「カラフルな黒をください」というたった1行のコマンドでAIが描ける

この記事はAI新メディアQuantum Bit（公開アカウントID：QbitAI）より許可を得て転載しています。転載の際は出典元にご連絡ください。

今年1月にOpenAIが発表したDall-Eは驚くべきものでした。1段落のテキストを入力するだけで、その内容に基づいた画像を出力することができました。アンドリュー・ン氏も思わず親指を立てました。

たとえば、「アボカドのような座席」を設計するように依頼します。

しかし、OpenAIは公式サイトにいくつかの固定テンプレートのみを設置しており、コードはオープンソースではないため、ユーザーはAIを使用してさらに多くの画像をデザインすることはできません。

しかし、今は良いニュースがあります。中国人のPhilip Wang氏が、 Deep Dazeと呼ばれる Dall-E の PyTorch バージョンを再現しました。

彼は、パソコンで実行できるOpenAIのCLIPとスタンフォード大学のSirenを使用しました。

コマンドラインに説明を入力するだけで、この AI はさまざまな絵を描くことができます。

たとえば、緑の丘にかかる霧:

あるいは「草の上の粉々になった皿」

実際の効果についてはどう思いますか？

このプロジェクトを開発したフィリップ・ワン氏は、今年初めにDall-Eを再生産すると発表した人物と同一人物です。予想外に、3か月も経たないうちに、このプロジェクトは非常に強力になり、GitHubで1.1kのスターを獲得しました。

インストールと使用方法

Deep Daze は pip 経由で直接インストールできます:

 pip インストール deep-daze

インストールが完了したら、次のコマンドを入力して実行します。

テキストを想像する <フラグ>

ここで、imagine はコマンド、TEXT は 77 文字以内の英語の説明、<flags> はオプションのパラメーターです。

記事の冒頭にある霧のかかった山の写真を生成する場合は、次のコマンドを入力します。

緑の丘にかかる霧を想像してください

<flags> に追加できるパラメータは、--deeper (高画質を得る)、--num-layers (ネットワーク層の数を指定する) などです。詳しい使用方法については、GitHub プロジェクトのホームページでお問い合わせください。

AIの想像があまりにも大胆すぎると心配な場合は、画像を指定して、その画像をもとにAIに想像させることもできます。これにより、画像があまり過激にならないことが保証されます。

具体的なコマンドは以下のとおりです。

 '説明' を想像してください —start-image-path /path/to/picture.jpg

AIにピザの写真を見せて、「上にピーマンが乗っていたらどんな感じになるか」を想像するように頼んだとします。

次に、上記のコマンドの説明を「ピーマンのピザ」に変更します。

これはすべて Deep Daze に関することだと思われますか?実は、より強力な完成形であるストーリー モードがあります。

--create_story=True を設定するだけでモードのロックが解除され、77 文字の制限が解除されます。プロジェクトの作者は、アメリカの詩人ロバート・フロストの詩「Snowy Night Woods Resting Horse」を入力し、mp4 ビデオを取得しました。

[[390274]]

この時点で、AI に「カラフルな黒」を描かせたいところでしたが、貧弱さが私の操作を制限しました。

Deep Daze を使用するには CUDA をインストールする必要があり、良好な結果を得るには 8GB 以上のビデオ メモリを搭載した GPU を使用するのが最適です。そして今のところ、Nvidia グラフィック カードを購入する余裕はまったくありません。

プロジェクトアドレス:

https://github.com/lucidrains/deep-daze