画像をクリック＆ドラッグで自在に変形・再生成する新AI技術「DragGAN」が登場

画像生成AIの進化は続いていますが、細かい位置やポーズの調整はいまだに難題です。そんな中、画像を直接クリック＆ドラッグして数秒で自由に変形できる新研究「DragGAN」が公開され、大きな注目を集めています。

既存のピクセルを引き伸ばす従来の画像変形とは異なり、AIが被写体を裏側から新しく再生成する仕組みです。

まるで3Dモデルのように画像を操作

公開されたデモでは、画面上のポイントを指定してドラッグするだけで、被写体の形状や向きを直感的に変化させています。

例えば、車のサイズを変更したり、口元をドラッグして笑顔をしかめ面に変えたりできます。さらに、人物や動物の顔の向きをまるで3Dモデルを回転させるかのように変更可能です。

風景のデモでは、山並みの高さをマウスで引っ張り上げると、それに合わせて湖面に映る反射光まで自動で再計算されて変化しました。

研究チームによると、この手法は馬の脚の関節のような物体の硬さや曲がり方を理解しており、ライオンの口を開かせた際には、元画像には写っていなかった口内の歯まで自然に生成補完できるといいます。

研究論文がarXivに公開されると、SNS上で瞬く間に拡散し、アクセス集中で研究チームのウェブサイトが一時ダウンするほどの反響を呼びました。

プロンプトからUIの時代へ

これまでもリアルな画像を生成することは可能でしたが、狙い通りのポーズや微調整をテキストプロンプトだけで指示するのは困難でした。

DragGANの真の新しさは、画像生成そのものよりも、誰もが直感的に使えるユーザーインターフェースにあります。画像処理ソフトの既存ツールと同じ手触りで、高度な生成モデルを操作できます。

ただし、現時点では公開された研究論文と低解像度のデモ動画の段階であり、実用的な高解像度での仕上がりや破綻の少なさについては今後の検証が必要です。

なぜ重要か

私たちは、この研究が「プロンプト入力によるガチャ」に頼りきりだった生成AIの操作体系に一石を投じるものだと考えています。

クリエイターにとって、少しだけポーズを変えたい、表情を微調整したいというニーズは日常茶飯事です。テキストで指示を書き直すよりも、手動でドラッグして直感的に指示できるほうが圧倒的に作業時間を短縮できます。

業界全体にとっても、Adobeなどの既存ツール開発元に対して、より直感的なAI編集UIの実装を急がせる強い契機になるはずです。

従来の使い慣れたツール感覚を活かした設計は非常にスマートですが、GANベースの手法がどこまで多様な画像や高解像度に対応できるかという課題は残されています。