AIがテキストから写実的な画像を描く！ AI draws photorealistic images from text!

2022年7月1日

今回の記事は「AIがテキストから写実的な画像を描く！」という内容です。さていったいどのような内容なのでしょうか。

今回のポッドキャストです。お聴き下さい。

本日のSentence

Text-to-image models are all the rage these days

最近はテキストを画像にするモデルが流行っています

ボキャブラリー

parameter	noun	科学の実験なで使うパラメーター；設定値,；引数
in the spotlight	other	脚光を浴びて
reproduction	noun	複製や再現をすること
inevitably	adj	不可避的に；いや応なく
be hard to tell	other	見分けるのが難しい

日本語訳

最近はテキストを画像に変換するモデルが流行っていますが、今回の発表は突然のことでした。Googleはテキストを画像化するモデル「Imagen」を発表しましたが、同社はこの度、同じようなことをする別のモデルを披露することにしたのです。

Parti、Pathways Autoregressive Text-to-Image、これが今日注目されている新しいモデルの名前です。Partiは、ユーザーが入力したテキストをもとに、詳細な画像を作成します。

ある試みでは、次のような入力テキストを使ったそうです。「お寿司でつくったアメリカの地図。テーブルの上に置いてあり、横には赤ワインのグラスがある。」というもの。同社のホームページを見ると、350Mスケールでは何が描写されているのかイマイチ分かりづらいものの、パラメータを20Bまで上げると驚くべき結果を目にすることができます。

Partiは幅広い指示に応答して高品質な結果を出す一方で、そこにはいくつかの制約があります。Partiは、世の中にある他のテキスト画像生成ソフトと同様に、さまざまな点で障害を抱えています。実際、GoogleはPartiが生成する作品の失敗例も公表しています。例えば、Partiに次のような文章を提示したとします。「バナナが乗っていないお皿。その横にオレンジジュースの入っていないグラスがある。」残念ながら、AIは皿から溢れるバナナと、その隣にはオレンジジュースの入ったグラスを描いてしまいました。

Googleによると、AIで使われるデータセットは人間が提供したものなので、どうしてもそこにはバイアスがかかってしまうのだそうです。それらの問題が解決され、画像再現の正確性が確保されれば、GoogleはPartiをリリースすることになるでしょう。