AI画像生成で古いコンピューターグラフィックスを再構築

AI画像生成で古いコンピュータグラフィックスを再制作する AI画像生成ツールは、古いビデオゲームのグラフィックスを再構想し、高解像度版として作り直すことができるだろうか？ ここ数日間、私はAI画像生成を使って子供時代の悪夢の一つを再現してみた。Stable Diffusion、Dall-E、Midjourneyと格闘し、これらの商用AI生成ツールが古いビジュアルストーリー――古いビデオゲーム（MSX用『ネメシス2』）のイントロ映像――を再表現するのにどのように役立つかを確かめた。この記事では、より高精細なグラフィックスでストーリーを再表現するためにこれらのモデル／サービスを使用した過程と私の経験を記述する。 この端正な紳士は、ビデオゲームの悪役である。ドクター・ベノムは、1987年のビデオゲーム『ネメシス2』のイントロ映像に登場する。この画像は特に、映像の中で劇的な登場場面で現れる。 これらのグラフィックスをビジュアル生成AIツールで更新し、それぞれを比較してどこが成功しどこが失敗するか見てみよう。 AI画像生成で古いコンピュータグラフィックスを再制作する 以下は、オリジナル映像のパネル（左列）とAIツールによって生成された最終的なパネル（右列）を並べて比較したものである： この図には最終的なドクター・ベノムのグラフィックは示していない。なぜなら、適切な文脈と適切な音楽と共に、私が体験したようにあなたにも目撃してほしいからだ。それはこちらで視聴できる： 最終的な画像は、Dream Studioを使用したStable Diffusionによって生成された。 しかし、この画像に至る道のりでは、30枚以上の画像を生成しプロンプトを調整する必要があった。私が最初に使用した種類のプロンプトは次のようなものだ： 黒い空に星々が輝く宇宙で、赤い惑星の上を飛ぶ戦闘機 これはDall-Eに以下の候補を生成させる。 同様のプロンプトをDream Studioに貼り付けると、これらの候補が生成される： これは現在の画像生成モデルの現実を示している。画像の主題を記述するだけではプロンプトとして不十分なのだ。画像生成のプロンプト／呪文には、モデルを特定のスタイルへと導く正確な難解なキーワードを記載する必要がある。 Lexicaでプロンプトを検索する 現在の解決策は、プロンプトガイドを読み過去に人々が成功したスタイルを学ぶか、Lexicaのような数百万の例とそれぞれのプロンプトを含むギャラリーを検索することだ。私は後者を選ぶ。特定のモデルの特定のバージョンで機能する難解なキーワードを学ぶことは、長期的には勝利の戦略ではないからだ。 ここから、気に入った画像を見つけ、プロンプトのスタイル部分を保持したまま主題を編集する。最終的には次のようになる： 赤い惑星の上を飛ぶ戦闘機、宇宙、後方に炎を噴くジェット、黒い空の星々、溶岩、USSR、ソビエト、リアルなSF宇宙船として!!!、宇宙に浮かぶ、広角ショットのアート、ヴィンテージレトロSF、リアルな宇宙、デジタルアート、Artstationでトレンド、シンメトリー!!! ドラマチックなライティング。 Midjourneyの結果は常に特に美しいことで際立っている。主題のみを含むオリジナルのプロンプトで試してみた。結果は驚くべきものだった。 これらは信じられないほどに見えるが、オリジナル画像の本質をStable Diffusionのものほどには捉えていない。しかし、これによりストーリーの残りの部分ではまずMidjourneyを試してみようと確信した。生成すべき画像は約8枚あり、それぞれについてまずまずの結果を得るための時間は限られていた。 オリジナル画像： 失敗した試み Midjourneyはドクター・ベノムの外見をおおよそ再現できたが、ポーズと抑制された感じを得るのは難しかった。その試みは次のような見た目だった： そのため、代わりに彼が鉄格子の向こうにいるように画像を調整した。 オリジナル画像： モデルに横長の画像を生成するよう指示するには、–ar 3:2コマンドで希望のアスペクト比を指定する。 オリジナル画像： Midjourneyは多くの戦闘機の図面における「かっこよさ」の要素を本当に捉えている。テキストは意味をなさないが、エイリアンのようなものを目指しているならそれは有利に働くかもしれない。 このワークフローでは、後のパネルで同じ飛行機を再現するのは難しいだろう。最近の、より高度な手法（テキストualインバージョンやPhotoboothなど）がこれを助ける可能性はあるが、現時点ではテキストから画像へのサービスよりも使用が難しい。 オリジナル画像： この画像は、現在のAI画像ツール群で可能なことの限界を示している： 1- 画像内のテキストを正確に再現することは、まだ広く利用可能ではない（GoogleのImagenで実証されたように技術的には可能だが） 2- 要素の特定の配置や操作が必要な場合、テキストから画像への生成は最適なパラダイムではない そのため、この最終画像を得るには、星の画像をPhotoshopにインポートし、そこでテキストと線を追加する必要があった。 オリジナル画像： この画像の最も象徴的な部分である三つの目を再現することに失敗した。私が試したどのプロンプトを使っても、モデルはその見た目を生成しなかった。 そこで、Dream Studioでインペインティングを試みた。 インペインティングは、モデルに画像の一部のみを生成するよう指示する。この場合、それは上記のDream Studio内でブラシで削除した部分だ。 時間内に良い結果を得ることはできなかった。ただし、ギャラリーを見ると、モデルは目に関わる恐ろしい画像を生成する能力がかなりあるようだ。 オリジナル画像： 候補生成： オリジナル画像： 候補生成： この画像は、DALL-Eのアウトペインティングツールを試し、キャンバスを拡張して周囲の空間をコンテンツで埋める良い機会を提供した。 DALL-Eアウトペインティングでキャンバスを拡張する 船長としてこの画像を選ぶことにしたとしよう。 これをDALL-Eのアウトペインティングエディターにアップロードし、何世代にもわたって画像の周囲のイメージを拡張し続けることができる（連続性を保つために画像の一部を考慮に入れながら）。 アウトペインティングのワークフローはテキスト2画像とは異なり、プロンプトを変更して画像の各部分ごとに制作している部分を記述する必要がある。 商用AI画像生成ツールに関する現在の印象 大多数の人々がAI画像生成ツールに広くアクセスできるようになってから数ヶ月が経った。ここでの主要なマイルストーンはStable Diffusionのオープンソースリリースだ（ただし、以前からDALL-Eにアクセスできた人もおり、OpenAI GLIDEのようなモデルは公開されていたが速度が遅く能力も低かった）。この間、私はこれらの画像生成サービスのうち三つを使用する機会を得た。 Stability AIによるDream Studio これは過去数ヶ月間、私が最も使用してきたものだ。 彼らはStable Diffusionを作り、その管理バージョンを提供している――ワークフローの大きな利便性と改善だ。 APIを持っているため、モデルにプログラムでアクセスできる。機能を拡張し、画像生成コンポーネントを使用するより高度なシステムを構築するための重要なポイントである。 Stable Diffusionの製作者であることから、彼らが今後もより良くなると期待される将来バージョンの管理バージョンを最初に提供し続けることが期待される。 Stable Diffusionがオープンソースであるという事実も、彼らに有利なもう一つの大きなポイントだ。管理モデルはプロトタイピングの場（または特定のユースケースにおける本番ツール）として使用できるが、ユースケースが独自モデルのファインチューニングを必要とする場合にはオープンソース版に戻れるという知識がある。 現在、最も多くのオプションを持つ最高のユーザーインターフェース（いくつかのオープンソースUIのように圧倒的ではない）。調整に必要な主要なスライダーがあり、生成する候補の数を選択できる。彼らはインペインティングのような高度な機能のためのユーザーインターフェースコンポーネントを素早く追加した。 Dream Studioはまだ、ユーザーが生成したすべての画像の履歴を堅牢に保持していない。 古いバージョンのStable Diffusion（例：1.4および1.5）の方が、良い結果を得やすいままである（Lexicaのようなギャラリーに助けられて）。新しいモデルは、コミュニティによってまだ理解されつつあるようだ。 これまでで最高の生成品質で、プロンプト調整が最も少ない。 UIは生成のアーカイブを保存する。 ウェブサイトのコミュニティタブフィードは、コミュニティが生み出しているアートワークの素晴らしい展示場だ。ある意味、それは

AI画像生成で古いコンピューターグラフィックスを再構築

背景や根拠まで確認しますか？

関連記事

調べる

選ぶ

サイト