ChatGPT Plusで和文からの画像生成を楽しむ

　前報では、ChatGPT Plus（有料版）にNASAの公開画像を検索できるプラグインSpace Photo Explorerを組み込んで試行した。今回は、日本語文から画像を生成する（ためのプロンプトを生成する）プラグインPhotorealisticを試した。もっと手軽に使えるMicrosoft BingのImage Creattorに比べて、生成されたプロンプトを確認したり、修正したりできる柔軟性が好まれるのかもしれない。

●日本語文から画像を生成する例

　一つの例を示す。日本語で次のように要求した：

"量子もつれに基づく量子テレポーテーションのイメージを描いて"

これだけで、Fig.1に示すような画像を生成できた。

　画像は無数に生成することができるが、このうち、(a)の画像は「量子もつれ」を強調したものになっているようだ。一方、(b)の画像は、別々の研究室にいる二人の間で、「量子テレポーテーション」が起こっていることを想起させる。両画像とも、与えた日本語の意図をよく汲み取っているように思われる。驚くべき結果ではなかろうか！

●日本語文から画像を生成するフロー

　以下のようなフローで画像が生成される。

▼山本の要求：量子もつれに基づく量子テレポーテーションのイメージを描いて

▲ChatGPT(GPT-4 + Photorealistic)の応答(画像生成用プロンプト)：

　Quantum entanglement visualized as two intertwined particles glowing in a deep space setting, medium: hyper-realistic photography, style: reminiscent of the visuals from the movie "Interstellar", lighting: soft ambient glow highlighting the particles with a backdrop of distant stars, colors: deep blues, purples, and shimmering whites, composition: shot with a Canon EOS 5D Mark IV DSLR camera, EF 85mm f/1.8 lens, Resolution 30.4 megapixels, ISO sensitivity: 100, Shutter speed 1/125 second, with a focus on the entangled particles in the center of the frame --ar 16:9 --v 5.1 --style raw --q 2 --s 750

▲Stable Diffusionによる画像生成：

　上記で生成されたプロンプトを、画像生成ソフトStable Diffusionなどへ入力する。その際、（多数公開されている）学習済みモデルから、適当な物を選択する。この選択次第で、画像の質や傾向がかなり変わる。generateボタンを押すと、暫くすると画像が生成される。Fig.2はその一例である。

　Stable Diffusionの実行は、web上でもできるようだが、私の場合は、ローカルマシン（M1 Mac mini）にその実行環境を構築して使った。その際、M1独自のGPUの性能が遺憾無く発揮され、思っていたよりもかなり高速に画像が生成できた。

●日常生活の画像も

　さて、「量子もつれ」みたいな専門的話題ではなく、もっと日常生活でのシーンも画像にしてみよう。こんな感じになった。

▼山本の要求：夏休みの宿題に励む小学生の姿

▲ChatGPT(GPT-4 + Photorealistic) & Stable Diffusion：Fig.3の図を生成した。

▼山本の要求：避難訓練で大きなビルから逃げる人々の様子

▲ChatGPT(GPT-4 + Photorealistic) & Stable Diffusion：Fig.4の図を生成した。

●感 想

　自然言語（英語など）でプロンプトを作成し、画像を生成させるソフトはいくつかあるのだが、上記のStable Diffusionはフリーソフトであり、原則として、生成された画像に対する著作権の問題も発生しないようである。

　問題は、そのプロンプト（仕様記述＋画像生成制御パラメータ設定）の作成がとても面倒なことであった。それを、ChatGPTのプラグインPhotorealisticが見事に解決した！上記のように、日本語で要求与えるだけでよくなったのだから。

　だが、日本語の要求文次第で、いくらでも生成される画像の構成や質が変わる。経験を積んで適切に利用していくことが求められるだろう。あまりのめり込んで、時間と電力の浪費とならぬように。