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ディープラーニング月刊エンタメAIニュース河合律子GANOpenAI音楽NVIDIA吉本幸記ニューラルネットワーク強化学習Google生成系AI三宅陽一郎QA人工知能学会GPT-3Stable Diffusion自然言語処理グーグルDeepMindFacebook森川幸人シナリオ大内孝子マイクロソフトChatGPT敵対的生成ネットワークルールベースアート映画キャラクター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AIと倫理SIGGRAPHゲームプレイAI大規模言語モデル倫理デバッグNFTDALL-E2StyleGANプロシージャル遺伝的アルゴリズムモリカトロン著作権画像生成自動生成テストプレイメタAI画像生成AINPCテキスト画像生成ロボット深層学習ファッションCEDEC2019ディープフェイクVFXMidjourneyデジタルツインボードゲームDALL-ECLIPビヘイビア・ツリーCEDEC2021LLMCEDEC2020ゲームAIメタバース不完全情報ゲームVRナビゲーションAI畳み込みニューラルネットワークGDC 2021マンガJSAI2022AdobeNVIDIA OmniverseGDC 2019マルチエージェントCEDEC2022AIアート小説Stability AI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CNNBERT作曲MicrosoftUnityMinecraftアニメーションOmniverseメタJSAI2023鴫原盛之HTN階層型タスクネットワークソニー栗原聡手塚治虫汎用人工知能JSAI2020GTC2023TensorFlowインタビューバーチャルヒューマンイベントレポート対話型エージェントAmazonロボティクスDQNMeta水野勇太アバター3DCGUbisoftGenvid TechnologiesガイスターStyleGAN2デジタルヒューマンGTC2022教育音楽生成AIJSAI2021研究シムピープルMCS-AI動的連携モデルモーションキャプチャーElectronic ArtsNeRFマーケティングメタデータGDC SummerブロックチェーンCMMicrosoft Azureアストロノーカキャリア模倣学習e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メディアアートeSportsBLUE PROTOCOLシーマンaibo合成音声チャットボットAWS徳井直生斎藤由多加AlphaZeroTransformerGPT-2rinnaAIりんなカメラ環世界中島秀之PaLM哲学ベリサーブPlayable!理化学研究所SIGGRAPH ASIASFNetflix東京大学はこだて未来大学現代アートエージェントDARPAドローンシムシティImagenZorkバイアスプロンプトGPT-4ASBSアドベンチャーゲームTEZUKA2020CEDEC2023AI美空ひばりテキスト生成マルチモーダルバンダイナムコ研究所スパーシャルAI3DLEFT 4 DEADイーロン・マスク通しプレイOpenAI FiveStable Diffusion XL本間翔太CygamesAudio2Faceピクサープラチナエッグイーサリアムボエダ・ゴティエビッグデータ中嶋謙互Amadeus Codeデータ分析MILE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 CooperGPT類家利直PyTorchChatGPT4眞鍋和子バンダイナムコスタジオ大澤博隆SFプロトタイピング齊藤陽介マインクラフトお知らせMagic Leap OneTencentバスケットボールサルでもわかる人工知能text-to-3DVAEDreamFusionブラック・ジャックリップシンキングUbisoft 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IGDA秋期GTC2022市場分析どうぶつしょうぎEpic GamesRobloxジェイ・コウガミ音楽ストリーミングMITAIロボ「迷キュー」に挑戦野々下裕子マシンラーニング5GMuZeroRival Peakpixivクラウド対話エンジン3Dスキャンリトル・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ARMicrosoft Designer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ELSI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GPT-3.5ハリウッド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 2022SNSGen-1TextWorldEarth-2BingMagenta音声生成AIELYZA PencilScenarioSIGGRAPH2023テキスト画像生成AI松尾豊AIピカソGTC2021AI素材.comCycleGANテンセントAIQVE ONEデータマイニングNetHackBardキャラクターモーションControlNetNBAフェイクニュースRPG法律SIGGRAPH 2022世界モデルレベルデザインAIボイスアクター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ぱいどん手塚眞不気味の谷ナビゲーションメッシュインディーゲーム高橋ミレイ深層強化学習松原仁松井俊浩武田英明ELYZAフルコトNEDOELYZA DIGEST建築音声合成広告西成活裕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 Studioアップルタウン物語新型コロナ土木KELDIC周済涛BIMメロディ言語清田陽司インフラゲームTENTUPLAYサイバネティックスMARVEL Future FightAstro人工知能史Amazon BedrockタイムラプスEgo4DAI哲学マップバスキア星新一X.AI日経イノベーション・ラボStyleGAN-XLX Corp.敵対的強化学習StyleGAN3Twitter階層型強化学習GOSU Data LabGANimatorXホールディングスWANNGOSU Voice AssistantVoLux-GANMagi竹内将SenpAI.GGProjected GANMobalyticsSelf-Distilled StyleGANSDXL馬淵浩希ニューラルレンダリングRTFKT岡島学AWS SagemakerPLATONIKE映像セリア・ホデント形態素解析frame.ioClone XUXAWS LambdaFoodly村上隆誤字検出森山和道認知科学中川友紀子Digital MarkゲームデザインSentencePieceアールティSnapchatLUMINOUS ENGINEクリエイターコミュニティLuminous 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 Serviceちょまどマーク・ザッカーバーグヴァネッサ・ローザGOAPWACULVanessa A RosaAdobe MAX 2021陶芸自動翻訳Play.ht音声AIAIライティングLiDAROmniverse AvatarAIのべりすとPolycamFPSQuillBotdeforumマルコフ決定過程NVIDIA MegatronCopysmith動画生成AINVIDIA MerlinJasperハーベストNVIDIA MetropolisForGamesパラメータ設計ゲームマーケットバランス調整岡野翔太協調フィルタリング郡山喜彦人狼知能テキサス大学ジェフリー・ヒントンGoogle I/O 2023AlphaDogfight TrialsAI Messenger VoicebotGoogle I/OエージェントシミュレーションOpenAI Codex武蔵野美術大学StarCraft IIHyperStyleBingAIFuture of Life InstituteRendering with StyleIntelDisneyFireflyLAIKADisneyリサーチヴィトゲンシュタインPhotoshopRotomationGauGAN論理哲学論考LightroomGauGAN2京都芸術大学Canva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 2021PromptBaseBOOTHDota 2モンテカルロ木探索ディズニーリサーチpixivFANBOXMitsuba2バンダイナムコネクサス虎の穴ソーシャルゲームEmbeddingワイツマン科学研究所ユーザーレビューFantiaGTC2020CG衣装mimicとらのあなNVIDIA MAXINEVRファッションBaidu集英社淡路滋ビデオ会議ArtflowERNIE-ViLG少年ジャンプ+グリムノーツEponym古文書ComicCopilotゴティエ・ボエダ音声クローニング凸版印刷コミコパ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MODTPRGOxia PalusGhostwriterバーチャル・ヒューマン・エージェントtoio SDK for UnityArt RecognitionSkyrimクーガー田中章愛実況パワフルサッカースカイリム石井敦銭起揚NHC 2021桃太郎電鉄RPGツクールMZ茂谷保伯池田利夫桃鉄ChatGPT_APIMZGDMC新刊案内パワサカダンジョンズ&ドラゴンズマーベル・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 RPG成沢理恵MITメディアラボMCU岩倉宏介深津貴之アベンジャーズPPOxVASynthマジック・リープDigital DomainMachine Learning Project CanvasLaser-NVMagendaMasquerade2.0国立情報学研究所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MERFサッカーモリカトロン開発者インタビュースパコンAlibaba里井大輝Kaggle宮本茂則スーパーコンピュータVQRF山田暉松岡 聡nvdiffrecAssassin’s Creed OriginsAI会話ジェネレーターTSUBAME 1.0NeRFMeshingSea of ThievesTSUBAME 2.0LERFGEMS COMPANYmonoAI technologyLSTMABCIマスタリングモリカトロンAIソリューション富岳TikTok初音ミクOculusコード生成AISociety 5.0リアム・ギャラガー転移学習テストAlphaCode夏の電脳甲子園グライムスBaldur's Gate 3Codeforces座談会BoomyCandy Crush Saga自己増強型AItext-to-imageジョン・レジェンドSIGGRAPH ASIA 2020COLMAPザ・ウィークエンドADOPNVIDIA GET3DドレイクデバッギングBigGANGANverse3DTEZUKA2023MaterialGANRNNグランツーリスモSPORTAI絵師エッジワークスReBeLグランツーリスモ・ソフィーUGC日本音楽作家団体協議会GTソフィーPGCFCAVolvoFIAグランツーリスモチャンピオンシップVoiceboxNovelAIさくらインターネットRival PrakDGX A100NovelAI DiffusionVTuberぷよぷよユービーアイソフトWebcam VTuberモーションデータ立教大学星新一賞大阪公立大学北尾まどかHALOポーズ推定TCG将棋メタルギアソリッドVフォートナイトメッシュ生成KLabFSMメルセデス・ベンツQRコードMagic Leap囲碁ナップサック問題Live NationEpyllionデンソー汎用言語モデルWeb3.0マシュー・ボールデンソーウェーブAIOpsムーアの法則原昌宏Spotifyスマートコントラクト日本機械学会Replica Studioロボティクス・メカトロニクス講演会amuseChitrakarQosmoAdobe MAX 2022トヨタ自動車巡回セールスマン問題Adobe MAXかんばん方式ジョルダン曲線メディアAdobe Research村井源政治Galacticaプロット生成クラウドゲーミングがんばれ森川君2号オムロン サイニックエックス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MILEsNightCafe東芝デジタルソリューションズ電気通信大学インタラクティブ・ストリーミングLuis RuizSATLYS 映像解析AI稲葉通将インタラクティブ・メディアポケモン橋本敦史PFN 3D ScanElevenLabs東京工業大学HeyGenLudo博報堂After EffectsラップPFN 4D Scan絵本SIGGRAPH 2019ArtEmisZ世代DreamUp出版AIラッパーシステムDeviantArtAmmaar ReshiWaifu DiffusionStoriesGROVERプラスリンクス ~キミと繋がる想い~元素法典StoryBirdFAIRSTCNovel AIVersedチート検出Style Transfer ConversationOpen AIProlificDreamerオンラインカジノRCPUnity SentisアップルRealFlowRinna Character PlatformUnity MuseiPhoneCALACaleb WardDeep Fluids宮田龍MeInGameAmelia清河幸子AIGraph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西中美和BCIGateboxアフォーダンス安野貴博Learning from VideoANIMAKPaLM-SayCan斧田小夜予期知能逢妻ヒカリ宮本道人セコムGitHub CopilotLLaMA 2ユクスキュルバーチャル警備システムCode as PoliciesLLaMAカント損保ジャパンCaPHugging FaceCM3leon上原利之Stable Doodle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-AdapterPAIROCTOPATH TRAVELERxAI西木康智OCTOPATH TRAVELER 大陸の覇者山口情報芸術センター[YCAM]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StyleRigAutodeskアンラーニング・ランゲージVoyager逆転オセロニアBentley Systemsカイル・マクドナルドLily Hughes-Robinson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 Adventure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=ロビンソン高橋智隆DGX H100VToonifyBabyAGI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ロボコレ2019Instant NeRFフォトグラメトリウィンブルドンartonomous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意思決定モデル脱出ゲームDeepLIoTHybrid Reward Architectureコミュニティ管理DeepL WriteProFitXウロチョロスSuper PhoenixWatsonxProject MalmoオンラインゲームAthletica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Project 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Watch Forビョルン・スティーブンスヴァーナー・ヴィンジ画像解析気象モデルRunway ResearchじりつくんLEFT ALIVE気象シミュレーションMake-A-VideoNTT Sportict長谷川誠ジミ・ヘンドリックス環境問題PhenakiAIカメラBaby Xカート・コバーンエコロジーDreamixSTADIUM TUBE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 S3ソフトバンクYouTubeダフト・パンクメモリスタAIスマートコーチGlenn MarshallThe Age of A.I.Story2Hallucination音声変換LatitudeレコメンデーションJukeboxDreamboothVeap Japanヤン・ルカンEAPneoAIPerfusionSIFT福井千春DreamIconニューラル物理学DCGAN医療mign毛髪MOBADANNCEメンタルケアstudiffuse荒牧英治人事ハーバード大学Edgar HandyAndreessen Horowitz中ザワヒデキ研修デューク大学大屋雄裕QA Tech Night中川裕志mynet.aiローグライクゲーム松木晋祐Adreeseen Horowitz東京理科大学下田純也NVIDIA Avatar Cloud Engine人工音声NeurIPS 2021産業技術総合研究所桑野範久Replica StudiosリザバーコンピューティングSmart NPCsプレイ動画ヒップホップ対話型AIモデルRoblox Studio詩ソニーマーケティングPromethean AIサイレント映画もじぱnote音源分離環境音暗号通貨note AIアシスタントMusiioFUZZLEKetchupEndelAlterationAI Newsユニバーサルミュージック粒子群最適化法Art Selfie進化差分法オープンワールドArt TransferSonar群知能下川大樹AIFAPet PortraitsSonar+Dウィル・ライト高津芳希P2EBlob OperaWeb3大石真史クリムトDolby AtmosBEiTStyleGAN-NADASonar Music FestivalDETRゲームエンジンDreamerV3ライゾマティクスSporeUnreal Engineクリティックネットワーク真鍋大度デノイズ南カリフォルニア大学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 AIRed RamゼビウスSIGGRAPH 2021ペットマーダーミステリー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DynamixyzMOFLINゲーム背景Actors-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アパレル岡野原大輔AGIAI model自己教師あり学習DEATH STRANDINGAI ModelsIn-Context Learning(ICL)Eric Johnson汎用強化学習AIZMO.AILoRAデザインMOBBY’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韻律射影MILIZEZaha Hadid Architects韻律転移三菱UFJ信託銀行
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

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。
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。


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。
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。

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。

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。

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。

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。



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。
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.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
Contributor:安藤幸央