英サリー大、家庭向けGPUで即時生成できる「NitroFusion」を公開

NitroFusionは、一般的なコンシューマー向けグラフィックボード1枚で、文字入力とほぼ同時に画像を生成できるオープンソースのAIモデルです。英サリー大学の人間中心AI研究所（PAI）傘下のSketchXラボが開発しました。

何ができるのか

クラウドサービスの順番待ちや月額課金を気にすることなく、ローカル環境でテキストを入力したそばから画像が即座に生成されます。

これまでリアルタイムに近い画像生成には巨大な計算クラスタが必要とされ、大企業以外には導入が困難でした。NitroFusionはその敷居を下げ、個人クリエイターや小規模スタジオが手元のPCで高速に試作を繰り返せる環境を提供します。

速度と品質のバランスも手動で選べます。精製ステップ数を1から4の間で指定できるため、タイピングに合わせた最速レスポンスを優先するか、数ステップ費やして描き込みを増やすかを柔軟に切り替えられます。

仕組みと動作環境

極めて少ないステップで描画できる理由は、新開発の動的敵対的フレームワークにあります。

研究チームはこの仕組みを専門的な「批評家パネル」に例えています。複数の評価役が画像の異なる要素を同時にチェックすることで、わずか1ステップでも破綻の少ない画像を成立させています。

動作に必要なハードウェアは高性能なコンシューマー向けGPUが1枚のみで、外部のクラウドインフラに依存しません。

研究チームは前年に高解像度化技術「DemoFusion」を発表しており、今回の成果はその発展形にあたります。論文はarXivで確認でき、コードやドキュメントもGitHubで完全に公開されています。

なぜ重要か

コンセプトアートの構想を素早く練りたいデザイナーや、ローカルで動く対話型ツールを作りたい開発者なら、すぐに試す価値があります。通信遅延や従量課金のストレスなく、タイピング感覚で発想を視覚化できる快適さは大きな魅力です。

一方で、1〜4ステップでの描画に特化している分、複雑な質感表現や細部の整合性では重厚な多段階モデルに一歩譲る面もあります。最初から完成原稿を狙うというよりは、アイデア出しのスケッチツールとして割り切って使うのが現実的です。