メインコンテンツへスキップ

SuperGrok ImagineのSpeed対Quality

    4月3日にSuperGrokの画像・動画生成エンジンがAurora-2へとアップデートされ、SpeedモードとQualityモードが用意された。日本時間ではおそらく4月5日11時より後に実装されたのではないかと思われる(ブラウザ版)。4月7日現在に体験している出来事をここではまとめておきたい。

    まずは、エンジン変更によって改悪と呼べるような状況が発生している。アップデート直前の画像編集機能(以降I2Iと呼ぶ)では忠実性の再現度が素晴らしいものだった。例えば、被写体人物の顔を置き換えるよう指示する(※)と、顔以外はほぼそのままにできた。「そのままにできた」という意味はコピー機で複写したみたいに(編集箇所以外を)ほぼ同一に見える生成結果にできたということだ。これは何気に凄いことで、それ以前はI2Iを行うと編集箇所以外も再生成され、「オリジナルと同一」と呼べるような生成結果ではなく「似た雰囲気を保っているが厳密には同一ではない」とでも呼ぶべきものだった。
     ※SuperGrok Imagineによって画像生成させた静止画を編集している。ユーザーがアップロードした画像の編集では無いことに注意。

    さらに、静止画からの動画生成(以降I2Vと呼ぶ)もまたアップデートによって改悪されてしまう。直前ではほぼ完璧にできていた毎フレームの同一性維持ができなくなってしまったのである――I2Iを行って仕上げた静止画に顕著だ。I2Vを行うと、被写体人物に前髪が生えたりして、開始フレームの静止画そのままではない変化が生じてしまうのだった。

    一方、SpeedとQualityの機能的な意義を比較すると、従来のテキストからの画像生成(以降T2Iと呼ぶ)はSpeedに相当する。短いプロンプトで良好な生成結果となるようにプロンプトがAIによって自動的に補完された上で生成が行われる――これがAurora-2でのSpeedモードである。そしてQualityは、より精細な描写が欲しいときに選択すべきモードという位置づけで説明されている。Speedで量やバリエーションのアイデアを得て、Qualityで質を追求する、といった使い道だという。速度を犠牲にする代わりに質を追求させたものがQualityということで、一度に4枚ずつしか生成されない。なお、ここで言う「質」とは画像解像度のことではなく、描画のディテールやシャープさのことを指す。したがって、Qualityモードにすれば大きいサイズの画像が出力できるわけではない(余談ながら、それは今後発表予定のProモードが担うそうだ)。話題を戻すと、SpeedとQualityの切り替えは、T2Iの前にどちらかのボタンを押すことでモードを切り替えておくだけである。I2IとI2Vにはモード切替はない(今のところ)。ところが、この2つのモード、実際に試すと相当な違和感を覚えることになる。

    まず、SpeedモードでのプロンプトをQualityモードで使っても、Tokenの意味解釈に大きな隔たりが見られる。したがって、同一のプロンプトによってSpeedの生成結果と似た雰囲気を持つ生成結果を、Qualityモードで出力させることは概ね無理である(と言っていいと思う)。Speedの生成結果の表示を見た後に「Think Harder」というボタンが表示され、これを押すとQualityモード相当の画像4枚が生成される。導線としてはまさしく共有プロンプトでさらに高品位な4枚を出力しましょう!と言っているに等しいのだが、現状はそうならない。

    Qualityモードは長いプロンプト(たくさんのToken)を解釈させることでユーザーの意図した明確な主題や場面を描かせるのが目的のようだ。つまり、生成済みのSpeedモードと似た雰囲気を持つ生成結果を期待するなら、一旦生成済み画像を言語的な内容に変換してからQualityモードにプロンプト入力することになるだろう。というわけで、SuperGrok(Imagineではない方)に生成済み画像を読ませてプロンプト(英語のToken)を提案させ、それをT2I Qualityモードに入力して試した。結果は微妙だ。Speedモードでの生成済み画像と似た雰囲気――例えば被写体女性の若々しいあどけなさ――をQualityモードで再現することは難しかった。女性被写体で年齢を指定することになるため、NSFWフィルタによる検閲か否かをSuperGrokに問いただしながら提案させたり、あるいは、年齢指定を16、18歳のティーンエイジャー相当にしてみたりしたが、大きく変化しなかった。最終的に、直接的な年齢指定とは関係のないTokenが(被写体女性の)若さの印象を定めているという判断になった。


     
     
    「仮面ライダーになりたい」と言えた東島丹三郎が、ちょっとうらやましい。キャラクターモデラー志望。PVCフィギュアに造形の芯を探している。ファーストガンダム世代。構造と制度と物語の“継ぎ目”が気になる年頃。

    あなたへのおすすめ