Clipdropが「Reimagine XL」公開：画像から新たな構図のバリエーションを生成

画像生成AIで一番面倒なのはプロンプトの入力です。頭の中にあるイメージを言葉で伝えようとしても、思った通りのニュアンスが出ないことは珍しくありません。

Stability AI傘下のClipdropは「Reimagine XL」を公開しました。従来の「Stable Diffusion Reimagine」を刷新したツールで、テキスト入力を一切使わず、画像を1枚アップロードするだけで新しいバリエーションを生成してくれます。

プロンプトも元画像のピクセルも使わない

従来の画像から画像を生成する手法の多くは、元画像のピクセルをある程度引き継ぐ仕組みになっていました。しかしReimagine XLは別のアプローチを取っています。

このモデルは高度な画像エンコーダーを採用しており、最初から最後まで元画像全体を読み取って解釈します。元のピクセルを直接流用するのではなく、構図や色彩、世界観を理解したうえで、全く新しいディテールを持つ類似構図の絵を描き直します。

今回のXL版では高解像度の画像でトレーニングが行われました。特にさまざまなアスペクト比への対応力が強化されており、パノラマの風景写真から被写体の質感が問われるクローズアップまで、破綻なく仕上がります。

手書きのファッションスケッチや模様替えしたい部屋の写真、パブリックドメインの絵画などを放り込むだけで、デザインのアイデアを次々と生み出せます。

ただし課題もあります。Stability AIは、画像によって目を見張る結果が出る一方で、あまり冴えない出力になるケースや、不自然な描写、偏った結果が生じる可能性があると認めています。不適切な出力を防ぐフィルターも備えていますが、誤検知や見逃しが起きるリスクもあるとしています。

なぜ重要か

デザイナーやイラストレーター、インテリアのアイデアを探している人にとって、言葉で説明しづらいニュアンスを一瞬で別の形に展開できる手軽さは大きな魅力です。プロンプトのノウハウが全く不要なため、誰でも今日からアイデア出しに活用できます。

業界全体から見ても、テキストを介さずにビジュアルから直接ビジュアルを生成する流れは重要です。視覚的な直感をそのままAIに渡せるインターフェースは、クリエイターの思考を邪魔しません。

元画像のピクセルをそのまま切り貼りしない設計は、画像の使い回し感をなくし、オリジナリティを保つという意味で非常に賢いアプローチだと私たちは考えます。一方で、テキスト指示を一切受け付けない仕様は、特定の部分だけを細かく修正したいプロの現場では融通が利かず、欲しい絵が出るまで生成を繰り返す「ガチャ」になりやすいという弱点も抱えています。