画像生成AI

画像生成AIとは

画像生成AIは、テキストの指示(プロンプト)から画像を作り出すAIです。「夕焼けの海辺を歩く猫、水彩画風」のような文章を入力すると、それに沿った画像を数秒〜数十秒で生成します。Stable Diffusion、Midjourney、DALL·E などが代表的なサービス・モデルです。

文章を扱う [[生成AI・LLM]] と並ぶ生成AIの柱であり、[[マルチモーダルAI]] の「テキスト → 画像」方向の代表例です。

仕組み:拡散モデル

現在の主流は拡散モデル(Diffusion Model)と呼ばれる [[ディープラーニング]] の手法です。

学習時:きれいな画像に少しずつノイズを加えていき、「ノイズを取り除く方法」を学習する
生成時:完全なノイズ(砂嵐のような画像)から出発し、プロンプトを手がかりにノイズを少しずつ取り除いていく
数十ステップの除去を経て、指示に沿った画像が現れる

彫刻家が石の塊から像を彫り出すように、ノイズの塊から画像を「彫り出す」イメージです。

プロンプトの工夫

思いどおりの画像を得るには指示の書き方が重要で、[[プロンプトエンジニアリング]] と同じ発想が使えます。

被写体・構図・画風・色調などの要素を具体的に指定する
描いてほしくない要素をネガティブプロンプトとして指定できるツールもある
一度で完璧を狙わず、生成 → 調整 → 再生成を繰り返す

利用時の注意点

著作権 — 学習データや生成物と既存作品の関係は議論が続いています。商用利用はサービスの規約と最新の法制度を確認しましょう
ディープフェイク — 実在の人物の偽画像生成は重大な権利侵害・犯罪になり得ます
細部の破綻 — 手の指や文字などが不自然になることがあり、成果物として使う前の確認が必要です

関連技術とのつながり

[[マルチモーダルAI]] — テキストから画像への変換はマルチモーダルの代表例
[[生成AI・LLM]] — 同じ生成AIの仲間。プロンプトで制御する点も共通
[[ディープラーニング]] — 拡散モデルは深層学習の応用
[[プロンプトエンジニアリング]] — 画像生成でも指示の書き方が品質を左右する
[[AI倫理と責任あるAI]] — 著作権やディープフェイクなど、利用時の注意点の背景にある論点

Q: 現在の画像生成AIの主流となっている手法はどれ?
- [x] 拡散モデル(Diffusion Model)
- [ ] リレーショナルデータベース
- [ ] ルールベースの画像合成
解説: ノイズから少しずつノイズを取り除いて画像を生成する拡散モデルが現在の主流です。

Q: 拡散モデルが画像を生成するときの出発点はどれ?
- [ ] 真っ白なキャンバス
- [x] 完全なノイズ(砂嵐のような画像)
- [ ] 既存の写真のコピー
解説: 完全なノイズから出発し、プロンプトを手がかりにノイズを段階的に除去して画像を作ります。

Q: 画像生成AIの利用で注意すべき点として正しいものはどれ?
- [ ] 生成画像はすべて完全に権利フリーで扱える
- [x] 商用利用の規約確認や、実在人物の偽画像を作らないことが重要
- [ ] 生成された画像に破綻は起こらないので確認は不要
解説: 著作権やディープフェイクのリスクがあり、規約と法制度の確認、細部の破綻チェックが必要です。