Stable Diffusion｜AIの似顔絵アルゴリズム調査→欠点と賢い使い方を探る

使ってみたAIモジュールがこちら。

フィールドにキーワードとなる英単語を入れて、「Generate Image」ボタンを押すと処理開始。2分～ほどで生成結果の画像を表示してくれます。

結果表示枠の下に「Advanced Option」があり、出力枚数やAI処理のパラメータが調整できるようになっています。

ここでは、試しに本ブログの投稿ネタをキーワードに入れAI画像を出力させてみました。

ブラン、成長、劣化

ブランドン・スターク、成長、劣化

キーワード：「Brandon Stark Growth Deterioration」

参考URL→成長後の劣化版ブランスタークにかこつけて、さだまさしと比較投票

劣化という言葉を良く学習しているようです。

ただ、どちらかと言えば“アリアの劣化版”と勘違いしてるような。とはいえ間違いなく“劣化”は理解しております。

ダーリオ・ナハーリス、俳優変更、不親切

ダーリオ・ナハーリス、俳優変更、不親切

キーワード：「Daario Naharis Actor change unfriendly」

参考URL→ダーリオナハーリス俳優変更を手始めにドラマの不親切度合論じる

明らかに俳優エド・スクラインと俳優マイケル・ユイスマンを足して2で割りました。

やはりマイケル・ユイスマンの髭が印象的だったようですね。

エダード、義務責任、苦悩

エダード、義務責任、苦悩

キーワード：「Eddard duty responsibility anguish」

参考URL→義務責任の人エダードスターク人物分析｜ネッドの苦悩と矛盾を再度考える

エダード俳優ショーン・ビーンの特徴はまっすぐのまぶた。そこはAIも注目。

注目は鎧部分。クロスさせる革ヒモは北部の特徴です。ナイツウォッチも同じようにクロス。なんかの画像そのまま持ってきてるんでしょうか。

エドミュア・タリー、意味、登場

エドミュア・タリー、意味、登場

キーワード：「Edmure Tully means appear」

参考URL→何が目的でエドミュアを登場させたのか｜名俳優トビアス・メンジーズ

エドミュアセカンドバージョン。俳優トビアス・メンジーズを下膨れにして新キャラ作成です。

サーセイ、みんな、嫌い

サーセイ、みんな、嫌い

キーワード：「everyone hate Cersei」

参考URL→サーセイ嫌いへ贈る『好きになるための自爆リスト』

サーセイなる名前は唯一無二なので、やはり女優レナ・ヘディを引きずっております。

太く吊り上がった眉、黒目が大きいのに鋭い眼光、四角いお顔。この辺りを特徴と捉えたようです。

サーセイ、自爆、理由

サーセイ、自爆、理由

キーワード：「Self-destruct Reason Cersei」

参考URL→サーセイの自爆癖分析～見落としポイント詳細まとめ

上項と被りますが、不思議なのはAIが捉える“サーセイ”が安定してこの顔であること。それだけ上の特徴を強く意識してるってことなんでしょうか。

ちゃんと中年オバサンと認識してる点も注目ポイント。

ハウンド、不幸、いいやつ

ハウンド、不幸、いいやつ

キーワード：「Hound Clegane Unlucky The Good」

参考URL→ハウンドレビュー｜実は道理知るいいやつ？｜サンダークレゲイン一人だけ分析

“サンダー”をキーワードにしなかったせいかハウンドの丸い目が打ち消されてしまいました。マウンテンが混ざってしまったのかな。

何だか貧相なハウンド。左手に持ってるのは何でしょう？

ジェイミー・ラニスター、無能でない

ジェイミー・ラニスター、無能でない

キーワード：「Jaime Lannister not incompetence」

参考URL→ジェイミー・ラニスター｜無能とかって感想よくあるが

そのまんまジェイミー。黄金の鎧まで。顔面ホームベースはAIも認めるジェイミーの特徴。

右の鎧は何でしょう。ジャクェン・フ＝ガーでも混ざり込んだのかな。

ティリオン・ラニスター、無能

ティリオン・ラニスター、無能

キーワード：「Tyrion Lannister incompetence」

参考URL→最後まで失策の半人前は本当に優秀？｜小鬼インプ

こちらもそのまんまティリオン。AIが認めた特徴は、凹んだ鼻頭と膨らんだ眉間、垂れ下がった頬とブルドッグのように飛び出た口でしょうか。

結構しっかり認識してるなぁ。

カール・ドロゴ、複雑、陰謀

カール・ドロゴ、複雑、陰謀

キーワード：「Khal Drogo Complicated intrigue」

参考URL→カール・ドロゴ｜複雑な陰謀ネタにされるドスラク人脇役

貧相なカール・ドロゴ。野蛮人バーバリアンと繋がったのかな。ヘラクレス的イケメン俳優ジェイソン・モモアの影も形も無くなってしまいました。

右側はアニメ仕立て。ちんこいカール・ドロゴです。

リトルフィンガー、全ての嘘、野望

リトルフィンガー、全ての嘘、野望

キーワード：「Littlefinger all lie ambition」

参考URL→リトルフィンガー全嘘とその目的～野望のすべて｜ピーターベイリッシュ人物分析

これまた貧相なリトルフィンガー。何でこうなるかな。ただ格闘家や騎士を描かずに黒コートにネクタイとそれなりにリトルフィンガーキャラ。

キーワードに『ゲーム・オブ・スローンズ』関連ワードが入ってないにもかかわらず、明らかに俳優エイダン・ギレンを持ってきております。

“嘘”ってワードがリトルフィンガーの代名詞なんでしょうか。

マージェリー・タイレル、不幸な王后

マージェリー・タイレル、不幸な王后

キーワード：「Margaery Tyrell Unhappy Queen」

参考URL→マージェリー、念願叶えた不幸な王后

マージェリー役ナタリー・ドーマーと言えば細っいアゴとアヒル口、コメカミを引っ張ったようなウルトラマン。それをこう捉えてしまいました。

マージェリーは常に口両脇に力→だからアヒル口、そのまま笑うと頬が膨れ上がってニッ。この辺りは顔面の筋力を想像できないAIが理解できないとこなんでしょうな。

メリサンドル、正体不明、ババア

メリサンドル、正体不明、ババア

キーワード：「Melisandre Unidentified Aunt」

参考URL→メリサンドル｜正体不明で消えた自分勝手なBBAを語るスレ

メリサンドルをこう捉えてしまいました。そんなに色白だったかね。

女優カリス・ファン・ハウテンもマージェリーと同じく特徴は口の力の入れ方。アゴが小さいため両脇下に力が入り、下唇を上唇の下へ入れる癖があります。

アゴの小ささを捉えられても“口をとんがらす”動作が理解できないんでしょうなぁ。

“赤の女”の赤部分を認識してしまったのか髪の毛とスカーフが同化してしまってます。

ラムジー、拷問、優秀

ラムジー、拷問、優秀

キーワード：「Ramsay Torture Competent」

参考URL→不快、胸糞悪いに慣れ大嫌いなラムジーに笑わされるゲーム・オブ・スローンズ

特筆すべきことが無いのにチョイスした理由は右の得体のしれない物体。

何を描いたのかは分からないのにそれなりに漫画の構図に納まっています。これぞAIの想像力。

ボロをまとった幽霊か何か？

タイウィン、玉座に就かない

タイウィン、玉座に就かない

キーワード：「Tywin never take throne」

参考URL→タイウィンが玉座に就く訳ない理由

タイウィンをこう捉えました。教祖？執事？宣教者？的な。

タイウィンは禿げ上がったイメージないですが、それでもAIの計測は誤魔化せませんでした。年齢という要素はキッチリ捉えるようです。

ハレンの巨城、ドラゴンストーン城、赤の王城

ハレンの巨城、ドラゴンストーン城、赤の王城

キーワード：「Harrenhal DragonStone RedKeep」

参考URL→ハレンの巨城とドラゴンストーン城｜ウェスタロスの最重要拠点

人物ばっかりに偏ってしまったので城を一つだけ。ハレンの巨城はツクツクでない四角い城なのでそちらに引っ張られ、ドラゴンストーン城から崖・海近辺に移動されました。

入力した英語ワードには“城”や“人物”などの指定が無いのに、建物であるか人物であるかは間違いなく認識できています。

Stable Diffusionがどうやって学習してんだろう…と学習原理が気になったのでここからエゴサーチ。これで学習させてみました→ポク太郎 似顔絵。結果が以下。

ポク太郎、似顔絵

キーワード：「pokutaro nigaoe」

思いっきりポケモンとドラゴンボール。画像内に書かれる文字列は常に無茶苦茶。でも一応“人物イラスト”であることは認識してるようです。

どーもドンピシャ情報からは概念的特徴だけを学習し、カテゴリ的に近い画像にその特徴を入れ込む形で生成してるように見えます。

その判断の根拠は生成された画像の手足が無茶苦茶だから。ポク太郎の描く手はこうなので。

つまり、

これは名誉棄損案件。

結局、AIてのは現在あるものを真似してるだけ。人間も同じく真似から始めるが、ちょっと違うのは創造物の元になる世界の大きさ。

画像生成でなく自動翻訳で例えますが、“王様と庶民の会話”をAIに翻訳させる場合、以下の概念まで学習しないと不可能→つまり、翻訳作業すらママならず。

• どちらが王様でどちらが庶民か。
• 言葉使いにより身の危険が発生する程の身分の違いが存在すること。
• いつの時代の会話でそこの法律がどうなのか。
• 王に話しかける庶民は無鉄砲な人物か、そうでないか。

上記は映画見てるだけの人間でも確実に意識してることで、話しっぷりでおおよその見当がつきます。でも現実に現段階のAIは正確な翻訳できておらず。

人間かて同じで、とある高校で流行った“造語”はその環境に入り込まないと理解不能。

若者とは生きる世界も価値観も生物学上の分類まで異なる爺の場合、入り込んでも無理な可能性も→つまり、判断のための条件が絶対的に足りないってこと。

翻訳一つとってもこれ。

似顔絵の描き方で口の力の入れ方を持ち出しましたが、“筋肉の構成”“力入れる際の感覚と心理的効果”含む人間の全知識学習後でないと創造は不可で、いいとこどりの猿真似が精一杯。

人間自身が解明できてない・言い表せてない“感覚”“感情”からも影響を受けるのが“創造”なので。たかがインターネット上の微小な情報で人間を理解できる筈もありません。

現段階は信じていい情報かそうでないかを必死で分別してるだけ。Stable Diffusionの場合は、上述のように恐らくカテゴリ近隣に概念的特徴埋め込んで“創造”ぽく見せてるだけ。

いずれは出来るでしょうが、想定する未来よりまだまだ先と思います。

つまり、

自動翻訳の結果を映画の字幕マスターに転用するバカは居ませんので。安モンクサイ量産画像を商品に転用するなら単なるコピー業者だし。

とはいえ、AIの威力はその圧倒的なスピード。

タタキ台を乱造させるには非常に有効な手段だし、ここでやったようにAIに特定の人物を描かせ2分で特徴を洗い出させられるなら似顔絵作画もスピードアップ。

そこを間違えず上手く使っていければなと思います。