画像生成AIってどこまで進化し続けるのかな

LoRA作成のためのデータ数が激減するとかはありそう

学習に使うデータもAIで作れば無限じゃないの？

どこまで進化しても画像は画像媒体のままだし、あまりスケールの大きい話にはならなさそう
でも他の媒体と連携が取れる段階になればかなり強くなるかも

面倒なプロンプトをカチャカチャしなくとももっと直感的に生成できるようになったら良いと思う

>>2

それだけは残念ながらできないんや

モデル崩壊問題は誇張だって主張をあにまんで見かけたけど、実際のところどうなんだろうね

最近の新しいモデルは左右は間違えないような
そもそも指示を無視することがある問題は画像生成固有でもない

普通の立ち絵じゃ間違えないが腕を交差させたりすると時々間違えてることがある
まあ人間でもやるミスではあるが

左右の概念ってややこしいんだよな
例えば人間の右腕とか、機械にはどう理解させるのか

絵じゃなくて3Dの人体モデル入れてこれが人の構造ですって教育してやればいいんじゃね
できるか知らんけど

リアル系の最高到達点は判別不能、画角度自由、モチーフ自由だろうけど２次元系は正解がない分発展の方向性が不明だな

>>12

計算式を直して、効率化して、更に計算式を見直して、効率化して…を繰り返す事はある程度できるだろうが限界があるだろう

1をより美しい1にしてるだけで2以降は永遠に生まれない

結局外部供給は必要だ

画像生成単体で進化する事はあまり意味がないと思う
AI全体が進化しないと

>>16

実際このスレで出てる改善してほしい点とかも画像生成AIというよりテキストエンコーダ側やLLM側の改善点だろうしな

>>4

それはAI自体というよりサービス側のUIの問題な気がする　「爽やか」とか「夏」みたいなボタンポチポチしたら裏でプロンプト化してAIに渡してくれる的な

あるいは自然言語にもっと対応して欲しい的な話？

>>15

2を何と定義するかによるけど

何か斬新なものや新規的なものがほしいという意味ならそれは画像生成AIでは無く人間が画像生成AIをどう使うかになるのでは？

画像生成AIはあくまで要求された通りに（プロンプトに入力された通りに）画像を作る機械に過ぎない訳だし

絵柄とかだって複数の絵柄タグの組み合わせや重みの調整で新しい絵柄を模索するとかも可能ではある訳だし

そこら辺もAIに自動的にやって欲しいと言うならそれは画像生成AIでは無くまた何か別のAIやBCIデバイスとかの領分な気はする

こういう話になるといつもAIは人間の考えを読み取って代わりに考えてくれる魔法の道具って考えてそうなのが出てくるが、100年後はわからんが今のところそういうものではない
何かを出すにも使用者がいいと思ったものを調整し続けないといけない
それを1を綺麗な1にしているというのならまあそうですかとしか言えないが

>>19

なんというか…「自己学習で無限に学習」にそこまでこだわる意義を感じない

人の手で描かれた絵の時点で世の中に取り込み切れないほど沢山ある

そしてまだ取り込んでない絵にはどんなに微量であれ「まだ学習してない要素」がある筈

それが微々たるものだったとして自己学習じゃそれが0だ

かかる手間はあんまり変わらないんだから0よりは0.000...1の方がいい

>>20

1を綺麗な1に～は>>15からの引用だろうが15は「AIを作る時の話」でお前がしてるのは「AIを使う時の話」だよな？

違う話なのになぜ引用を

今の画像生成にユーザーが満足したら、今以上に進化する事はないと思う
形にできさえすれば、絵が描けない人達はたぶん満足しちゃうと思うし

>>23

それがいつになるかだね

1枚絵なら今でもまあいいかってレベルだけど同じキャラクターの別構図ってなるとかなり調整頑張らんと変わるから

>>20

それが出来たらもうASI達成だよね

正解があるもの以外の自己学習は基本的に不可能みたいななところある
与えられた画像を完全コピーとかなら自己学習できるけどできたから何？って感じだし

細かい調整がしたいならt2iよりもi2iの方がよっぽど使いやすそうな気がする
AI以前に人間の言語自体に限界があるよ

破綻を減らすって意味では3Dモデル生成AIの発展が進めば内部的に3Dモデルを作る形で実現するんじゃないかなと思ってる
勿論2Dイラスト表現の「嘘」も重要なのでどうやっていいとこ取りをするかは難しいところだけど

>>21

なんか学習について勘違いしてそうだけど

画像生成AIの学習って別に取り込むってわけじゃなくて画像とそれに紐付けられたタグというか言葉の傾向からその特徴のベクトル傾向を分析するってものだから

どんな要素であれそれを言語化して紐付けられなきゃ把握でき無いし特徴を把握できるだけの枚数が無きゃベクトル傾向も分析できないんだよね

だから希少な要素のある1枚の画像みたいなものってぶっちゃけ画像生成AIの学習にはほぼほぼ価値が無かったりするんだ

>>30

どちらかと言うと作るよりも画像を解析する方が重要だな

ただ画像出すだけのAIは今の上澄みくらいのクオリティでもハードウェアの進歩でスマホでも速度が爆速とかになったら２次元系はもう需要が深堀できないんじゃない？
そっから先はアニメーションとかLIVE2Dや3Dモデルに移り変わると思う

>>32

結局のところ自己生成無限学習にこだわる意味は見いだせないな

どういう形式であれ学習に使いきれない手描き画像が世に溢れてるのは確かだし

今のChatGPTはかなり色々作れるからこれ以上は画像生成というより人が欲しいものをどう正確に認識するかってフェーズだと思う

たぶんなんだけど
逆に一般人にはまともに使いこなせないツールになっていく部分は生まれると思う
いくら発達したところで「正確な指示」が出せない奴は「求めてる絵」が出せない

滅茶苦茶有能な部下がいたとして正確な指示が出せない上司がいたら仕事できないだろそいつ

>>33

そう思う

映っているものを仔細に解析する機能はフィジカルAIを汎用で使うなら絶対必要だろうしね

>>38

最近Geminiで画像作ろうとしてさ　不慣れだから[画像を作成する]のボタンをまず押したのね　画像生成特化モードとかになるのかなと思って

そしたらモード切替とかじゃなくて「画像を作成したいです。どんな画像を求めてるのか私に訊いてください。」みたいな文を勝手に送信されたの

もちろんGeminiは丁寧に「こんな感じで教えて下さいね～」ってツラツラ案内してくれた

こんな感じで「AI側から指示を引き出して動く」って方向になっていくんじゃないかな？　仕事で言う要件定義というかヒアリングみたいな

この形式なら無能寄りの人でも扱える

AIを使う人間の方がどこをどうアップデートするべきか見つける方が先じゃないか？
上手く使いこなせてない人の大半が「言語化が上手くできていない」ケースが多いように感じる
チャット型のAIなら言語化の補助としては役立つけども、たぶんそれすらも使いこなせてなさそうだし

プロンプトで云々のフェーズは、ミッドジャーニーとかSDみたいに画像生成を第一にするものなら今のところまだ有効ではあるんだけど
LLMとセットでついてくる画像生成AIってLLM側が人間の話を聞いて考えて出してくるから
「こことかもっと弄れるけど、やる？」みたいな事聞いてくるのがデフォになりそうだよね
3日間だけしか使えなかったFableだが、あれは画像生成こそなかったものの特にそういう方面の能力が高くて
人間の大雑把な注文のニュアンスを「こういうのか？」と推測し、その為に必要なものを用意するスキルがめちゃくちゃ高かった

これから使用者は何がほしいか何が見たいかを多少乱文でも言語化文章化するのを望まれるだろうね

それか脳波を読み取って考えてることを出力できるようになるのが先か

個人的には早く漫画を生成できるようになってくれと思っている

>>44

高い完成度の話？　すでに生成できると思うが

>>40

思考と作業手順すらAI頼りなのディストピアドラマ感あって逆にワクワクするな

>>46

少し前のAIはふわふわしたゴールだけでは上手く動けず手順を明確に示されればそれに従って働いたけど

今はふわふわしたゴールを示されれば自分でゴールまでの筋道を立てて動き出す状況まで来てるね