェイクニュースユニバーサルミュージックRPG法律Web3SIGGRAPH 2022世界モデルレベルデザインDreamerV3AIボイスアクターUnreal Engine南カリフォルニア大学NVIDIA CanvasGPUALife人工生命オルタナティヴ・マシンサウンドスケープLaMDATRPGマジック:ザ・ギャザリングAI Dungeonゲーム背景アパレル不気味の谷ナビゲーションメッシュデザイン高橋ミレイ深層強化学習松原仁松井俊浩武田英明フルコトELYZA DIGEST建築広告西成活裕ハイブリッドアーキテクチャApex LegendsELIZA群衆マネジメントライブポートレイトNinjaコンピュータRPGライブビジネスWonder StudioAdobe Max 2023アップルタウン物語新型コロナ土木MindAgentKELDIC周済涛BIMBing Chatメロディ言語清田陽司インフラBing Image CreatorゲームTENTUPLAYサイバネティックスMARVEL Future FightAstro人工知能史Amazon BedrockAssistant with BardタイムラプスEgo4DAI哲学マップThe Arcadeバスキア星新一X.AISearch Generative Experience日経イノベーション・ラボStyleGAN-XLX Corp.Dynalang敵対的強化学習StyleGAN3TwitterVLE-CE階層型強化学習GOSU Data LabGANimatorXホールディングスWANNGOSU Voice AssistantVoLux-GANMagiAI Act竹内将SenpAI.GGProjected GANEUMobalyticsSelf-Distilled StyleGANSDXLArs ElectronicaニューラルレンダリングRTFKTAI規制岡島学AWS SagemakerPLATONIKE欧州委員会映像セリア・ホデント形態素解析frame.ioClone X欧州議会UXAWS LambdaFoodly村上隆欧州理事会誤字検出MusicLM認知科学中川友紀子Digital MarkAudioLMゲームデザインSentencePieceアールティSnapchatMusicCapsLUMINOUS ENGINEクリエイターコミュニティAudioCraftLuminous ProductionsBlenderBot 3バーチャルペットパターン・ランゲージ竹村也哉Meta AINVIDIA NeMo ServiceMubertちょまどマーク・ザッカーバーグヴァネッサ・ローザMubert RenderGOAPWACULVanessa A RosaGen-2Adobe MAX 2021陶芸Runway AI Film Festival自動翻訳Play.htPreViz音声AIAIライティングLiDARCharacter-LLMOmniverse AvatarAIのべりすとPolycam復旦大学FPSQuillBotdeforumChat-Haruhi-Suzumiyaマルコフ決定過程NVIDIA MegatronCopysmith涼宮ハルヒNVIDIA MerlinJasperハーベストEmu VideoNVIDIA MetropolisForGamesNianticパラメータ設計ゲームマーケットペリドットバランス調整岡野翔太Dream Track協調フィルタリング郡山喜彦Music AI Tools人狼知能テキサス大学ジェフリー・ヒントンLyriaGoogle I/O 2023Yahoo!知恵袋AlphaDogfight TrialsAI Messenger VoicebotGoogle I/OインタラクティブプロンプトAIエージェントシミュレーションOpenAI Codex武蔵野美術大学慶應義塾大学StarCraft IIHyperStyleBingAI石渡正人Future of Life InstituteRendering with Style手塚プロダクションIntel林海象LAIKADisneyリサーチヴィトゲンシュタインPhotoshop古川善規RotomationGauGAN論理哲学論考Lightroom大規模再構成モデルGauGAN2京都芸術大学CanvaLRMドラゴンクエストライバルズ画像言語表現モデルObjaverse不確定ゲームSIGGRAPH ASIA 2021PromptBaseBOOTHMVImgNetDota 2モンテカルロ木探索ディズニーリサーチpixivFANBOXOne-2-3-45Mitsuba2バンダイナムコネクサス虎の穴3DガウシアンスプラッティングソーシャルゲームEmbeddingワイツマン科学研究所ユーザーレビューFantiaワンショット3D生成技術GTC2020CG衣装mimicとらのあな高橋力斗NVIDIA MAXINEVRファッションBaidu集英社FGDC淡路滋ビデオ会議ArtflowERNIE-ViLG少年ジャンプ+Future Game Development ConferenceグリムノーツEponym古文書ComicCopilot佐々木瞬ゴティエ・ボエダ音声クローニング凸版印刷コミコパヒストリアGautier Boeda階層的クラスタリングGopherAI-OCRゲームマスター画像判定Inowrld AIJuliusSIE鑑定ラベル付けMODAniqueTPRGOxia PalusGhostwriter中村太一バーチャル・ヒューマン・エージェントtoio SDK for UnityArt RecognitionSkyrimエグゼリオクーガー田中章愛実況パワフルサッカースカイリムCopilot石井敦銭起揚NHC 2021桃太郎電鉄RPGツクールMZComfyUI茂谷保伯池田利夫桃鉄ChatGPT_APIMZserial experiments lainGDMC新刊案内パワサカダンジョンズ&ドラゴンズAI lainマーベル・シネマティック・ユニバースコナミデジタルエンタテインメントOracle RPGPCG成沢理恵MITメディアラボMCU岩倉宏介深津貴之PCGRLアベンジャーズPPOxVASynthDungeons&Dragonsマジック・リープDigital DomainMachine Learning Project CanvasLaser-NVビートルズMagendaMasquerade2.0国立情報学研究所ザ・ビートルズ: Get Back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石川冬樹MERFDemucsサッカースパコンAlibaba音楽編集ソフト里井大輝KaggleスーパーコンピュータVQRFAdobe Audition山田暉松岡 聡nvdiffreciZotopeAssassin’s Creed OriginsAI会話ジェネレーターTSUBAME 1.0NeRFMeshingRX10Sea of ThievesTSUBAME 2.0LERFMoisesGEMS COMPANYmonoAI technologyLSTMABCIマスタリングモリカトロンAIソリューション富岳レベルファイブ初音ミクOculusコード生成AISociety 5.0リアム・ギャラガーSuno AI転移学習テストAlphaCode夏の電脳甲子園グライムスKaKa CreationBaldur's Gate 3Codeforces座談会BoomyVOICEVOXCandy Crush Saga自己増強型AIジョン・レジェンドGenie AISIGGRAPH ASIA 2020COLMAPザ・ウィークエンドSIGGRAPH Asia 2023ADOPNVIDIA GET3DドレイクC·ASEデバッギングBigGANGANverse3DFLAREMaterialGANダンスグランツーリスモSPORTAI絵師エッジワークスMagicAnimateReBeLグランツーリスモ・ソフィーUGC日本音楽作家団体協議会Animate AnyoneGTソフィーPGCFCAインテリジェントコンピュータ研究所VolvoFIAグランツーリスモチャンピオンシップVoiceboxアリババNovelAIさくらインターネットDreaMovingRival PrakDGX A100NovelAI DiffusionVISCUITぷよぷよScratchユービーアイソフトWebcam VTuberモーションデータスクラッチ星新一賞大阪公立大学ビスケット北尾まどかHALOポーズ推定TCGプログラミング教育将棋メタルギアソリッドVメッシュ生成KLabFSMメルセデス・ベンツQRコードVALL-EMagic Leap囲碁Deepdub.aiナップサック問題Live NationEpyllionデンソーAUDIOGEN汎用言語モデルWeb3.0マシュー・ボールデンソーウェーブEvoke MusicAIOpsムーアの法則原昌宏AutoFoleySpotifyスマートコントラクト日本機械学会Colourlab.AiReplica Studioロボティクス・メカトロニクス講演会ディズニーamuseChitrakarQosmoAdobe MAX 2022トヨタ自動車Largo.ai巡回セールスマン問題かんばん方式Cinelyticジョルダン曲線メディアAdobe ResearchTaskade政治Galacticaプロット生成Pika.artクラウドゲーミングがんばれ森川君2号AI Filmmaking Assistant和田洋一リアリティ番組映像解析FastGANStadiaジョンソン裕子セキュリティ4コママンガAI ScreenwriterMILEsNightCafe東芝デジタルソリューションズ芥川賞インタラクティブ・ストリーミングLuis RuizSATLYS 映像解析AI文学インタラクティブ・メディア恋愛PFN 3D ScanElevenLabsタップル東京工業大学HeyGenAbema TVLudo博報堂After EffectsNECラップPFN 4D Scan絵本木村屋SIGGRAPH 2019ArtEmisZ世代DreamUp出版GPT StoreAIラッパーシステムDeviantArtAmmaar Reshi生成AIチェッカーWaifu DiffusionStoriesユーザーローカルGROVERプラスリンクス ~キミと繋がる想い~元素法典StoryBird九段理江FAIRSTCNovel AIVersed東京都同情塔チート検出Style Transfer ConversationOpen AIProlificDreamerオンラインカジノRCPUnity Sentis4Dオブジェクト生成モデルRealFlowRinna Character PlatformUnity MuseAlign Your GaussiansiPhoneCALACaleb WardAYGDeep Fluids宮田龍MAV3DMeInGameAmelia清河幸子ファーウェイAIGraphブレイン・コンピュータ・インタフェース西中美和4D Gaussian SplattingBCIGateboxアフォーダンス安野貴博4D-GSLearning from VideoANIMAKPaLM-SayCan斧田小夜Glaze予期知能逢妻ヒカリ宮本道人WebGlazeセコムLLaMA 2NightShadeユクスキュルバーチャル警備システムCode as PoliciesSpawningカント損保ジャパンCaPHugging FaceHave I Been Trained?CM3leonFortnite上原利之Stable DoodleUnreal Editor For Fortnite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コリジョンチェックT2I-AdapterXRPAIROCTOPATH TRAVELER西木康智VolumetricsOCTOPATH TRAVELER 大陸の覇者山口情報芸術センター[YCAM]AIワールドジェネレーターアルスエレクトロニカ2019品質保証YCAM日本マネジメント総合研究所Rosebud AI GamemakerStyleRigAutodeskアンラーニング・ランゲージVoyagerLayer逆転オセロニアBentley Systemsカイル・マクドナルドLily Hughes-RobinsonCharisma.aiワールドシミュレーターローレン・リー・マッカーシーColossal Cave AdventureGDC 2024奥村エルネスト純いただきストリートH100鎖国[Walled Garden]​​プロジェクトAdventureGPT調査齋藤精一大森田不可止COBOLSIGGRAPH ASIA 2022リリー・ヒューズ=ロビンソンMeta Quest高橋智隆DGX H100VToonifyBabyAGIIPロボユニザナックDGX SuperPODControlVAEGPT-3.5 Turbo泉幸典仁井谷正充変分オートエンコーダーカーリング強いAIロボコレ2019Instant NeRFフォトグラメトリウィンブルドン弱いAIartonomous回帰型ニューラルネットワークbitGANsDeepJoin戦術分析ぎゅわんぶらあ自己中心派Azure Machine LearningAzure OpenAI Serviceパフォーマンス測定Lumiere意思決定モデル脱出ゲームDeepLIoTUNetHybrid Reward Architectureコミュニティ管理DeepL WriteProFitXImageFXウロチョロスSuper PhoenixWatsonxMusicFXProject MalmoオンラインゲームAthleticaTextFX気候変動コーチングProject Paidiaシンギュラリティ北見工業大学KeyframerProject Lookoutマックス・プランク気象研究所レイ・カーツワイル北見カーリングホールAppleWatch Forビョルン・スティーブンスヴァーナー・ヴィンジ画像解析Gemini 1.5気象モデルRunway ResearchじりつくんAI StudioLEFT ALIVE気象シミュレーションMake-A-VideoNTT SportictVertex AI長谷川誠ジミ・ヘンドリックス環境問題PhenakiAIカメラChat with RTXBaby Xカート・コバーンエコロジーDreamixSTADIUM TUBESlackロバート・ダウニー・Jr.エイミー・ワインハウスSDGsText-to-ImageモデルPixelllot S3Slack AIソフトバンクPokémon Battle Scopeダフト・パンクメモリスタAIスマートコーチポケットモンスターGlenn MarshallkanaeruThe Age of A.I.Story2Hallucination音声変換Latitude占いレコメンデーションJukeboxDreambooth行動ロジック生成AIVeap Japanヤン・ルカンConvaiEAPneoAIPerfusionNTTドコモSIFT福井千春DreamIconニューラル物理学EmemeDCGAN医療mign毛髪GenieMOBADANNCEメンタルケアstudiffuse荒牧英治汎用AIエージェント人事ハーバード大学Edgar Handy中ザワヒデキAIファッションウィーク研修デューク大学大屋雄裕インフルエンサーQA Tech Night中川裕志Grok-1mynet.aiローグライクゲーム松木晋祐Adreeseen HorowitzMixture-of-Experts東京理科大学下田純也NVIDIA Avatar Cloud EngineMoE人工音声NeurIPS 2021産業技術総合研究所桑野範久Replica StudiosClaude 3リザバーコンピューティングSmart NPCsClaude 3 Haikuプレイ動画ヒップホップ対話型AIモデルRoblox StudioClaude 3 SonnetソニーマーケティングPromethean AIClaude 3 Opusサイレント映画もじぱnote森永乳業環境音暗号通貨note AIアシスタントMusiioC2PAFUZZLEKetchupEndelゲーミフィケーションAlterationAI NewsTomo Kihara粒子群最適化法Art SelfiePlayfool進化差分法オープンワールドArt TransferSonar遊び群知能下川大樹AIFAPet PortraitsSonar+Dウィル・ライト高津芳希P2EBlob Opera大石真史クリムトDolby AtmosBEiTStyleGAN-NADASonar Music FestivalDETRライゾマティクスSporeクリティックネットワーク真鍋大度デノイズUnity for Industryアクターネットワーク花井裕也画像処理DMLabRitchie HawtinSentropyGLIDEControl SuiteErica SynthCPUDiscordAvatarCLIPAtari 100kUfuk Barış MutluSynthetic DataAtari 200MJapanese InstructBLIP AlphaCALMYann LeCun日本新聞協会プログラミングサム・アルトマン鈴木雅大AIいらすとやソースコード生成コンセプトアートAI PicassoGMAIシチズンデベロッパーSonanticColie WertzEmposyGitHubCohereリドリー・スコットAIタレントウィザードリィMCN-AI連携モデル絵コンテAIタレントエージェンシーUrzas.aiストーリーボードmodi.ai介護大阪大学BitSummit西川善司並木幸介KikiBlenderBitSummit Let’s Go!!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 LabsPaLM APIデジタルレプリカTopaz Video Enhance AICozmoMakerSuiteGOT7DLSSタカラトミーSkebsynthesia山野辺一記NetEaseLOVOTDreambooth-Stable-DiffusionHumanRF大里飛鳥DynamixyzMOFLINActors-HQRomiGoogle EarthSAG-AFTRAU-NetミクシィGEPPETTO AIWGA13フェイズ構造ユニロボットStable Diffusion web UIチャーリー・ブルッカーADVユニボPoint-EXLandGato岡野原大輔AI model自己教師あり学習DEATH STRANDINGAI ModelsIn-Context Learning(ICL)Eric Johnson汎用強化学習AIZMO.AILoRAMOBBY’SファインチューニングOculus Questコジマプロダクションロンドン芸術大学モビーディックグランツーリスモ生体情報デシマエンジンGoogle Brainダイビング量子コンピュータSound Controlアウトドアqubit写真SYNTH SUPERAIスキャニングIBM Quantum System 2照明Maxim PeterKarl Sims自動採寸北野宏明Joshua RomoffArtnome3DLOOKダリオ・ヒルハイパースケープICONATESizerジェン・スン・フアン山崎陽斗ワコールHuggingFace立木創太スニーカーStable Audio浜中雅俊UNSTREET宗教ミライ小町Newelse仏教テスラ福井健策CheckGoodsコカ・コーラGameGAN二次流通食品パックマンTesla Bot中古市場Coca‑Cola Y3000 Zero SugarTesla AI DayWikipediaDupe KillerCopilot Copyright Commitmentソサエティ5.0Sphere偽ブランドテラバースSIGGRAPH 2020バズグラフXaver 1000配信京都大学ニュースタンテキ養蜂立福寛東芝Beewiseソニー・ピクチャーズ アニメーション音声解析DIB-R倉田宜典フィンテック感情分析投資Fosters+Partners周 済涛韻律射影MILIZEZaha Hadid Architectsステートマシン韻律転移三菱UFJ信託銀行ディープニューラルネットワーク

CGへの扉 Vol.39:言葉から生み出されるアートとは?

2022.6.17アート

CGへの扉 Vol.39:言葉から生み出されるアートとは?

言葉から生み出される画像

「立てば芍薬、座れば牡丹、歩く姿は百合の花」美しい人を表現する言葉ですが、人によってとらえ方はさまざまです。そもそも牡丹がどんな花なのか知らなければ牡丹よりも服のボタンを思い浮かべてしまうかもしれません。この言葉は江戸時代から落語や講談に出てきますが、はっきりとした由来は分かりません。もともとは薬効を示した言葉で、気が立っている人には芍薬の根を、疲れやすくすぐ座ってしまう人には牡丹の根、ふらふらと歩いている人には百合の球根が効くということらしいのですが、その本来の意味ではない事柄が今では一般的に知られています。

最近、言葉から画像を生成する人工知能を活用した事例として DALL-E の後継である DALL-E2 が話題になりました。
また、それに続いて同様の研究プロダクトであるグーグルのImagen が話題性の意味でも技術的要素としても追従してきています。

人間は理解や認識の多くを視覚に頼っています。とは言いつつも現代のコミュニケーションの多くは言葉に依存しています。先ほどの「立てば芍薬〜」と同様に言葉から想像する様相は人それぞれですが、膨大な言語体系の抽出と機械学習によって、言葉の表現どおりの画像を生成するというテクノロジーが登場しました。今まではプロのイラストレーターに言葉や例を示して描いてもらっていた絵が、テイストやその出来栄えはとにかく、人工知能が手軽に画像として合成してくれる時代がやってきたのです。

DALL-E2 の登場

DELL-E2で言葉から描いた画像。チャンピオンデータと呼ばれる良質の結果を並べたものであるが、それでもちょっとしたイラストのレベルにある

OpenAI DALL-E2:https://openai.com/dall-e-2/

2021年はじめにOpenAI社からDALL-Eが登場し、人工知能業界に衝撃を与えました。その機械学習の規模、精度とも人工知能研究に関わる人であれば容易ではないことが分かり、驚きをもって迎えられたのです。

【参考記事】CGへの扉 Vol.22:言葉から画像を生成、DALL-Eはクリエイティブなのか?

それから約一年後、満を持して登場した DALL-E2 はどう進化しているのでしょうか。

DALL-E2 が描いた「宇宙飛行士が馬に乗っている写実的」な絵
DALL-E2 が描いた「宇宙飛行士が馬に乗っていアンディウォーホール風」の絵

リサーチペーパーによると、DALL-E2は旧 DALL-E1に比べ、写実的で文言と画像との一致度が高いと評価されています。さらに解像度が4倍になった点も歓迎されています。

論文:Hierarchical Text-Conditional Image Generation with CLIP Latents

また、DALL-E2 は DALL-Eでの応用事例を反映し、意図しない不当な利用がなされないよう、さまざまな工夫が進んでいます。例えばフェイク画像として使われないように生成される画像に制限がかかる機構が組み込まれているなど配慮が進んでいます。そのため政治家や俳優などの画像を生成しないように、また成人向けの露骨な画像を生成しないよう、工夫がなされています。

画像生成のために指定する文言も、ポリシーに違反した言葉を扱わないよう自動的にフィルタリングするとともに、人の目でもチェックしているとのこと。現在の DALL-E2 は DALL-E1 と同様、APIは一般に公開されておらず、信頼できる限られたユーザーにのみ公開し、利用方法を探っていると言われています。DALL-E2 は素晴らしい成果と受け取られていつつも、逆に DALL-E2 が苦手とする画像や文言の研究も進んでいます。今後は研究成果というだけでなく、実用に向かっての工夫や制限を考慮することで、さらに用途が広がってくることが予想されます。

DALL-E2 の発表に合わせてInstagramのアカウントも開設されており「何かアイデアがあればDMで送ってくれれば実現するよ!」と書かれています。

DALL-E2のInstagram 公式アカウント

DALL-E2はOpenAIが開発している、テキストと画像のペアを学習したCLIPと、テキストから画像を生成するGLIDEというテクノロジーを組み合わせて使われています。

CLIP:https://openai.com/blog/clip/
CLIPに関する論文:Learning Transferable Visual Models From Natural Language Supervision
GLIDEに関する論文:Towards Photorealistic Image Generation and Editing with Text-Guided Diffusion Models

DALL-E2も次に紹介するGoogle Imagenも拡散モデル(Diffusion Model)と呼ばれる方式を用いています。最初はランダムな点のパターンの組み合わせから始まり、そこで生成された画像に指定された言葉の要素がふくまれていれば、そのまま画像を徐々に精細に変化させていきます。一方、画像が指定された言葉からかけ離れてきた場合は、そこで計算を打ち切ります。膨大なトライ&エラーの結果、指定された言葉を描いた画像が生成されるわけです。今後ますます精度やリアルさ、様々な言葉の扱いを広げてくると考えられます。DALL-E3はどう進化してくるのか今から楽しみです。

少しだけ違う言葉で指定した場合の画像の変化

Google Imagenの登場

毎度、グーグルのプロダクトは名前が普通すぎて冴えない気がしていますが、Google Imagen(正式名:Imagen diffusion model)もDALL-E 同様言葉で表現したイメージ画像を生成するテクノロジーです。Imagenは印象、画像、姿といった意味です。

論文:Photorealistic Text-to-Image Diffusion Models with Deep Language Understanding

Google Imagen による生成画像の数々

グーグルは「DrawBench」と呼ばれる大量のテキストリストからGoogle Imagenで生成した画像と、DALL-E2 で生成した画像を人が比較し、言葉とその言葉が示すであろう画像との一致度を図ったところ、Imagen の方が評価が高かったと報告されています。

Google Imagen と DALL-E2 との比較画像

DALL-E2ではいち早く不適切な画像が生成されないよう配慮を進めている一方、Google Imagen はバイアスを考慮してか(?)あえて不適切な画像データも学習データとして用いてしまっているため、場合によっては一般的な閲覧には適さない画像も生成されるのが現状とのこと。学習のデータセットのベースとして用いられているのはLAION-400M。今後、意図的に不適切な画像を抜いておくのか、それを踏まえた上でありとあらゆる画像を扱うのか、論争が広がってくると考えられます。機械学習の教師データとして自動生成した画像を活用する合成データ「Synthetic Data」 の考えも広がっており、一筋縄ではいかないことが分かります。

Google Imagen 開発の際に発見された特徴として、画像のモデルを大きく扱おうとするよりも、言語モデルの扱いを大きくした方が効率よく良い画像が得られるという意外な結果です。そう考えると、今まで思い込みで考えてきた研究や実装も、人工知能にとっては何か違う重要な要素が隠されている箇所がいろいろ見つかっていきそうです。

Google Imagen では 64×64 ピクセルサイズの画像であたりをつけ、そこから 256×256, 1024×1024 にアップコンバートする流れで、高精細な目的画像を生成しています。

ブルーチェックのベレー帽と赤いドット柄のタートルネックを着たゴールデンレトリバー

言葉から三次元アバターを生成する AvatarCLIP 

コンピュータグラフィックスの最新研究論文が発表される今年の SIGGRAPH 2022 は、カナダのバンクーバーにて 8月8日から11日の5日間、現地会場とオンラインとハイブリッド環境で実施される予定です。SIGGRAPH 2022 で発表される論文が徐々に明らかになってきており、話題を先取りすると、その中でも注目の論文のひとつが、言葉から三次元アバターを生成するAvatarCLIP です。

忍者
お相撲さん
バスケットボール選手

AvatarCLIPは、事前学習済みの環境だけで、あらかじめデータが無いものについてもある程度の予測から目的の結果を出力できる「ゼロショット学習」と呼ばれる実装がなされています。AvatarCLIP は DELL-E2 や Google Imagen の 3D版ともいえるもので、自然言語から3Dアバターの形状と、テクスチャ(柄や色の情報)、動きといった情報を生成することができます。出力事例をみると、まだまだぎこちない感は否めませんが、今後ゲーム内の NPC(ノンプレイヤーキャラクター)や、群衆もののCG/VFXで活用できる可能がみてとれます。

AvatarCLIP: Zero-Shot Text-Driven Generation and Animation of 3D Avatars

論文:https://arxiv.org/abs/2205.08535
プロジェクトページ:https://hongfz16.github.io/projects/AvatarCLIP.html
ソースコード:https://github.com/kaz12tech/ai_demos/blob/main/AvatarCLIP_demo.ipynb

人が生み出すアートと、人工知能が生み出すアート

DALL-E2もGoogle Imagenも、現在は一般公開されていないこともあり、Twitterのネタとして扱われてしまいます。ちょっとしたイラストであれば、素早く的確なものを瞬時に用意できることから、これもまた「人工知能が人間の仕事を奪う」事例として考える人が出てくるかもしれません。DALL-E2やGoogle Imagenが生成する画像は、人間ぽっさも少し感じますが、その理由は面白そうな画像を生み出そうと考えている人間が考えた生成キーワードに由来しているとも言えます。妙なリアルさと、かすかに感じる人間ではない何かの知性らしきものが感じられる画像が生み出されており、若干妙な雰囲気が感じられるのも確かです。

DALL-Eの名前は、シュルレアリスムと呼ばれるシュールで独特の雰囲気をもった絵画で知られるサルバドール・ダリの名前と、廃墟となった惑星のゴミ拾いを続けるロボットWALL-Eから取られているので、その奇妙さも納得できるかもしれません。ただ、そういって笑っていられるのは今だけで、気づかないうちに日頃目にする広告画像や商品パッケージ、イラストを描いたのは実は人工知能という世の中がやってくるかもしれません。

本連載の今後の予定:「CGへの扉」では、単なるAIの話題とは少し異なり、CG/VFX, アートの文脈から話題を切り取り紹介していきます。映像制作の現場におけるAI活用や、AIで価値が高まった先進的なツール、これからの可能性を感じさせるような話題、テクノロジーの話題にご期待ください。何か取り上げて欲しいテーマやご希望などがございましたら、ぜひ編集部までお知らせください。

CGへの扉

Vol.38:AIで作りAIで届ける映像作品

Vol.37:NVIDIA GTC 2022 レポート/アートとAIの視点で

Vol.36:創るためのAI〜AIと人間の創造性の未来:徳井直生氏講演レポート

Vol.35:マーベル・シネマティック・ユニバースを支える機械学習

Vol.34:注目論文よりCGの祭典 #SIGGRAPHAsia2021 を振り返る

Vol.33:AIの必然性 #SIGGRAPHAsia2021 レポート

Vol.32:Adobe Sneaks より進化の方向性を知る

Vol.31:人工知能が考える「顔」と、人が考える「顔」

Vol.30:SIGGRAPH2021レポート「ディープフェイクとの戦い」

Vol.29:AIの恩恵を受けるCG研究の世界。#SIGGRAPH2021 論文より

Vol.28:定番手法の他分野応用、自然言語処理AI由来の画像処理AI

Vol.27:眼に追いつけ追い越せ? カメラは機械学習により進化

≫≫すべてのバックナンバーはこちらから

Contributor:安藤幸央

RELATED ARTICLE関連記事

CGへの扉 Vol.50:脅威論がある一方で公式化する動きも。生成系AIに対する各界の反応

2023.5.16アート

CGへの扉 Vol.50:脅威論がある一方で公式化する動きも。生成系AIに対する...

CGへの扉 Vol.37:NVIDIA GTC 2022 レポート/アートとAIの視点で

2022.4.15アート

CGへの扉 Vol.37:NVIDIA GTC 2022 レポート/アートとAI...

CGへの扉 Vol.54:SIGGRAPH 2023基調講演における注目のAIトピック

2023.9.20アート

CGへの扉 Vol.54:SIGGRAPH 2023基調講演における注目のAIト...

RANKING注目の記事はこちら