Tsubaki.3の構図を確認

はじめに

Tsubaki.2で生成出来なかった構図が、Tsubaki.3で生成が出来るようになったかを確認しました。
今回はある特定の構図のみの確認となりますので、細かい部分は気にしていません。

橋の上から景色を眺める女の子

橋を正面から捉えて川から女の子を見上げるような視点です。
Tsubaki.2は正面からの生成でなく、斜めや橋の側面（通路）側の生成されました。

最初（左2枚）の斜めに生成されたものに関しては、女の子の手前には欄干はあるが奥側の欄干が生成されませんでした。
奥の欄干の表現をさせるためプロンプトにその記述を行うと、今度は橋の側面（通路）側の生成（右２枚）がされました。

Tsubaki.3で同じプロンプトを記述してみたところ、しっかりと橋の正面を捉えた画像が生成され、女の子の奥側の欄干もプロンプトに記述をしなくても生成されることが確認できました。（４枚連続生成）
Tsubaki.3は反復構造・並行構造の補完能力が高い モデルになったのかもしれません。

窓の傍に立つ女の子

雨の日に窓際から外を眺める女の子です。
Tsubaki.2になると窓枠がシンメトリデザインにならず、女の子の顔を避けるように生成します。
なんなら、顔の周りはガラスが無いみたいな感じになっているや、人物全体の部分にガラスの雨粒が点いていないことがわかります。
これは生成画像/動画AIの苦手とする、顔を手や物を隠すが顕著に出ています。

同じプロンプトでTsubaki.3の生成画像です。
窓枠に関してはシンメトリーになっており改善が見られます。いっぽうで人物の顔に関しては窓枠が薄くなったり、消えていたりと依然として問題のある生成結果となりました。
もう少し窓枠を大きくして、顔が枠を避けるようにというプロンプトにすれば表現が出来るのかもしれません。

川の向こう岸を歩く女の子

川の向こう岸というプロンプトを記述するのですが、川の側を歩く構図の画像生成となりました。

同じプロンプトでTsubaki.3では問題なく生成されることが確認できました。
これは特にコメントすることはありません。

橋の上から川を眺める女の子

最初の「橋の上から景色を眺める女の子」と同じような構図です。
Tsubaki.2は想定外の生成となり、プロンプトを変え生成をおこなったのですが結果変わらずでした。

続いてですが、Tsubaki.3は橋から眺める女の子が生成され意図する構図となりました。
ですが人物のスケール感がズレているのと川に入水している画像もあり、こちらに関してはプロンプト自体が問題あるのかと考えています。

まとめ

Tsubaki.3の構図確認を通して、生成AIの課題である部分以外は生成されることを確認でき、Tsubaki.2に比べて反復構造・並行構造の補完能力が高い モデルになったのかもしれません。

ただPixAIを利用している人は人物中心の画像生成をしている方が多いので、今回に限った構図に関しては関係ないことかもしれません。

今回確認した４つの構図に関しては、他の生成AIでも出来たり出来なかったりと差があり、学習方法やモデルの方向性などに影響があるのかと考えます。