Midjourney】AI画像生成技術交換3【StableDiffusion YouTube動画>5本 ->画像>79枚

英語の文章が画像に！
背景に使うか？イラストのアイデア出しはもちろん、
与える英文を捏ね捏ねして思いがけず生成される秀逸画像ガチャで遊ぶのも楽しい
有料サブスクで商用利用まで可能なAI画像生成サービス

★★★ 注意 ★★★
ここは既存のAI画像生成サービスの”””具体的な”””技術や動向について語り合うスレです
漠然としたAI画像生成の未来や、イラストレーターの職権侵害等の一般的な話題は明確に【禁止】します
（以下のスレッドへ移動してください）
AIイラスト　愚痴、アンチ、賛美スレ
http://2chb.net/r/illustrator/1661305344/

前スレ
Midjourney】AI画像生成技術交換2【StableDiffusion
http://2chb.net/r/cg/1661146705/

■関連リンク
【Midjourney】 https://www.midjourney.com/
【StableDiffusion】https://stability.ai/
【DALL・E2】 https://openai.com/dall-e-2/
【craiyon】（旧DALL・E・mini） https://www.craiyon.com/

英語スキルはあるといいですが、別に今時なくても何とかなります
【Google翻訳】 https://translate.google.co.jp/
【DeepL翻訳】 https://www.deepl.com/translator

【ツイッター】
https://twitter.com/hashtag/midjourney
https://twitter.com/hashtag/dalle2
https://twitter.com/hashtag/stablediffusion
こんなのができます

【Midjourneyお役立ち情報】
https://github.com/willwulfken/MidJourney-Styles-and-Keywords-Reference
調べてみたら使いやすいPrompt wordはここに全部まとまってたわ
https://docs.google.com/spreadsheets/d/10i9Ip8tVSERAuMWbc6-H6BUFCoUGOQ91YzDvX--c4bk/edit#gid=0
各アーティストのまとめ
https://twitter.com/5chan_nel (5ch newer account)

テンプレはとりあえずそのままにしました
「これ入れて」がいろいろあると思うので>1へ提案しておいてください

StableDiffusion各種

●ローカル環境用
公式 https://github.com/CompVis/stable-diffusion
basujindal版 https://github.com/basujindal/stable-diffusion （省メモリ・WebUI有・フィルタ解除済み）
hlky版 https://github.com/hlky/stable-diffusion （一番人気・WebUI有・フィルタ解除済み）
GRisk版 https://grisk.itch.io/stable-diffusion-gui （GUI・DL→解凍→実行だけ）

●Google Colab用
公式 https://colab.research.google.com/github/huggingface/notebooks/blob/main/diffusers/stable_diffusion.ipynb
https://colab.research.google.com/drive/1AfAmwLMd_Vx33O9IwY2TmO9wKZ8ABRRa
フィルタ解除版 https://colab.research.google.com/drive/1jUwJ0owjigpG-9m6AI_wEStwimisUE17

●ウェブサービス
Demo https://huggingface.co/spaces/stabilityai/stable-diffusion
Demo https://huggingface.co/spaces/huggingface/diffuse-the-rest
DreamStudio http://beta.dreamstudio.ai/

ついにイラストレーターの絵を学習させて似たようなイラストを作るAIが現る　
http://2chb.net/r/poverty/1661760616/

>>1
乙！

hlky＆980ti（6GB）で念願の512x512いけたー！
webui.py他更新してるの気付いてなかった、頻度が凄すぎる、教えてくれた人ありがとう
--optimized-turboで速度3割増し、面積で8割増し、えらいこっちゃ！
--optimizedだけならなんと640x640までOKだったよ、速度めっちゃ落ちるけど
これ上位GPU持ってる人はかなり解像度上げられるんじゃ・・

たて乙

現時点で、最もよい導入方法（ローカル）やcolabとかもまとめてあったら便利だろうけど、
最適な方法が流動的すぎて無理だよなぁ

誰か燃えてるミミックの画像つくってｗAIでｗ

まとめ情報書き込みたいけどNGワードで書き込めない。なにが引っかかってるんだろう？

とりあえずファインチューニング(textual inversion)メモ

追加で自分のペット画像などを学習させて登場させることができる
・流れとしては画像を学習させembedding.ptを作る　→　それを--embedding_pathで指定する　→　プロンプトで指定する

・利用時はptファイルを --embedding_pathを指定すればOK。
(ldm) ~/stable-diffusion$ python3 ./scripts/dream.py --embedding_path /path/to/embedding.pt --full_precision

・追加学習させたものはそれぞれ、トークンプレースホルダーを割り当てる必要がある（*、@、・・・など）
　利用時は例えば"In the style of * , <other text>"となる。
　これは使い勝手が悪いので hlkyは、分かりやすい単語とプレースホルダーのマッピング設定を検討中
　https://github.com/hlky/sd-embeddings　ここにはアーニャ、tomokoの学習データがある。

・他にも既に学習データをテスト公開している人がいる。 Usada Pekora 5枚の学習に3090で１時間
　https://sd-textual-inversion-models.tumblr.com/

・学習方法
　https://github.com/hlky/sd-enable-textual-inversion
　Stable Diffusionをいらすとやでファインチューニングする

まだ情報がまとまっていないのでハードル高そう。full_precisionじゃないとダメなのかな？

>>9
書きたいけどNGワード連発されすぎて心が折れたｗ

ぶっちゃけ飽きてこないか？

とりあえずcolabで動かしたい人はここがおすすめかも
コマンドは公式のリンクと同じ。hugging face とかの部分が最初わかりにくいかも
https://zenn.dev/k41531/articles/2459bbbe8e5cf3

>>13
最初だけだよな楽しいの

NGワードはすぐわかっちゃうと荒らしが対応するから秘密らしく、条件はよくわからない
「5ch ngワード サンプル集」で検索してみて、日本語アドレス酷いから貼らないけど
微妙に変えたり、2レスに分割するしかない

MANGO板で絞り込め

Stable Diffusionの人、Crypto界隈をめっちゃ煽っててワロタ。
・SDのように分配強化されたインテリジェントなインターネットが真のWeb3/メタバースと言える
・最初から価値があれば(トークンのような)経済的インセンティブは不要
・ETHマージ後は不要になった全てのGPUで美しい画像や音を作るだろう
https://twitter.com/blog_uki/status/1564122819151032320?s=21&t=4aFlC0UNkMiRV64jPxMGjw
https://twitter.com/5chan_nel (5ch newer account)

NGワードは単純にリンクURLが引っかかってたりとかではなく？

●StableDiffusionの情報ソース等
・Discord https://discord.gg/stablediffusion
・中の人のtwitter https://twitter.com/EMostaque
・海外情報reddit https://www.reddit.com/r/StableDiffusion/
・https://rentry.org/GUItard　環境構築情報は hlkyの方が早すぎて追いついてないので>>18を見たほうが良いが、その他TIPSは有用情報あり

・今後
　・モデル v1.5の公式ツイートあり。８月２９日時点で６日後（＝9月4日予定）。100MBになる！？
　・アニメ用モデルの公式ツイートあり（8/24のツイート　”すぐ"）
　・来月(=９月）は”audio"モデル、その後3D、ビデオ予定（時期不明）
https://twitter.com/5chan_nel (5ch newer account)

StableDiffusion TIPS
●性能など
・画像生成時間は、解像度、step数、サンプラで違う。他のパラメータは多分あまり影響はない
　サンプラの差は大きい。k_euler_aとk_heunでは２倍差
　k_euler_a 、k_euler、DDIM、PLMS　＞　l_lms ＞ k_dpm_2_a、k_dpm2、k_heun

●ハード
・ローカル動作性能　 出典：https://rentry.org/GUItard
・K80(24GB)めっちゃ安いんだけどあり？　→　古いからStableDiffusionが使ってるPytorch動かない
・複数GPUにすれば高解像度にできる？　→　多分無理。複数GPU並行実行すればその分高速にはできる
・高解像度にしたい　→　3090(24GB)でも1024x1024無理。RealESRGANで高解像度化したほうがよさそう

MJはもう別スレがいい？ここじゃあまり語られないし

>>22
> 　サンプラの差は大きい。k_euler_aとk_heunでは２倍差
> 　k_euler_a 、k_euler、DDIM、PLMS　＞　l_lms ＞ k_dpm_2_a、k_dpm2、k_heun

し、知らなかった・・
「生成時間は」で不等号だから、当然k_euler_aが長くて、k_heunが短いんだろうけど
一応（遅）←・・・・→（早）みたいなのあったほうがわかりやすいかと

>>23
一緒でよくね
スレの流れが早いわけでもないから下手に分散させたら過疎るだけかと

>>24
「時間」じゃなくて、速度でした・・・
hlkyで、it/s = コンソールでのit/s表示. sec per image = ブラウザ上での生成時間情報。2080Ti

k_euler_a 7.76 it/s 6.84s per image
k_euler 7.68 it/s 6.87s per image
DDIM 7.59 it/s 6.9s per image
PLMS 7.50 it/s 6.95s per image

l_lms 5.89 it/s 10.08s per image

k_dpm_2_a 3.95 it/s 13.0s per image
k_dpm_2 3.91 it/s 13.16s per image
k_heun 3.91 it/s 13.12s per image

進歩が速いのであくまで現時点。ただ結構違う可能性がありますよ、ぐらいですね

k_euler_aはSampling Step 20くらいでいい感じになるのでなお早くできる

--turboの効果凄いな、ちゃんとメモリ節約出来てるのにオリジナル版並の速度が出る

img2img、バリエーション起こすのにいいわこれ
この用途だとscaleとstrength中間でスタートで様子見して、下手に大量にワード入れるより数ワードに絞った方が暴走せずいい感じになる

>>27
18で大丈夫

>>26
めっちゃ参考になる、ありがとう

>>27
これだね
https://twitter.com/Ethan_smith_20/status/1562644246150418432

redditだけど直画像貼れないので小さめのこっちでいいや
https://twitter.com/5chan_nel (5ch newer account)

法律、権利関係の議論は熱くなりそうで別でやって欲しいんだけど、このサービス、技術的にどのぐらいのレベルなのか気になる

https://illustmimic.com/en/
本日、イラストレーターさんの絵の特徴を学んでイラストを生成するAI サービス mimic（ミミック）をリリースいたしました！
２回までイラストメーカー（イラスト生成AI）を無料で作成できますので、ご自分のイラストを学習させたい方は是非ご利用ください！

mimic（ミミック）では15枚?30枚程度のキャラクターイラストをアップロードすると、自動で顔部分を切り取り、
AIが特徴を学んでイラストを生成します。規約によりご自身が描いた画像のみアップロード可能ですのでご注意ください。

https://gigazine.net/news/20220829-diffuse-the-rest/

img2imgは構図維持するよりstrengthを大きくして
元画像は言葉で表現できない細かな情報伝えるのに使ったほうが面白いな
例えば手前のオブジェクトはくっきりで遠景だけぼかすみたいな指示も簡単にできる

>>34
Loopbackはやってる？
Strengthを0.2～0.3ぐらいにしてLoopback Batchを5回とか10回かけると構図維持したまま細部だけ変形していくよ

>>26
ちな980tiの「a dog 512x512 cfg 7.5 step50 k_euler」で
hlkyの--optimized-turboで1枚＝1分32秒（0.54it/s＝1.84s/it）だったよ・・14倍差て、2080tiってそんな早いのか
AI画像は結構数撃ちゃ勝負みたいなところあるので、やっぱ高性能GPUは強いなぁ

日本昔ばなしの絵を画像生成AI「Stable Diffusion」に描いてもらいました。

「桃太郎」



「かぐや姫」

>>32
今挑戦しようとしたら(もちろん自分が描いたやつね)処理に9000人待ちで生成どころじゃないのでなんとも言えない

>>32
waifulabsとかThis Anime Does Not ExistとかCreative AIとか
あの辺と同じ技術なんじゃね？
こいつらは雑多に食わせたモデル使ってるが学習データを特化すればできそう

はつねみくできたかわいい

>>40
絵心あるように思えてしまうのが凄い

>>26 >>26
RTX2080でoptimized版に--turboでddim 50step 512×512 1枚あたり7.5秒だな
2080Tiと殆ど変わらないとは思えないんだが --turboで何か処理を間引いてるのか？

>>38
9000人はすごｗ
mimicの運営の会社、前からAI画像生成サービス色々やってる会社みたいだけど、
Midjourney、SDブームで注目度が高いところに発表したからプチブレイク（ちょい炎上気味）してる感じ

学習めっちゃ時間かかるのにオンラインサービスでやって採算大丈夫なのかな？
と思ったらまだ有料版の料金は書いてなかった


>>42
1割差ならそんなもんかも？
ディープラーニング性能どれがどのぐらい差があるのかよく分からないので、
ちゃんとしたベンチマークが欲しい

2080Ti　→　3090Ti　で性能2倍、今後出る4090は、更に2倍（予想）。速いGPU欲しくなる

StableDiffusionもバージョンアップで性能上がっていきそうですが

SDは既存アニメキャラは意図的に出ないようにしてるみたいでそういう用途ならdalle miniのほうがええね

前スレの
> でも3090TI(24GB)でも960x640、もしくは896x896が限界、らしい
これ--optimizedだったら1024x1024行けるかな？

Craiyonのanimeエンハンスモデルが3090のシングルで数時間学習しただけで
あの性能なの見るとSD公式のアニメモデルが来ると凄いことになるのかもな

>>45
そこだけ妙に節操があるのはなんでなんだろうな
著作権なんて便所の糞と一緒に流しちまえとしか思ってない連中なのに

まだデータ集まってないけどベンチマーク
https://github.com/hlky/stable-diffusion/wiki/Benchmarking

どのみちSDでは縦横両方が512を超えると途端に破綻しやすくなるから後から超解像度したほうがマシ
MJの高解像度出力ってどういう仕組みでやってるんだろう？
あれがSDに降りてくれば凄いんだが

512x512で作ってから
同じプロンプトでimg2imgの1024x1024低Strengthかけるなんていうやり方もあるらしい

逆に絵から「このテキストで作る絵に近いですー」って出してくれれば
好みの絵つっこみまくったら共通ワード出せるのか

>>46
3090持ってないけど、11GB VRAMで --optimized-turbo　1024x640がいける。この時VRAM 10570 MB(95%)でほぼ限界。
オプションなしだとクラッシュする。
turboなしの--optimizedだと、VRAM 10774MBで変わらない（何故か若干多い）→ 遅いし現時点turboなしは意味がなさそう。

VRAM消費量が解像度比例なら、24GBあれば1024x1280いけそうな気がする

>>36勘違い、実験中で-turbo入れ忘れ
0.78it/s＝1.27it/s、約10倍差だった
（どうでもいい情報ごめん）

>>51
今それ試してるんだけど、ボケちゃって詳細が生成されるわけでもなくいまいち
ESRGanと変わらないというか・・strを0とか0.01、0.05、0.1とかいろいろやってみたけど
MDでいうlightでないupscaleみたいなのが欲しかったんだけど
大元の生成時の画像とseedと呪文等全部ちゃんと記録しといて、-turbo外して大きいのを作り直しとかがいいんじゃないだろうか

>>48
むしろ逆だよ
「なんかカッコいいアニメのポスター」で既存のアニメの絵が出てきたら使いにくいじゃん
フォトストックみたいに気軽に使えるものが欲しいんだろう

>>52
自分は試してないけど、画像から認識されたテキストを出してくれる CLIP Interrogator というものはあるよ
https://zenn.dev/knok/articles/cef8ee0697a040
https://colab.research.google.com/github/pharmapsychotic/clip-interrogator/blob/main/clip_interrogator.ipynb

>>53
最初から12GBとか大きいのには効果低いってことなんだろうか
あくまで小メモリ雑魚GPUへの救済

> VRAM消費量が解像度比例なら、24GBあれば1024x1280いけそうな気がする
ぐへへへ・・3090tiいっちゃうか？BTOで60万とかするけどｗ
解像度比例と思って面積範囲内で1:2くらいの縦長にしたらOut of memoryだったりしたのでよくわからない
まぁあんま正方形から外しちゃうとAI的に意味ないのでアレだけど

やっとGoogle ColabでGPUつかめた。

Google Colabで hlky同等。つまりNotebookで使うのではなくGradIO WebUIが起動するノート
https://colab.research.google.com/drive/1cd35l21ewU0fwWEnPjY_th5YORmMfZCd
事前に自分のGooglde Driveにmodel.ckptを配置しておく前提だけど、それ以外は上から順番に実行するだけでOK

起動がかなり遅いのがデメリットだけどWeb UIはやはり便利

こちらも同じくhlkyのGoogle Colab版。試してないので違いは分からない（動くかも未確認）
https://github.com/altryne/sd-webui-colab

例の炎上サイト、Tesla P100×1台分程度のリソースしか用意してないな
逆に言うと殆ど個人の趣味レベルの会社でもあんなサービス作れる時代なのか

貧弱なローカルPCでやってたらMJって凄いことしてるよなぁってヒシヒシと・・

①呪文を受けて512x512を4枚作って、半分のサムネにしてgrid表示
②upscale依頼を受けて1枚を1024x1024に同seedで「作り直し」で情報増加
③さらにupscaleで2048x2048化、これも作り直しで情報増加

②や③を同じ画像に対して繰り返すと内容が微妙に変わってたのが何なのかよくわからないけど

>>56
凡人の考えなんて３周遅れなんやね……、情報サンクス

AI勉強するか、と思ってサイト検索して、Python基礎、微分、線形代数、この辺まではまあ高校数学だから、そういうのあったなーでいいけど
行列偏微分のあたりでんんん？？？となって確率統計で時間かかってる。道は遠い

俺どうやって大学卒業したんだろう・・・。やっぱ勉強大事

>>59
画像ちっちゃいし顔だけだからじゃね

>>58
ちらっと中身見ただけだけど2個目の方はアクセスするためのパスワードかけられるっぽいね
別にアクセスされたからってそんなに困ることもないだろうけど気になる人はそっち使うといいかもしれない

>>60
かなり運用コスト高そうよな
微妙に変化するのはSDで言うところのi2iしてCFGを弄るイメージ

anatomical chart(人体解剖図)という
入れると人体が正確になる代わりにやけに生々しくなる劇薬みたいなワードを発見した
あと真正面向く

>>60
MJは従業員10人の零細企業だけど有料プランの料金体系はawsオンデマンドの料金を超えないように設定されてて
既に利益は出ていると、そして常時エクサスケールのリソースが消費されている
地球シミュレータの数十倍となる計算量だけどawsなら金さえ払えばいくらでもリソース使えるから零細企業が
いきなりこんなマシンパワ―使えてしまうという凄い時代

>>62
AIの何やってるか知らんけど深層学習の原理は普遍近似定理
フーリエ解析や関数解析を勉強してないと定理の証明は理解できんぞ

流速すげーなこのスレ

AI、最初はおもろかったけどミミックだっけか、あそこまで露骨なの出てくると完全に無法地帯と化してきて引くわ
イラストレーターは今後自分の絵に転載禁止の他にAIへの出力及び学習禁止みたいな項目も書く必要が出てくるねぇ

>>66
ヴィンチ村のレオナルドさんですか？

>>70
ここは技術交換スレだからそういうのはこっちでね
http://2chb.net/r/illustrator/1661305344/

ミミックの話題はこっちでよくね？スゲー盛り上がってて笑う

AIイラスト　愚痴、アンチ、賛美スレ
http://2chb.net/r/illustrator/1661305344/

あんなありがちな顔だけ生成マシンがここまで荒れるとは

hlkyにDokcerファイル、docker-compose.yml他が追加されて、Windowsでもdocker compose updだけで使えるぽい
https://github.com/hlky/stable-diffusion/discussions/93

WindowsのDocker Desktop って NVIDIA GPUの準仮想化に対応してんのね。知らなかった。
便利そうではあるけど、なんかトラブりそうで誰か人柱が欲しいｗ

>>74
規約だと生成マシンのために用意する画像は自筆のものだけってことになってるけど
絶対他人の書いた画像をぶちこむ奴らが湧くから絵描きは普通に警戒すると思う

どのみちファインチューニングしたファイルがどんどん配られるようになるから反対しても無意味だよな
配布されてたぺこらの奴はまだまだ…って感じだけど品質の向上はどんどん進むだろうしな

>>64
って書いたけど実際動かしてみたらなぜかパスワード機能しなかった
webui.py書き換えて直接パスワード指定したらできたから結局どっちでもいいかも

この板にもAI愚痴スレ立てた方がいいの？
物申したいだけなら余所でやってほしいんだけど

賛美を抜いた愚痴アンチだけのスレが欲しい
または賛美スレもこの板に立てるとか

>>50
> どのみちSDでは縦横両方が512を超えると途端に破綻しやすくなるから後から超解像度したほうがマシ
> MJの高解像度出力ってどういう仕組みでやってるんだろう？
あの1024化は謎すぎる
前に縦長1:2で全身出そうとしたら最初の4枚の時点で破綻してたから、そんな凄いことはやってないとは思うけど

賛美がCG板で
愚痴アンチが向こう完走次第イラストレーター板
でいいんじゃないかな
板の特性的にその方が住み分けできる気がする

midjourneyが期間限定で--test,--testp,--creativeオプションを実装してるね

ID:l6B+4duJ

>>1
★★★ 注意 ★★★
ここは既存のAI画像生成サービスの”””具体的な”””技術や動向について語り合うスレです
漠然としたAI画像生成の未来や、イラストレーターの職権侵害等の一般的な話題は明確に【禁止】します
（以下のスレッドへ移動してください）
AIイラスト　愚痴、アンチ、賛美スレ
http://2chb.net/r/illustrator/1661305344/

>>83
また定期的に期間限定やりやがってくやしい・・でも

> 1) A general purpose artistic mode you can use by typing --test
> 2) A photo-realism mode you can use by typing --testp
> If you want it to be more creative type --creative after your prompt

https://twitter.com/ro1was/status/1564256480701730816
マジかって感じ
https://twitter.com/5chan_nel (5ch newer account)

いいんじゃなかろうか

>>86
ほくろ
鎖骨にも見える服のシワ？
えっち！

https://twitter.com/kohya_ss/status/1564253194644992000
ねんどろまで・・
https://twitter.com/5chan_nel (5ch newer account)

midjournyはこの先きのこれるのか？

手軽なAIで生き残れるでしょ
スマホでも出力できるし

Google Colabで現在のサンプラーを確認したりサンプラーを指定したりするのはどうやればいいのかしら

MDのtest、girlって入ってても結構な確率でオッサンとか出るな

midjourneyて適当に単語入れてもなんかいい感じ（雑！）になるけどあれってどの段階でどんな感じに調整してんだろ（あやふや！）

MJの勝手にいい感じになるのが面白いし、本来の創作からはかけ離れてるなとも思う
たまたまこんなの出たぞ！って自慢する遊びって感じ
「俺が考えて台を選んだからパチンコで勝ったぞ」みたいなレベルの

作成した画像だけで指定したプロンプトってわかったりする？

人間には無理だと思います

>>95
>>56みたいな？

--testで久々に入ってみたけどMJのrelaxモード遅っせぇ！
つか動きだしたらまぁ早いんだけど、(Waiting to start...)で数分、下手したら10分くらい止まる
ある時間内に受け付けられるfastモードの上限数があって、それ以下の場合に初めて受け付けてもらってるとかじゃないかな
ようはすべての有料キューの後回しにされてる

デコーダーもあるから一見出来そうに思えてやっぱり出力→入力への逆変換は不可能なんだよな
逆にそれが出来たら既存画像から髪の長さだけ変更とか構図だけちょっと変更とか服だけ脱がすとか自由自在に改変できてやばい
まあそれ用のAI学習すれば出来てしまうんだろうけど

ちなソースの中身見ると最初から各自で自由に改変・拡張できるように
滅茶苦茶親切に色んな機能があらかじめ用意されてるのな
短期間に機能追加が進むわけだ

>>99
seedが違うんで完璧に逆は無理だね
なおSDでseedまでわかる検索サイト
https://lexica.art/
日付が8月上旬に集中してるので、その頃のDiscordのβ情報だと思われる

ローカルだと、エログロやロリも出力出来るの？

>>98
SD取り入れたらしきtestモードはパワーが必要らしいからな
test実装で人が増えた+みんなtestモードで遊んでる＝リラックスマン死亡
だからローカルで動かせるSDが神すぎる

MJのファインスケールの技術がSDに降りてきたら凄いんだけど
MJみたいな営利企業だどそこは秘匿されて論文すら公開されないんだよな

>>102
できるよloliってやると幼女に
pregnantってやると妊婦になる

>>102
はい、一生懸命プロンプト入れたらできますよ！
え？今日からMJを始めたい？いいですよ、それじゃあDiscordに登録してください

ローカルだった、間違えた
まぁ初心者が首を突っ込むとマナブさんに殴られるみたいな酷い状況になること請け合い

MJのtestでオリジナルねんどろいど試したがクオリティ高いな
ゲースロのデナーリスだけど
Daenerys.nendoroid, --test --ar 9:16


認識出来る人物だと何回かトライしたら本物のような物出してくれる
ただtest使える期間短いからみんな試してるのかrelaxだと遅くてつらい

--testで適当にアニメキャラ出したら色使いや絵柄がパンツ先生ってのにやたら似てる気が・・
まぁアニメ絵をコピーしてるアニメーターかなんかだから当たり前なんだろうか

ちょっと間違うと？平気で事故画像になるな
赤い髪って指定で頭から流血してる感じになったり水着指定したら何故かおっぱい丸出しとか
google driveに画像保存するタイプのnote bookは危なくて使えんわ
img2imgで大人体型の元絵をyong girlで変換すると何故かロリになったりするし

分かる
メンタル弱いからSDはスレに貼られてる画像でもびっくりすることあってMidjourney使ってるなあ
実写の人間の顔が生成されるのも怖いときある

ツイッターの#midjourneyの外人を何人かミュートしたことある
どの人も上手いんだけど、肋骨に肉と内臓みたいなのが収まってるのばっかあげる人とか
数回に一回ゾンビみたいなのが歯剥き出しで絶叫してる顔のアップみたいなの入れてくる人とか

110みたいなのはあるな
気を付けてもらいたいのは、googleのGPU借りて画像を生成してたら
ロり画像になってしまって垢ごと永久BANみたいな流れ。十分気を付けてくれ

memeplex.app使っている人はいる？

>>66
plastinationおすすめ

>>75
この際WSLおよびDockerはオーバヘッドになるだけなのでおすすめできない

>>95
https://replicate.com/methexis-inc/img2prompt

ロリどころか赤ちゃんから老人まで全裸にできるし、他に倫理的な問題がある表現もワード次第で大抵出せるから、今まで一般流通のなかった特殊性癖な人にとっては供給量が砂漠から海になるくらいの地殻変動が起きてる。

下手に国内法で規制とかしたら外国AI企業が発展して日本の著作権法で検索エンジン開発できませんでしたの再来になるな
クリスタが海外製お絵描きソフトにやられて下手くそ日本語訳のソフトを外国人サポートスタッフ相手に使い方を聞くことになるぞ☺

>>116,117
その辺も重要だと思うけど、別スレで
http://2chb.net/r/illustrator/1661305344/

映像作品の倫理、権利関連は専門的な話なので専用スレがあってもいいと思うけど法律板かどこかに必要なら立ててください。

huggingfaceとかColabに面白いツール結構あるんだが、一応学術的な用途のサイトをエンタメ乞食目的で拡散していいのかめちゃくちゃ悩むな

VRAM足りないって言われる、GPUでコスパのいいのなに？

>>120
3060 12gbかな

Colab pro使ってるけど512、ステップ数50、5枚一括生成辺りからもうプレビュー読み込めなくなってしまう
やっぱり1枚ずつ生成した方がいいのかな

>>121
thx

なぁ今やっとローカルに環境構築できたんだがcmdで一行ずつコピペするの大変だからpythonで①作業ディレクトリの設定、②promptの入力、③保存して次行くかor保存して次行くか、くらいまで人がやる作業減らしたいんだが誰かヒントをくれんか。

俺の能力は8/27までパソコンをペンタブを動かすための道具としか思ってなかったくらい。

>>124

>>18を試してみては
ブラウザ操作できるのが楽。出力は画面にも出るしoutputディレクトリにも自動保存される
手順2のckptファイルダウンロードは済みで、3のminicondaもインストール済みだと思うけど

背景が得意と言ってもちょっとイラスト風に指定すると
いかにもAI君が描きましたって画風になってしまって使いにくいな
最近流行の情報量の少ないクールな背景はimg2imgで詳しく指示してやらないとプロンプトだけでは難しいわ

pythonって環境汚れるから嫌なんだよな
dockerに出来るなら移行させるか

AIはイメージボード的に考えて自分でさらに描きこめる人じゃないと活用しにくいかもね。

>>127
anaconda/minicondaでもか？

環境が汚れるというかソフトによって細かくライブラリのver調整しないといけないから
共存が難しいんだよな、あっちが動く設定ではこっちが動かないみたいになる
condaコマンドで個別環境作っても結局共通のライブラリも調整しないといけないことがよくあるから
色々並行して開発するには仮想環境作らないといけないって話になって面倒になるからな

単純に複数フォーク使う場合はDockerの方が気分的にいいね
性能が気になるけどまだ動かしてみたって報告見つからないな

#stablediffusion が使えるPhotoshopプラグイン登場

>>132
例のサイトなんかより遥かに凄いな、もう誰でも絵を作れる時代

>>127
Docker楽だよ
今はリポジトリにDockerFileがあるからそれそのまま動かして構築完了まで待てばモデルのDLや配置からWebUI起動まで全自動でやってくれるよ
WindowsでもWSL2で適当なディストリビューション入れてDockerDesktopだけ準備すれば使えるからそんなにハードル高くないしね

>>131
うちはずっとWindows上のDockerでやってるけど速度的なオーバーヘッドは感じないよ
GPUは1080無印、k-lmsの50stepで一枚あたり27秒～30秒前後だからだいたい色んなところで報告されてる時間と同じぐらいだと思う

>>137
普通の使い方ならそうだけどGPUをdockerから参照させるのが(できるらしいけど)なんかトラブル起こしそうで試してない
問題なく動いてる？

レス先間違えたw
>>135
情報ありがとう。
手順とかどっかに書いてますかね？
dockerｰcompose upする前のnvidiaのdriver設定とかあると思うんですが、そのあたり

>>137
うちの場合、

・事前にWindows上でWLS2を使えるようにしておく(うちの場合はUbuntu22.04を入れたけどたぶん何でも良い)
・DockerDesktopをインストールする
・VSCodeをインストールする
・VSCodeにRemote-Container拡張とRemote拡張とDocker拡張を入れる
・適当に https://github.com/hlky/stable-diffusion をcloneなりZipでDLしてくるなりして展開したフォルダをVSCodeで開く
・VSCode上でF1キーを押して「Remote-Container:Rebuild Container」する
・VSCodeがなんか訊いてくるから docker-compose.ymlを使っておくんなまし的な選択肢を選ぶ

あとはしばらく放置するだけで起動までいけたよ
細かい設定とかは特に不要で出力ファイルのoutput先はちゃんとホスト側のoutputsフォルダになってるからDocker内とややこしいファイルのやりとりをする必要もなかった

一応参考資料

Stable Diffusionをローカルマシンで実行する(VSCodeとDevcontainerを使用)
https://zenn.dev/hayatok/articles/6141a9a46e4f48

うちは当初はこの↑の記事を参考にDockerでローカル環境作ってやってたんだけど今は https://github.com/hlky/stable-diffusion に公式のDockerFIleとdocker-compose.ymlが入ったからこれを使えば自前であれこれする必要はなくなったって話ね
最新バージョンならコンテナをビルドしたら自動でWebUIの起動までやってくれるはずだよ

一応念のためだけどVSCodeは拡張が便利だから使ってるだけで別に必須ではないよ
もちろん自分でdockerコマンドを叩いても問題なくいけるはず

出先でID変わってるけど137です
>>138
なるほど
GPU関係のドライバとか設定とかないんですね。
どういう仕組みなんだろうw

帰ったら試してみます。ありがとう！

>>141
正直dockerにはあんまり詳しくないんだけど、理屈としては

・Dockerfileの1行目のここでドライバとかはもう入った状態の(NVIDIAが提供してる)イメージをベースにしている
FROM nvidia/cuda:11.3.1-runtime-ubuntu20.04

・docker-compose.ymlの19～20行目のここでdockerコンテナに対してホストのGPUを使用する許可を与えている
devices:
- capabilities: [gpu]

ということだと思う
たぶん
知らんけど

ローカルで動かすには大変なんだね
DLしてポンと行けるようになるまで待つしかないか‥

>>58
これの二番目を構築したけど、ここ入力したプロンプト情報て制作者さんとかプロンプト公開サイトに流れますか？…

>>142
なるほど。ベースイメージがいい感じになってるってことですね(雑理解

>>144
流れないので安心してなんでも入れてOKですw

>>145
ありがとございます(^o^)／

>>125
ありがとう。でも開発者の手記みたいなやつ翻訳しながら構築したからminicondaとやらは導入してないぞ…必要そうなのpipでインストールした。

>>86
えっ？

これがいいとか思ってるなら精神病院に行けよ

Pythonのみ環境だったらあぶぶニキのnoteの手順がわかりやすいかも

ちなみに上の話の確認をする過程で軽くTwitterを検索してたらなんかGPUなしで(CPUで)StableDiffusionを動かせるDockerコンテナを作った人がいるみたいなので興味がある人は試してみてほしい


dandelion @dandelion1124 (2022/08/30 02:52:19)
Dockerコンテナで動かせるようにしました。10分くらいで作ったので雑なのは許してほしい。
https://github.com/atinfinity/stable_diffusion.openvino-docker
https://www.google.co.jp/url?q=https%3A%2F%2Ftwitter%2Ecom%2Fdandelion1124%2Fstatus%2F1564309989447315456

[引用元] からあげ @karaage0703 (2022/08/29 23:57:04)
@karaage0703 雑に動かし方をzennに投げておきます。Docker版やGitHub Action版は誰かに任せました
> Stable DiffusionをローカルのGPU無しのWindows PC(Intel CPU)で動かす方法 https://zenn.dev/karaage0703/articles/4901bf68536907 #zenn
https://www.google.co.jp/url?q=https%3A%2F%2Ftwitter%2Ecom%2Fkaraage0703%2Fstatus%2F1564265883995754496

>>18
アカウント登録不要のモデルデータ直リンク
https://www.googleapis.com/storage/v1/b/aai-blog-files/o/sd-v1-4.ckpt?alt=media

Docker版の参照先はここっぽかった

キム・ヒョンテ（Hyung-tae Kim）とかも結構ヒットする

>>151
なんかとんでもねえところに置いてあるなと思ったら
GoogleCloudに置いてるブログの直リンクがgoogleドメインに化けてるだけか

直リンクはあかん

マッチョな赤毛イケメン描いてって言ったら想像以上にリアルなエロいの出てきたんだけど、しかも1枚エロすぎて？黒塗りされてた
これローカルだとエロ画像も作成してくれるんかな

>>155
ローカル版ならエロいのも出し放題だよ

>>156
マジか
家帰ったらやってみるわ

今写真か画像から3DCGにする技術あるって見たけどそういうソフトって知ってる？
組み合わせれば3DCGモデル作れそうなんだけどなぁ

仮に世界中全ての画像生成AIがサービス停止したとしても、ローカルに構築しておけば生成し放題。GPUと速度は比べ物にならないがIntel CPUのみでも動かせるようになったし、環境だけは持っておくべき。
https://zenn.dev/karaage0703/articles/4901bf68536907

フォトグラメトリーってヤツ、アップルスマホで動くらしいけど
まあメッシュはわりとゴチャゴチャなんてそのままじゃ使いにくい
リトポアプリで家具なんかは割と簡単にモデル化できるよ

>>138
Windows10(insider previewでWSL2はインストール済）ですが
docker-compose.ymlのビルドで以下のエラーになりました。
nvidia-container-cli: initialization error: WSL environment detected but no adapters were found: unknown

また、entrypoint.shが、改行コードがCRLFのため動作しない（LFに変えればいいだけですが）でした

Windows11だと不要なのかもしれませんが、どうもcuda toolkitが必要なようです。
疲れたｗ

macでローカルに試みてみたけどPyTorchのインストールで早くもつまずいた
こんなややこしい事よう出来るなみんな

凄いおもろいんだけど呪文周りが大変だねこれ
タグみたいにしてクリックしてどんどん追加出来るような感じのUIに進化して欲しい

>>158
NVIDIA Instant NeRF: NVIDIA Research Turns 2D Photos Into 3D Scenes in the Blink of an AI

NeRFは複数角度からのイメージが必要で、それをSDが生成できるならその時点で3D生成できてることになる気がする

>>162
3DとかAIとかをMacでやってる人尊敬するわ

>>161
うちも環境はWindows10だけどもしかしたら最初に色々試行錯誤した時にcuda toolkitは入れたかもしれないすまん
entrypoint.shはこっちでは特に変更なしでも動いたけど何の差だろう……

>>164
グラボまだ高いよねぇ
自分はラデ使ってるから、乗り換えしないと使えなさそう
GTX1650～1660でもまだ2.2～2.7万するし、GT1030辺りでも動くならいいけど実質有料ソフト揃えるようなものかも

>>168
ちなみに1650は動かなかった
動くようになるっていうmodifyはやってみたけどcuda out of memoryになった

>>169
2年前にZBrushで描こうかなと思ったけどむずいんだよねぇ
やっぱ依頼かなぁ、今時間無いし
MMDレベルで顔だけで(胴体はフリーモデルから繋ぐ)演算ボーン込みとかなら相場いくらくらいだろう
5万くらいならグラボ買い替えるのとどっちが得か
作れる人が羨ましいなぁ、絵は描けてもBlenderでモデリングは駄目だった

>>167
いえいえ。まあこうなる気もしていましたｗ
InsiderPreviewに参加したら、Windows11に強制アップデート
Windows11になってるのに、Windows10の更新をパッチを入れろ→インストールすると当然エラー、
Windows11のベータが入ってるぽい？ちょい絶望中ですｗ

多分こんな感じかな？と思うのですが、
●Windows10
・WSL2
・Docker Desktop
・（nvidia driverは普通のでOK。Cuda on WSL Driverをクリックしても普通のDriverページに飛ぶ）

●WSL2(ubuntu20.04)
　・cuda-toolkit　？

●Dockerコンテナ
・Docker fileをbuildすればOK

cuda-toolkitがよく分からない。
https://qiita.com/ksasaki/items/ee864abd74f95fea1efa　の手順で
sudo apt-get install -y cuda-toolkit-11-2しても動作しない（同じエラーになる）

また気力が戻ったらまたチャレンジしてみます。 とりあえずWindows11の操作になれようｗ

マイニング需要減退に4000番前の買い控えとが合わさったうえ
NVIDIAはマイニング景気が続くと思ってかなり以前に4000番用のチップを過剰生産してしまったそうな

> NVIDIA TSMCへのGeForce RTX 40 seriesの発注量を削減へ 2022/07/02(Sat)
> DigiTimesによると、AMDとNVIDIAがTSMCへのオーダーを見直しているという。
> DigiTimesはApple, AMD, NVIDIAがオーダーを変更していると述べている。AMDは7nm/6nmのオーダーを減らし、
> NVIDIAはGPU市場の飽和による次世代GPUの需要減に対処しようとしているという。
> 現在、NVIDIAはGeForce RTX 30 seriesの在庫を大量に抱えており、一方で市場も飽和しているため、
> これがシンプルにGeForce RTX 40 seriesの需要減の要因になっているという。

4000番売るために、3000番は値下げ防止にもう問屋に卸してない在庫限りとか
> GeForce RTX 3000シリーズの在庫処分？2022年8月26日
https://akiba-pc.watch.impress.co.jp/docs/wakiba/find/1434896.html
> 「上位GPUを中心に一部メーカーのモデルは、すでに発注ができない」という話もあり。

（ローカルSDのための技術交換です）

ZBrushでVroid弄った方が早いかなぁ
たかが私でも描けるような絵1枚で数万の費用とか発生する世界だったから早くこの方面進化して欲しい
0→1は無理でも手直しできるレベルなら使いこなせそうだし

>>172
今は時期が悪いおじさん「今は時期がいい」
ってこと？

>>168-170,172,173
別スレの誤爆？ なにかのコピペ？
グラボが高いとかZBrushで作るとか一体何の話してるんだ

ローカルSDはゲーマーと視点がずれてるのが面白い
「VRAMなんて10GB以上は普通いらない」って世界だそうで、なお4080で16GB（爆速ではあるが）とか

自分は生成速度より最終的にいかに大きくかつ精密な画像作れるかが大事だと思うな
ツイッター見ててもMJの生成画像は1024x1024が標準で16:9指令で1792x1024って大きく緻密綺麗で人気だけど
SDで生成されたのは512x512で大抵見向きもされてない
ESRは新しい物を一切追加せず引き延ばすだけなんで解決になってない、waifuよりマシって程度

>>175
横からだけどもしかして起点になってる元レスの>>158と>>164がNGか何かで見えてない人？

>>175
AI総合スレみたいなのないからじゃない？
一応イラスト1枚から3DCGやアニメに繋がるから全く関係なくもないと思う
素材からの手直しも過程として似てるし

164までは分かるけどその後のレスの意味は俺も分からないなw
NeRFとかはスレの趣旨としていいと思うけど

>>176
> SDで生成されたのは512x512
同じように自力でアップスケールできるよ

自分で言うのもなんだけどGPUの話題は問題ないでしょ
生成速度と生成解像度に直結してるのでCUDA使うローカルSDとは切っても切れないし
colabのGPUガチャとも関連してるし、技術情報交換だよ
つか今までも前スレでもみんな普通に話してるんだけど、GPUで検索してみてよ

ZBrushは正直スレチだと思う、あんま知らんけどAIじゃないよね？

>>180
いいGPUがあればね・・

ここは既存のAI画像生成サービスの”””具体的な”””技術や動向について語り合うスレです
漠然としたAI画像生成の未来や、イラストレーターの職権侵害等の一般的な話題は明確に【禁止】します
（以下のスレッドへ移動してください）
AIイラスト　愚痴、アンチ、賛美スレ
http://2chb.net/r/illustrator/1661305344/

これ3DCGと関係ないじゃん
ここCG板だよ？

Stable Diffusion
http://2chb.net/r/software/1661568532/

そっちって2D絵描いてるイラストレーター向けってかイラストレーター板に立ってるスレだよね
こちらはCG板に立ってるから3DCGも扱うんじゃないの？
最近のAI話題も大体2D絵の事だと思うし

一般の使用想定者は2D、いわゆるハンコ絵や背景の生成目的に使うが
ここの板に来てるのは3DCGに使う資料とか、変換するとか、あるいは他の目的とか
そうした用途で使用する人も想定できるんでないか、CG板だし

まぁ、AIは3DCGゲームデータをかなり学習してるようで密接ではあるんだよねぇ
MJでレンダリング系呪文使ってる人の多いこと

>>181
2DCG・3DCG板なんだけどなぁ…
前者しか知らないお客さん達の立てたスレなのかな？
これで資料作って参考にしたり加工したりして3Dイラスト作ってる人も居るよね
興味あるから来たけどここはあんま盛り上がってないみたいだね

猫の人(たかなんとかさん)が紹介してたバイドゥのお絵描きAI動作確認してみたけど
GPU使わないしおかしいなと思ったらがっつりwebAPI問い合わせしてるタイプだった

クリエイター目線で雑談質問含めて総合スレにした方が伸びると思うは分かる
技術って言っても一般クリエイターはプロ含めて道具を買ってその使い方の知識を学ぶだけだと思うし
クリエイターであって開発者ではないから、その辺りの定義は開発者の方がアップデートして情報公開してくれるんじゃないかな

フォトショのプラグインのあのデモ見る限り
ローカル版で頑張るよりフォトショのサブスクしたほうが全然効率良さそうなんだが
既にリリースされてるんだっけ？
ペイントツールと直接連携できるのはやっぱ強いわ

操作方法のマニュアルでなくて絵自体を上手くするテクニックとか？
AIにそれを再現させるんだよね、我々ユーザーの出来ることはある程度限界があるのでは
自分で描くなら完全再現できるけど、3DCGでも再現難しいしなぁ、自分はその点では3DCGに近いとむしろ思うかな
コマンドで調整するのと3DCGソフトで元の絵をなるべく再現するのって似てる工程な気もする

3Dプリンタでフィギィア造形とか
AIが完全な絵を描くにはむしろ立体的理解が必要なのか

3DCGがさらなる進化のカギを握るはありそうだ
3DCGのデッサンモデル人形で絵が上手くなったor時短できたって話もよく聞く
実際次のVerの別ラインナップではその辺りが出てきて他のAIツール群と提携しそうではある

>>189
別に伸びなくていいです
何だか知らないけど賑わってるからって理由でお客さんが流入するとろくなことない

Adobe化せずセットでも安価なサブスクにして欲しいなぁ
全部従来のクリスタみたいにオフラインでも使える感じで

途中の生成過程よく見てるとフラフラして面白いよね
腕が出たり消えたり、顔つきがふっと変わったり

フォトショもオフラインで使えるけどフォトショ自体少し高いよね
フリー含めたAI普及しそうな今なら尚更
まぁ代替え自体は同じようにあるけど

なんでフォトショの話してんだ？って人でそうだから、一応貼っとくね
https://twitter.com/wbuchw/status/1563162131024920576
https://twitter.com/5chan_nel (5ch newer account)

解像度を高めるほうほうが見つからんな
一度生成した画像を4個に分割してesrgenで高画質リサイズして元のサイズに復元してから
img2imgに同じプロンプトで投入して見たんだけど(例、右下256×256の領域を512×512にしてからimg2img)
これやってもぼやけたままで細かいパターンが作られたりしないんだよね
img2imgは元がぼやけた画像ならそれに応じてぼやけさせてくるらしい

ってかこのソフトだけでは何もできないことぐらいCG描いてる人なら知ってるよね
出来たら〇dobe辺りが黙ってないと思うw
結局全員が使い出したら差別化が必要になるから

>>198
どうしようもないね・・いきなり最終サイズじゃないと接合部で整合性取れないし
ローカルだと化け物GPU所有するしか活路はないかと

MJは裏でなんかとんでもないことしてると思う、たまたま今貼った>>197をもっと高度にした何か
--ar 1:2 とかにした人間が頭二つになったりするので
間だけじゃなく、ハチの巣状に複数個所描画しながら、ステップ重ねてるとかかも

従来の才能知識技術必要なのと違って呪文の運用方法のマニュアル覚えれば誰でもできるからね
そのマニュアルもやがて洗練化され、環境をセットすれば素人でも操れるようになる日もそう遠くないのかもしれない

明確に禁止だっつってんのに未来の話をしたがる奴は日本語が不自由だと思うしかないなもう

もともとイラレ板から分離して出来たスレみたいだけど
あっちは公募スレとか雑談系スレとかが雑談や過疎やスレ違いの内容で機能しなくなった例がある
そういう民度なか知らないが、だからこのスレの1もそれを明記していると思われる
実際あっちでも板違い？の3Dの話が出てる、ここで禁止しているからだろうけど

〇そういう民度なのか～

いまいち分かりにくいよな
イラレ板は業界の話とか職業とか金絡みの話じゃないのか？
技術や学び全般はこっちな気がするが

>>203-205
何の話してんだよ・・・。どっか別スレの話ならそっちでやりな
いい加減にしてくれ

>>198
あっちの板自体が絵や絵師に関する精神論とか未来を語るような総合サロン的な感じになってるよ
ニュース系で騒がれてる話題を専門板で取り扱う業界関係者目線の総合雑談スレみたいな立ち位置
だから雑談系の人達ははそっちに行こう

１人か２人かしらんけどかなりのアホが迷い込んできてるな
悪意はなさそうだがそろそろ黙って

メジャー紙（？）も続々取り上げてて乱用待ったなし
今の時点でこんな高性能だったら将来どうなるの・・・怖いわ

文章から画像を生成するAI「Stable Diffusion」をPhotoshopで動かすプラグイン「alpaca」が登場
https://gigazine.net/news/20220830-stable-diffusion-photoshop-alpaca/

「この画像っぽい○○を生成」を画像生成AI「Stable Diffusion」で実現する技術が登場
https://gigazine.net/news/20220830-stable-diffusion-textual-inversion/

この板に雑談スレないからじゃ？
ルールガチガチの所でも同じ板に雑談スレとそれ以外で分かれてるよ
単純に立て方の失敗
NGやﾜｯﾁｮｲ導入しても今の時期だとどこかで紹介されたら流入してくると思う
イラレ板は稼ぎ系でこっちは知識は同意、それで片方がまだない

> Photoshopで動かすプラグイン「alpaca」
一切に意に介されないfire alpacaさん・・

質問スレと雑談スレに分離するか質問スレをどちらかに含ませるか辺りか
金や職業の話せずに初心者話や雑談したいのも居るだろうし、なんなら俺らが立てるか？

質問に答えられるような層ってこのスレの住人だろうけど過疎ってたから質問はこっちでいいのでは
次からテンプレート入れてスレタイに組み込めば？
まだその段階ではない気がする

イラ板のアンチスレについに勢い負けたどころかこっちの3倍ｗ
あれが全部ここに来てたかと思うと・・触ったことすらない野次馬をめっちゃ吸収してくれて感謝しかない

AIの背景見過ぎて一発でAI背景のおかしなとこ見つけられるようになってしまったｗ
萌え絵界隈ではAIへの反発強まってるからこんなにバレバレでは使いにくいってのが正直なところだな
もっと人間が描くようなアニメ調のシンプル、クッキリ背景出せるようになる必要あるな

●CLIP-guidingって何？

Emadさんがこんなツイートしてて
https://twitter.com/EMostaque/status/1564057507651375104
CLIP-guiding StableDiffusionをまだ試していない人がいることに非常に驚いています。
ヒント：コツが分かれば本当にうまくいきます。

近日中に公開予定です。
Vit-Hは完成前でも特にロックです。

---
CLIP-guiding Stable Diffusionってこういうのでしょ？ってレスがある
https://colab.research.google.com/github/multimodalart/MajestyDiffusion/blob/main/latent.ipynb#scrollTo=VpR9JhyCu5iq

プロンプトが４つあって、メインはCLIP、Latentはスタイルや構成用とある
clip_prompts =["The portrait of a Majestic Princess, trending on artstation"]

#Prompt for Latent Diffusion
latent_prompts = ["The portrait of a Majestic Princess, trending on artstation"]

#Negative prompts for Latent Diffusion
latent_negatives = [""]

image_prompts = []

どういうこっちゃ分かる人いる？ｗ
そもそもStableDiffusionが画像生成する際のテキスト誘導する仕組みがCLIP（学習のときも）だと思ってたんだけど
なんかプラスアルファでなにかやってるぽい。どういう感じなんだろう
https://twitter.com/5chan_nel (5ch newer account)

このスレではMJよりSDの方が人気？

>>217
MJ綺麗で好きだけど、単純にSDの方がオープンソースで技術的にも色々変わっていくから話題が多いね

>>217
人気というか
MJのRelaxマン（$30のFast枠を使い切って無料の遅いverしか使えない人の蔑称）だらけになって
次の$30どうするかなぁ、DreamStuidoいまいちかなぁってところに
無料でできるColabやローカルのSDが来て持ち切りって感じ

MJは最低でも無料あたりは一通り触ってきた人が多い印象なんで
MJの内容でも質問したら大抵答えてくれる

プロンプトに絵文字を入れられることはここでは知られてる？

>>220
かなり初期にcraiyonあたりで話題になったよ

>>220
Unicodeは何でも入るけど、これはこういう効果があるって情報があれば役に立ちそうね

https://knowyourmeme.com/photos/2388192-dall-e-mini-craiyon
最初に気付いたのは外人だったと思う

>>221
そうなんだ
>>222
🍑だけでケツが出てくる

上のリンクは文字だから違うな、ごめん
https://www.reddit.com/r/weirddalle/comments/wqb8td/happy_dumpster_fire_emoji/
これとか13日前だけど、1か月前にすでに見たことあるよ

ああ、またリンク間違えた・・泣きたい、それも文字だ

5chってreddit直リン貼れないのやめてくれ、不便すぎる

【Midjourney】AI関連総合【StableDiffusion】
http://2chb.net/r/cg/1661853927/

分離したよー
雑談とか”””具体的な”””技術や動向以外の話題を気楽にしたい人はそっちで

>>224
AIバカで草
桃出せよｗ

仕事の観点からだと実用性のある背景にはMJみたいなアートに振った画風よりも
そこらの安い同人ゲームに使われるフリー素材みたいな地味だけど
平凡な住宅街や教室がカッチリ描かれた普通の絵が必要なんだよね
イラスト風に振ると崩れる問題でそれがどうしても出ないんだよな
コンセプトアートはいくらでも量産できるけどあんなもん最近のゲームには使わんし

>>176
現状のSDだと1次生産時の画像サイズはまじで重要だからな
MJのアップスケール欲しいわ
似たようなのが発明される流れではあるみたいだが

>>228
Caiyonだと桃だった

>>227
スレタイもうちょっとなんとかならなかったの？
AI関連総合だけでいいでしょ、dalleとかもあるんだし
こっちと誤認するの狙ってるようにしか見えないんだが

>>226
なかなかの再現力・・・と思ってSDで試したら、
スマイルとか、骸骨の絵文字入れたらちゃんとそれぽく出るし、スマイル＋骸骨の２文字入れたら骸骨が笑ってる絵になる
面白いね。こんなにちゃんと意味が通じると思ってなかった

🏺と⚱の区別ついててすごい

絵文字ってどういう認識なん？
例えば「頭が爆発」は絵文字につけられた名前で表わすとそのまま :exploding head: だから>>226で
スマイルは :smile: 骸骨は :skull: だから prompt: smile skull -> 笑う骸骨 となってるのか

以降スレに反するのは全部そっち誘導でいいな
ここは雑談なしの純粋な技術スレにしようぜ

>>235
💩は絵文字の画像になる

webuiのgenerateのボタン位置・・馬鹿なのか

>>235
Craiyonは分かんないけどStable Diffusionは絵文字も一つの文字として画像と結びつけて学習してると思う
LAION-5Bで🍑検索すると尻が出てくるし💩検索すると💩の画像が出てくる

ぼんやり理解だけど、
学習時点は英語で「白と黒のぶち猫が座ってこっちを見ている」になってるはずで、顔文字では学習してないと思われる


プロンプト入力後に、スマイルマーク＝smileと理解しているのかね
日本語もそうだし、文法（前置詞とか文法を理解していないと出てこないイメージになる）も理解した絵になるし。

>>238
更新しろ
みんな文句言ったから今朝には治ってた

>>241
は・・早ぇ
ありがとう

ちなみにこんなのだった

右端が見えず手探り編集になる

>>237
>>239
ｔｈｘ
そうかclipfrontで調べればいいな

別に絵文字と特別に認識している訳ではない
ただの文字の一つで扱いとしては漢字一文字とほぼ同じ
そして絵文字をそのまま1枚の画像にしたものには必ずと言っていいほどその絵文字自体が説明文に含まれているので
絵文字を入れると絵文字の画像が出てくるという話

🍑を入れるとケツになるのはこれがケツのスラングと化していてそういう学習バイアスを上回っているため

画像共有用discodeたててもいい？

>>245
CLIPの説明読んでるところだけど、”説明文に含まれている”わけじゃなくてもいいらしい。そこがCLIPが革新的な点
>>240みたいに画像自体を認識して英語にする

で、言葉の距離が近いものは近いと解釈する（smileとスマイルマークは近いので同じように機能する）

ついでに、rene magritteという画家をスペルミスして、rene magirtteとすると、似ているけど少し違う画風が得られる、らしい。面白い

tomieって入れると黒髪美女出る
富江だと風景画になってしまった

>>247
学習のデータセットのテキスト自体にはCLIPは使われてないからよくよく読み込んでからレスしてくれ
読んでる途中でらしいで否定されても困る

https://github.com/hlky/stable-diffusion
最新ブチこんだら
FileNotFoundError: [Errno 2] No such file or directory: 'd:\\stable-diffusion-main\\frontend\\css\\styles.css'
どないせいっちゅうねん
って4minutes agoにfrontendにcssフォルダ等追加されてた、上げる前のタイムラグか
remoteとか書いてあるが、リモート？

>>249
使われてますよ

verup前は俺環の最大解像度で1枚はいけるのに、2枚からバッチ回すとout of memoryなってたのがちゃんと治ってる
自分が変だと思ったところはみんなも変だと思って突っ込んでるんだなぁ
無償で開発してる人たちにほんと頭下がるわ

前スレで出てた

digital concept art of anime cute girl in summer dress, detailed eyes, gorgeous face, ((turquoise colored twintail)), smooth details, digital cg art by Greg Rutkowski
k_euler_a, cfg 10, steps 50, seed 721628136

のk_euler_a, cfg 10, steps 50, seed 721628136の部分って入れる場所下記であってる？

image = pipe(prompt, k_euler_a, cfg 10, steps 50, seed 721628136)["sample"][0]

日本人女性っぽい名前を入れると日本人が出てくる
akikoとか

アッコニキ「出番の聞いて」

>>251
学習データのテキストにCLIPが使われてるところ持ってきてみな
推論じゃないぞ

>>256
>>251が言ってるのは「学習時点」、あなたが言ってるのは「学習データ」の違いだね

分かってると思うからそう突っかからなくていいのでは。 >>245は間違ってる

>>246
スレチ？それとも誰も興味ないだけか

>>247
yoshikata amanoとかalphonse muracとかってそういうことなのかな
Lexica見てるとよく出てきて、スペルミスかと思ってたけども。

>>258
個人的にはめっちゃいいと思うけど人来るかな？って思った
画像に限らず日本人のDiscord欲しいよね

>>258
わからんけどTwitterあたりでやったほうがいいと思う

webuiのimg2imgでsrengthを小さくしてloopbackで回すってのがよくわからん
str0.1とか0.3とか試してるけど、元画像からだんだん劣化していくだけにしか見えない

>>260
>>261
なるほど、やめときます
まあねらーは馴れ合わないということか

>>257
脇から文のおかしい奴に突っ込んでこられても困る

この画像からプロンプト出すやつ、実際に作成者が打ち込んだテキストが
わかるわけじゃないの？
https://replicate.com/methexis-inc/img2prompt
画像から推測してるだけっぽいんだけど。

>>262
プロンプトを入れる
画像を入れる
Loopbackにチェックする
Batch countで処理回数を決める
Denoising Strengthを調節する
ここまではいいよな？

で、Strengthを0.3ぐらいにしてBatchを5とか10回しても段階的に崩れていくだけなら
入れた画像とプロンプトで相反する部分があることが多い
ポーズを変えるプロンプトを入れると一旦崩しにかかるし
男の画像入れて女にするプロンプト入れれば大改造が始まる
服装もいきなり水着にしようとしてもそうはいかない
低StrengthでLoopbackする場合は無理はきかなくて、洋服の感じを変えるだとか、細かい要素をいじるか、新たに何か足すのに向いてる

んで、どうするかというと、単純にそんな欲張ったプロンプトを削るというのが一つ
もう一つは画像で相反する部分をプロンプトの内容に合わせてそれっぽい色で塗りつぶしてしまうという手(やり過ぎると破綻する)

>>267
なるほど、ありがとう
いいのができたけど、全体がぼやっとしてるのでキリっと引き締めたいなぁってやってるんだが
プロンプト変えなくてもなんかイマイチで
seed同じのでやると、シャープ処理を重ねるみたいに縁が浮き出て来て破綻する

>>253
Google Colabでやってる人かな。それだとエラーになるでしょ

import torch
generator = torch.Generator("cuda").manual_seed(721628136)
image = pipe(prompt, generator = generator, guidance_scale=10, num_inference_steps=50, width=512, height=768)["sample"][0]

みたいに書くとうまくいくはず
k_euler_aなどのサンプラーを指定する方法はわからない。ここでも何度か質問しているんだけど

>>266
AIが画像を解析→見出した要素をテキスト化だから近いようで遠い
そのテキスト化も、事前に用意された文字列の中から確度が高いものを選択してるだけ
AIからすると大体こういう風に見えるんだな、という理解をする用だ

>>266
画像から推測してるだけ、ですね
Exif情報として、プロンプトとかパラメータを埋め込んでくれってリクエストは本家でも、hlkyでも出てるからどっちかはやりそうな気はする

最初のプロンプト、パラメータ＞img2imgの２回目のプロンプト、パラメータ・・・・みたいに生成過程履歴まで書き込んだりもできるのかもね
まあ途中でSD以外の加工もするだろうからあまり意味ないかもだけど

> Exif情報として、プロンプトとかパラメータを埋め込んでくれってリクエスト
これ欲しい！yamlファイルの山マジ勘弁して
縮小版と並べたら一瞬どっちの隣のかわかんねーよ

手足とか指がぐちゃぐちゃでも大丈夫なホラーとかダークファンタジーに向いていることに気づいてしまった

>>265
ほーん

>>268
そういう場合元のプロンプトを流用すると不都合の方が多いと思う
思い切ってhighly detailedとかdetailed faceとかの画質指定系に絞るといいかもしれない

初音ミクさん

髪型
Verdigris and Turquoise hair, thin double pigtails hairstyle

detail系って前に入れる派？後ろに入れる派？

テーマだったらsubject(主語)より前のほうがいいと思う
detailedとかだったら後ろのほうでも問題ないんじゃないかと思うけどそれは同シードで実験するしかない

なるほどありがとう

めちゃくちゃ奇妙なこと入力しても何らかの絵にして出力してくるんだからすごいな

無料colabでファインチューニングする人はコンフィグのbatch_frequencyを2500くらいにしようね😭
batch_frequencyに指定したstep数ごとにプレビューを出力するんだ
2分くらい時間かかるからデフォルトの500だとYABAI😭😭😭

ファインチューニングってアニメ絵も学習できるの？

>>282
できるね　>>11

ローカル環境でStable Diffusionのimg2imgを動かす
https://self-development.info/%e3%83%ad%e3%83%bc%e3%82%ab%e3%83%ab%e7%92%b0%e5%a2%83%e3%81%a7stable-diffusion%e3%81%aeimg2img%e3%82%92%e5%8b%95%e3%81%8b%e3%81%99/

バカでもわかりやすいように回りくどく説明してくれてるんだけど
バカすぎて途中から全然意味わからん
じゃあどうやってそのコードを実行すんねん
途中まで無駄に回りくどかったのに一番大事なとこはしょんなや

hlkyさんTwitter始めたよ!
@hlky__

>>284
めっちゃ分かりにくい、というかpython環境設定方法書いてないね
中身の解説をしてるわけでもなし自分用メモみたいな感じ

>>18でいいのでは

あぁ >>18 ってローカル環境で動くやつなんか
仕事が片付いたら試してみよう

デフォで散らかってるwindows側にごちゃごちゃ入れるのは嫌なんでWSLに普通のdockerとdocker composeをインストール
webuiを起動した時に出たエラーメッセージで検索してtoolkit更新
無事docker composeで起動確認
さよならanaconda君のことは好きじゃなかったよ

アニメマンガ系で浅く再トレーニングされたモデルが出てた
https://huggingface.co/naclbit/trinart_stable_diffusion
ただ劇的革命的って訳じゃなさそうだし
環境側の設定変更が要るんで試したい人が試せって感じかね

18ってimgtoimgも出来る？

>>291
できるよ

>289
試してみました。全然綺麗じゃない完成度が低いプロンプトでなんですが・・・

girl wearing swimsuit
Steps: 20, Sampler: k_euler, CFG scale: 7.5, Seed: 5

デフォルト（sd-v1-4.ckpt）


tinartアニメ漫画再トレーニング版trinart_stable_diffusion_epoch3.ckpt


基本同じシードなら似たポーズ、色になりつ、確かにアニメ調になっていますね

>>290
早速使ってみたが出力結果が全く別物になるな
分かりやすく言えばプロンプトによらずpixivによくいる超絶htrみたいな画風になる
ファインチューニングだけではアニメ絵は厳しいってことが良く分かったわ

途中でめんどくさくなったんやろな

>6の
＞公式 https://github.com/CompVis/stable-diffusion

のimg2img版はないのかな?
Google Colab上に公式が用意した、上からスクリプトを実行していくと使えるようになるやつ

>>296
リンク間違えた！

> >6の
公式 https://colab.research.google.com/github/huggingface/notebooks/blob/main/diffusers/stable_diffusion.ipynb
>
> のimg2img版はないのかな?
> Google Colab上に公式が用意した、上からスクリプトを実行していくと使えるようになるやつ

です

>>294
単に外国人が作ってるから外国人好みの絵が出るように調整されてるだけでは？
手塚治虫が作れば手塚治虫好みの絵ばかり出力するAIになるだろう

アニメ調って、日本人が言うアニメじゃなくて
ディズニー系の事か

>>289
追加でGreg Rutkowskiのプロンプトで試しました。
Greg Rutkowskiが強すぎてあまり違いがわからない。

portrait of anime girl, ((turquoise colored twintail)), digital cg art by Greg Rutkowski
Steps: 50, Sampler: k_euler_a, CFG scale: 7.5, Seed: 839177925

デフォルト（sd-v1-4.ckpt）


tinartアニメ漫画再トレーニング版trinart_stable_diffusion_epoch3.ckpt


>>299
プロンプトがアニメ調によせたものじゃないので試したので、　triart版モデルが本領発揮してない気はしますね
triartがすごく良くなる呪文がなにかありそう

hentai調まだ～

肝心な画像リンク間違えた

デフォルト（sd-v1-4.ckpt）


tinartアニメ漫画再トレーニング版trinart_stable_diffusion_epoch3.ckpt

一部アナ雪感があるね
単品で見れば良い感じだけども

恐らくこのモデルの本領を発揮させるGreg Rutkowski的存在が居るんだろうけれども
それこそ魔術の実験のごとくトライアンドエラーでやるしかない
Nendoroidと唱えるととりあえずねんどろいどになるけれどもこれは元のモデルでもそうだし

彼らの言うアニメ調と我々の求めているアニメ調が違う可能性はある
ピクサー映画のキャラみたいなのばかり詰め込んでたらむしろ遠くなるのでは

SDのDicordでベータ版として、1.5でBOT生成できるようになった。　https://discord.gg/stablediffusion
#gbot-**　チャンネルで /dream すれば使える


プロンプトは>>300と同じ。　サンプラは不明。多分k_eular_aではない
あまり変わらない？ちょっとクールというか大人っぽくなったかもれないが、サンプラの違いな気もする。

体がおかしくなる場合があるのが直っているのかが気になる。

後、1.5とは別に公式もアニメ用モデル出すと言ってたけどそれはどうなってんだろう。

>>305
このモデルトレーニングしてる人は日本語AIのAIのべりすと作ってる人だから、データセットは日本寄りなんじゃないのかなとは思う(非公開)
ただファンタジー小説の挿絵とかを意識してるからパキッとしたアニメ絵はできにくいのかもしれない

それと今までほぼ現実世界のものばかりで深くトレーニングされてたモデルをいきなり振り向けてるから
現実とアニメ絵の中間、妙に立体感のあるピクサー調がプロンプトでの補正無しで出てくるのはまあ自然なのかもよ
寄らせたいならプロンプトを工夫しないといけない

>>306
サンプラをk_euler_ancestral にしてもほとんど変わらなかった

美少女でやすい
illustration by Hyung-tae Kim, illustration by Shunya Yamashita, illustration by Ilya Kuvshinov.

StableDiffusionがCPUでも動くみたいだから試してみよう…
と思ったんですけどこちらのやり方ってフィルタも外してくれるか分かる人いますか？
https://zenn.dev/karaage0703/articles/4901bf68536907

img2imgのsteps数て例えば20と70で大きく完成度が変わるとかありますか？
ステップ数を上げると時間がかかるけど中身の違いが？？という感じで、ずっと20でやっているのですが
細部の描き込みがアップするとかなら上げまくるのですが

ベータ版がもう使えないのにいつまでも設定にベータが残ってて　新しく画像生成しようとすると「ベータ版がもう終わってるから無効！」って言われて作れん・・・セッティングで見てみても消せないし　なんじゃこりゃ

>>311
これの一番下にあるようにサンプラでも結構違うし、絵でも違う感じがする。
感覚的には20はまあまあ安定した絵になる、50,70まででもサンプラによっては精細化して変わっていく
https://rentry.org/GUItard

このプロンプトの場合だと、サンプル１７以下は完全に駄目。２４ぐらいまでは改善する、それ以上は改善という感じではない
portrait of anime girl, ((turquoise colored twintail)), digital cg art by Greg Rutkowski
Sampler: k_lms, CFG scale: 7.5, Seed: 839177925



デフォルトのk_lmsでやったけど、k_eular_aならどんどん変わっていくかも

img2imgにイラストレーターが描いた複雑な背景絵を読ませてstrengthを強めにすると
元の絵の要素を全て盛り込んだ上で構図が違う人間には不可能なパクり方した絵を出力するね
人間の手では絶対に不可能なAIパクをやったって一発で分かるから実用性はないんだけど
世界に1枚しかない絵から世界観が同じだけど構図が違う絵をいくらでも出せるのはマジで面白いな

>>292
thx
グーグル翻訳片手に頑張ってみる

>>313
同じプロンプトで、サンプラだけk_eular_aにした例。　こちらはどんどん変わっていく。
この例は高精細化して良くなっていると思うけど「良い」かどうかは絵で違いそう

>>313
精細化していくんですか！
サンプラーが選択出来ないColab構築でステップで細部が変わるとも知らず
ずっと20でやっていたのでもったいない時間を過ごしてました…

基本は低いステップ数でたくさん試行して、良さげなの来たらシード固定して別のステップも試す感じでやってる

>>316
この肌の高精細化のように背景画像生成でもステップ数を上げたら細部の描き込みが上がるかもしれないのでやってみます！

>>284
https://yukishigure.booth.pm/items/4118603
省VRAM版用だけど、色々試したけど手順はこれが一番わかりやすかった。
買わなくても、環境構築手順サイトの下の方に書いてあるから、フォルダ名とかも書かれてる通りにそのままなぞれば多分サクッと動く。

サンプラー選択もシード表示や入力も出来ない環境は止めた方がいいっぽいですね…
めっちゃ不便な気がしてきた…

>>284
https://golabo.net/stable_diffusion_make_uses/
俺もバカだけどここのGUIはわかりやすくてよかった

>>310
質問の回答は分からないけど、 その記事core i7(型番不明）は、980と同じ程度の性能出るんだってちょっと驚いた。
AVX512が強いのかな。

(我が家のゲーミング core i7) 0.31 it/s

(参考）ラフな性能
980 0.36 it/s (2.81 s/it)
1070Ti(8GB) 1.60 it/s
1080Ti(11GB) 2.30 it/s
Google Colab(T4) 3.2 - 3.5 it/s
3060 3.5 it/s
2060 3.55 - 4.6 it/s
3070 5.0 - 7.1 i t/s
A4000 6.3 it/s (3070Ti同等)
2080Ti 7.3 - 7.7 it/s
3080 10.0 it/s
3090 10.8 it/s

>>322
古いし面倒な手順なので、>>18がいいと思う

スクショで具体的に書いてて親切だとは思うけど

>>322
ちょっと見たけどmodelを1.3にリネームするとか書いてる。多分ベータ時点では動いてたんだろうけど今はその通りじゃ無理じゃないかな

>>18
更新速度がめちゃくちゃ早いから
git pull で更新の追記があると参考する上で便利かも

そろそろﾊｧｲﾝﾁｭｰﾆﾝできるようになった？

>>269
ありがとう〜！！
cmdで直接の叩いてたけど帰ったらそんな感じでやってみる。

>>327
今でも >>11の多分通りできるはず
けど、VRAMが多く必要で環境的にできる人が少ない＆GUIもなく使い勝手悪い感じ。マージ面倒とかプレースホルダーが記号だとか。

hlkyさんが試したいけど3060しか持ってないから動作確認できないって言ってるｗ

Textual-Inversionはメチャクチャに強力なのにTrainできる環境が限られてるからあまり触れられないな
コスト的にはColabの最上位プランでGPUガチャに勝利するのが最低ラインか

Windowsでファインチューニングに挑戦したけど「NCCLが無い」的なエラー
そこでバックエンドをNCCLからglooに変えたりWindowsで動くように調整したのが以下のForkみたい
https://github.com/nicolai256/Stable-textual-inversion_win

ただこれでも自分の環境では動かせてない（3060だからダメ元だけど）

cpu版導入できる人ならPC自作した方がトータルの時間は短い気がする

どうしてもローカルで試したい人か
VRAMは無いけどRAMは無駄にある人が1024x1024に挑戦するかぐらいしか用途は思い付かない

>>331
これだとColabのノートブックも付いてるから
今一番お手軽にいけるTextual-Inversion環境だな
一応無料で使えるT4でもVRAMギリで足りそう

>>18
この手順が一番簡単＆便利だわ。
まとめてくれてありがとう。

数枚のイメージでちゃちゃっと学習して参考にしますよって感じのを
一気にするから20GBなんかな
そのうち便利になって少RAMでいけそうだね

AIのべりすとの開発者がアニメ漫画モデル出してる
https://huggingface.co/naclbit/trinart_stable_diffusion

>>18の手順のWebGUIが機能豊富だけど画像複数出したタイミングでコマンドプロンプトが固まってしまう(エラーも何も出ない、optimized-turbo設定は有り)
同じような事象出てるかたいらっしゃいます？

OptimizesSDの作者のフォークにあるGUIだと複数枚出しても問題なかったのでバグかな。。
https://github.com/basujindal/stable-diffusion

>>338
固まるのは繰り返しの1回目が100%になったタイミングです

真面目に聞きたいんだけど
ぺこらとか吉岡里穂のエッチな奴作れますか？
作れるなら30万のPC買って頑張ろうと思う

PCスペックは毎年更新されていくから買い時が難しい
少なくとも今は時期が悪い（マジで）

>>340
丁度実例がある
30万のPCならこういうのができる
https://github.com/hlky/sd-enable-textual-inversion

今のところ顔は何とかなっても体がぐにゃぐにゃなんで
バストアップまでは割といい場合もあるが。ポーズ付けてると厳しい

>>340
>>342
貼るリンク間違えたわ
https://sd-textual-inversion-models.tumblr.com/

midjourney やっぱベータ版が消えねんだがどうするべこれ・・・分からん

電子透かし、高解像度化すると跡形もなく消え失せるな
これなんの意味もないだろ…

>>338
最新版（今日の13:44）でoptimized-turbo＋複数枚試したけど再現しなかった

>>338
hlky版は機能豊富な代わりに結構不安定で俺の環境でも同じエラー起きるよ

nightlyどころじゃなくmainからそのまま引っ張ってきてるだけだしなぁ
時間単位で新機能やバグが盛られていくからそこはどうしようもない

4ちゃんとかここと比べてツイッターの日本人連中がプロンプト秘匿すんの陰湿だなぁと思ってたけど特定絵師の名前とか入ってたらそら我が身可愛さに秘匿するか

>>338
不具合報告あった

[BUG] optimized version endlessly hangs with batchsize > 1
https://github.com/hlky/stable-diffusion-webui/issues/337

不具合は不具合っぽいけど、書いてある通り複数枚出す時BatchCountの方を増やせば良いとも思う

>>344
な、なんかまだ早そうやな・・・
後一年待つわ

草

サイズの大きさと必要VRamの量の関係明らかにおかしいよねバグってんの？
それとも指数関数的に伸びてんのか

ssdの寿命をマッハにしてdirectstrageでTBサイズのメモリ領域とか出来んのかな

VRAMとメインメモリ間の転送速度はVRAMアクセスに比べたら地獄のように遅いから
仮想メモリって訳にはいかないだろうなぁ

>>340
おまえら、ほんまキモいな～
性に貪欲すぎんか

1.5ベータがあまり良くないらしい

by Makoto Shinkaiでよかったのがpainted by Makoto Shinkaiでなければなくなった可能性
https://boards.4channel.org/g/thread/88374906#p88375987

>>350
匿名と非匿名の違いだと思う
ふたばは4chanと変わらん

みんなしてcolabでSD動かしたせいでGPU使用制限入るってよ。ゲーミングPC買っとけ。

pythonのエラーで出たエラーメッセージをコピペミスで知らない間に貼り付けたら
めっちゃそれらしい絵が出てワロタ
多分こういう普通の人間が想像もつかないような呪文がまだまだ隠されてるんだろうな

>>354
VRAM使用量確認したけど、512x512以上は、ほぼピクセル数に比例する感じで特に指数的に増えているというわけじゃないですね

●解像度、オプション別メモリ使用量


●解像度、オプション別速度


やはり--optimized-turbeがお勧めです。
512x512未満の小さい画像を大量に作るならオプションなしが一番ですが、512x512以上なら速度もあまり変わらずメモリ使用量が少ない

余談：
これやって、webui.cmdはオプションを受け付けないって初めて知った
これまでwebui.cmd --optimized-turboしてたけど意味なかったｗ

今のところ以下で起動しないとだめですね。
python scripts\webui.py --optimized-turbo


測定条件：
portrait of anime girl, ((turquoise colored twintail)), digital cg art by Greg Rutkowski
Steps: 21, Sampler: k_lms, CFG scale: 7.5

2080Ti

プロンプト魔術はまだまだ未開
うちだとArmored Coreって入れるとアニメ絵の顔が途端に整いだしたから困ってる
アーマードコアにそんなに人間の顔出てないだろと
メカメカしくなるからかわいい絵を出したいときに使えんし

--optimized-turbo付けると画像が変わってしまうのは普通？

やっぱ制限入るのかｗ既視感のある流れだな
グラボ買うか迷うな今は時期が良いとか聞くけど

colab proにしたら24GBのGPUで月1000円か
Proでも制限入るのかな？

一番安くAI向けのPC組むなら
40xxが出た後に、型落ち処分の3090を買うことだと気が付いた
ゲーミング性能では4070並みらしいのが

>>363
情報ありがとう

Proが使用量制になるみたいだな
今までは空いてりゃ使えるし混んでりゃ制限されるよだったけど
これからは使用時間がカッチリ決まっててそれ以上は追加料金

無料は元々完全無保証なんでこれからどんどんキツくなるだろう

グーグル「あと、為替変動の連動制だから値上げしますね」

>>365
今試したらほぼ同じだった。　※ただし、バイナリレベルでは一致しない
ランダムシードになっているのでは？

portrait of anime girl, ((turquoise colored twintail)), digital cg art by Greg Rutkowski
Steps: 21, Sampler: k_lms, CFG scale: 7.5, Seed: 5


●オプションなし webui.cmd

Took 4.84s total (4.84s per image) Peak memory usage: 7424 MiB / 11264 MiB / 65.909%

●python scripts\webui.py --optimized-turbo

Took 5.17s total (5.17s per image) Peak memory usage: 5744 MiB / 11264 MiB / 50.988%

>>371
検証してくれてありがとう。
もう一回試してみるね

>>371
よく見ると、肩のところについてる謎の水色の水滴ぽいものの濃さが違いますね。
大きな違いではないけど、絵によっては目立つ違いになり得るのかも

optimizedは所々の演算精度を若干落としてるんでバイナリ一致は無い
けれども本当に若干なので出る結果に大きな影響も無い

それと演算精度を変えてるせいでTensorコアの無い10xxや9xx系だと推論速度への影響が大きい

後VRAM攻める人でGFPGANやESRGAN入れちゃった人は削除するか--cpu-gfpgan、--cpu-esrganの起動オプションをつけた方がいい
こいつらも起動時にVRAMに読み込まれて準備されるんで結構食われる

>>371
オプションありの方が
細部の描きこみのコントラストが強い、もしくはstepが1,2回多いような絵を吐きますね
（水滴、涙袋、ロゴに違いが出てる）

>>363
何となくしかわからなかったけど数値化ありがたい
アホみたいな理由だけどゲーム見ながら裏で遊べる

webuiは本流にしかない機能もあるのでお試しあれ
https://github.com/AUTOMATIC1111/stable-diffusion-webui
https://rentry.org/kretard

>>374
ありがとうございます。

python scripts\webui.py --optimized-turbo --gfpgan-cpu --esrgan-cpu

での測定を追加しました。
--gfpgan-cpu --esrgan-cpuにより解像度によらず、400MB～500MB程度VRAMが削減できるようですね。

速度はCPU,GPUの性能で違うと思いますが、3900X 2080Tiではこのオプション有無によらずほぼ同等、
あえて言えば高解像度で若干このオプションありのほうが速い結果でした。

>>374
有益情報ありがとうございます

Coladはなんかわかりにくいけどこのコンピューティングユニットってやつが来月から導入されるってことらしい

リソースがどれくらいかわからんからまだ待ちでいいかな

アーマードコア入れたら顔が整うって書いてあるからまたまた～と思って入れたら
本当に顔が整う率上がって笑う
でもアーマーって認識するのかたまに指示してないのに鎧を着だす

>>310
ちなみにcudaつかってるとこコメントアウトするだけでjupyter notebook使えればcpuだけで動くよ

>>377
流石に流れが早すぎて試す元気ないですけどｗ

・PNG チャンク情報として、プロンプト、パラメータ情報が画像に埋め込める
・特定フォルダに、学習済ptファイルを入れると、textual inversionが使える
・設定タブが追加されオプション変更ができる（起動時に確定しないとだめなものは変更不可っぽい）
・ユーザースクリプトがかける
　これによりSTEPやCFGを変えたバリエーションを作ることができる
・-lowvram 4GB VRAMでも512x512が可能　※optimizedとは別？

良さげな機能多いですね。hlkyか公式にマージされて欲しい

NMKD Stable Diffusion GUI - AI Image Generator
https://nmkd.itch.io/t2i-gui

colabは新しく制限が増えるんじゃなくて制限されても追加で買えるようにするって感じじゃないの？
使用量制限自体は今もあるしそもそも余ってるリソースを使わせるサービスなんだし
よくある質問に書いてあることがフワっとしてていまいちわかんないけど

絵からプロンプトを逆生成して欲しくなってきた

ポーズはこう

絵柄はこう

パースや背景は適当って指定でどれくらい描けるのか

>>351
ありがとう。安定版？のリポジトリじゃないほうのイシューにあったのですね。確かにバッチサイズが2のときは確実に再現しました。バッチサイズ1で繰り返し8だと8回完了後に固まったのでそれはまた別のバグかな…安定するまではOptimizedSDの方のGUI使っておきます

23億枚もの画像で構成された画像生成AI「Stable Diffusion」のデータセットのうち1200万枚がどこから入手した画像かを調査した結果が公開される
https://gigazine.net/news/20220831-exploring-stable-diffusions/

>>383
一番の目玉機能はimg2imgのSDアップスケール

hlkyの方がこれの分流なんだよ
今fork表記消えてるけど

>>340
二次コンテンツならコイカツで網羅できるしVRで現実にできる
一緒に作ろう！

>>390
> hlkyの方がこれの分流なんだよ
なるほど。知りませんでしたｗ

試すの面倒かなと思ったけど、簡単に試せたので、CFGとstepsを変えたマトリクスを作ってみました


これは検証便利！

portrait of anime girl, ((turquoise colored twintail)), digital cg art by Greg Rutkowski
Euler_a 512x512　Seed=5

貼り忘れ
DDIM　

>>363
わかりやすい
有用グラフありがとう

urlを貼れないのでAUTOMATIC1111版は4chanでヴォルデモート版と呼ばれている
なぜ貼れないのかは作者の別リポジトリを見ればわかる

>>381
だろう？
たまにロボ本体も出てくるようになるからどう使ったもんだか

>>374
ああ、あなたが神か
どっちもチェック入れたり使うまでは関係ないだろって思ってたわ
少しでも大きいのってoom出しながらギリギリ攻めてるので

Mjのtestは整いすぎて詰め込むと色々反映されないな

知識神と検証神のタッグで捗りまくりだ・・

cfgはミクさんみたいな単純呪文だと装飾の強度変化だけだけど
要望多いのに対して数値上げるととすぐブロックノイズみたいになるのよね
かといって減らしすぎると装飾呪文まで弱くなるという
MJの「::」みたいにそれぞれの強度って触れないのかな？[[[]]]()これくらい？
> Normalize Prompt Weights (ensure sum of weights add up to 1.0)
これも意味わからずチェック入ってるけど

あと
https://github.com/AUTOMATIC1111/stable-diffusion-webui
この別？のやつの下の方の
「Png info」と「txt2imghd」ってのはhlkyとはまた別に動いてるって認識でいいの？

weightについてはhlky版でもMJ風のが使えるらしいんだけど、これで使えてることになってるんだろうか

long hair girl:1.0, blue:2.0, red:0.5
Steps: 20, Sampler: k_euler_a, CFG scale: 7.5, Seed: 5


long hair girl:1.0, blue:0.5, red:2.0
Steps: 20, Sampler: k_euler_a, CFG scale: 7.5, Seed: 5


気になるのは同一シードの「girl」「girl:1」「girl:1.0」で全部結果が異なるところ
これが一緒だと納得なんだけど

中国のERNIE-ViLG、アニメ絵に格段に強いな
違和感ない初音ミクのイラストが余裕で生成されてる

>>400
hlkyは知らんけど
>気になるのは同一シードの「girl」「girl:1」「girl:1.0」で全部結果が異なるところ
>これが一緒だと納得なんだけど
たぶんエンコードするときに:1や:1.0も一緒に投げててそこもトークン化されて結果が変わってる

>>399
> Normalize Prompt Weights (ensure sum of weights add up to 1.0)
ウェイトの正規化処理なんだけどフォークによっては
ウェイトが付いてるトークンだけの合計値で割ってるパターンが多い

ウェイト周りは今は信用しないほうが無難で
そのうちしっかりしたのが広まるんじゃないかな

>>400,402,403
ありがとう・・メモメモ
みんなほんと詳しいな

hlkyでマスクペインティング実装あついな
Mask painting (NEW) 🖌: Powerful tool for re-generating only specific parts of an image you want to change

この手のサービス海外に持ってかれるとかツイッターじゃ喚いてるけど実際どうなん？
オープンソースだしどっかが勝つとかなくどんどん無料でできること広がってくイメージなんだが

>>406
>>227

>>403
> たぶんエンコードするときに:1や:1.0も一緒に投げててそこもトークン化されて結果が変わってる

その通りだった
プロンプト1語の時はウェイト部分パースせずに渡してた

シド・ミードによる「シャア専用ザク」のデザイン案

webuiのスライダーって←→キー効くんだね・・必死にプルプル合わせてた

>>409
現状のSDって版権を認識できてもキャラとかはわからないんだよね

>>410
知らなかった。ありがと
なんで数字入力できないんだよ！ってちょっとイライラしてたｗ

>>410
これは便利情報
数値入力できないスライダで微妙に困ってた

k_euler_aとか cfgの機能の説明ってどこで読める？

google?

>>414
このスレにも貼られているであろうguitardガイド

>>416
見つかりました、サンクス
CFG: Classifier free guidance scaleってのは高くすればaiのプロンプトの解釈の余地が上がるってことかな
Classifierってのがいまいちよくわからんけど

hlky版構築したけどGRiskの方が便利じゃない？
自動で全部保存してくれるんだもの

>>417
正確な意味は論文みたいなものしかなさそうで、正直理解できてないのですが、

Classifier Free Guidance Scale (how strongly the image should follow the prompt
どれだけプロンプトに忠実にイメージを作成するか

という数字なので大きい＝プロンプト通りになりやすいということだと思います。

portrait of anime girl, ((blonde twintail)), digital cg art by Greg Rutkowski
例えばこの例だと、CFG=0.5だとポートレイトになっていませんし、0.5～2.0あたりは、anime girlかも怪しいイメージです。



普通にtxt2imgで最初から作る場合は、デフォルトの7.5とかある程度大きい数字にすると思います。
img2imgなら、ベースになっている絵＋テキストのプロンプトで作成するので、
ベース絵からあまり逸脱しないよう小さい数字で調整していくというやり方もあるそうです。

手はどうしたらうまくいくのか
現時点では無理なのかな

>>418
hlkyも自動保存しますよ。

GRiskは基本機能もまだまだ未完成なので使う気はしませんが、
インストールは簡単ですし、GRiskの機能でいいならいいかもしれませんね

>>420
手を完璧にするのは難しく、Emadさんが「Stablist」Diffusionにならないとだめかもと言ってたｗ

とすると本当の実用になるのは意外に遠いのかも？　ある日サクッと改善しそうな気もするし分からないですね

手は、今のマスク機能がもっといい感じに動くようになったら
手の部分だけ何十回もゴリ押しで書き直すっていう解決策が使えるようになるけど
現状は手書きで治すしかないな

そういう意味でも今はちゃんと使うにはある程度の画力が必要

webuiの各種パラメーター情報って保存できないのかな？
ブラウザ起動時にポチポチやり直しは辛い・・cookie関係ないよね

>>384
img2imgっぽいのあるし良さそう

ただ起動してから追加インストール求められて環境汚れそうなのでここ以降試してない

>>424
configs/webui/webui.yaml が画面の初期状態を決める設定ファイルになってるよ

>>419
なるほど…マトリックスでみるとたしかにそうですね
ありがたい

>>425
横レスだけど初期設定情報ありがとう

手は手だけマスクしてStrength下げながら
ちょっと修正→img2img→ちょっと修正...
を繰り返すと馴染んでいくけど途中から画力ないと難しい上にめんどくさい

わしプログラミングとかよくわからんから適当にローカルで組んで一から動いて1枚生成されるのを確認して、それを30個分動かすバッチファイル作ってパワー型な生成作業をやってるんだけどみんなスマートやなすごいわ。

EmadさんDISCORD情報 2022/8/31

・1.5のサイズは今どのぐらい？　→　2.1GB。もっと小さくなる。
100MBなる。onnxとint8を使えば、モバイルでも使えると思う。　※1.5の話なのか将来の話なのか？
　でも山のように送られてきてる履歴書を処理しないと。　（人が足りない？）
　我々は教育、ヘルスケア、その他プロジェクトを扱える。基本的に一発(one shot)で解決できる
　 ※DiffuseはFoundamental Modelで各分野に同じ技術で(one shot)応用可能という意味？

・1.5は1.4と比べてどのぐらい生成速度は変わりますか？1.4も十分速いですが。
　→　パイプラインを最適化してA100で2秒（今の2倍の速度）で生成できるようにしている。

めっちゃ威勢がいいな

>>425
ありがとう！
今日はなんか色んな新しい知識で捗りまくりだ

>>422
GoogleAIのParti＋Imagenは破綻しないで指も書けるっぽい

>>429
バッチファイル作れるなら、これの下の方にあるuser script使えば同じようなもんだと思う。この例は、stepsとcfgでループしてる
https://github.com/AUTOMATIC1111/stable-diffusion-webui

AUTOMATIC1111インストールして >>402、起動時に--allow codeを付ける必要はある
minicondaで、
auto1111\scripts\activate
cd stable-diffusion
python stable-diffusion-webui/webui.py --allow-code

>>430
int8使えるなら4000シリーズ発売まで待つのが良さそう

AUTOMATIC1111版(本家webui)のUser scripts解説リンク
https://github.com/AUTOMATIC1111/stable-diffusion-webui#user-scripts

>>430
15まてばグラボ新調しなくてよくなるんかな

また質問、一応英語で検索したけどわからなかった

img2imgのMaskのヒントに
webuiのはイマイチだからphotoshop使った方がいいよみたいなこと書いてあるんだけど
マスクって具体的に何をしたらいいの？変更OKな部分を透明色にするとか？

1.5は8/29のツイートで6日後＝9/4予定なんだよね
予定通りリリースされるのかな

フィードバック今受けても直す暇なくない？って気がする
まあフィードバックの反映は1.6とかでもいいんだろうけど

>>432
へー。ならそこまで時間かからずに実現しそうな気がするね

モノ持たせるの難しい…

サンプラーの選択ってhlky版でしかできないの？
独自実装なのか…？

ERNIE-ViLGってローカル実行できるんだな
初音ミク、可愛い、pixivと入力するだけでこれが出るのやべぇわ
1枚24秒くらいでSDよりやや遅いけどアニメ絵に関しては性能が違い過ぎる

>>440
え？

>>442
本家のコマンドの説明とかスクリプトの中身をみてもk_euler_aとかどこにも出てこないんだが

mask壊れてるしRegenerate選択消えたよね？・・って念のため最新にしたら治ってた
つかAspect Ratio指定が増えてた

ERNIE-ViLG、裸どころか水着すら規制でアウトかよ！
流石中国だな…やっぱSD以外はどこも規制してくるよな

https://ommer-lab.com/research/latent-diffusion-models/
最近話題になってるの画像生成AIってこの技術の学習モデルを変えたものなのかな
企業が占有してる技術は分からんよな

しかも規制解除とか不可能な作りっぽいな、やっぱ最終的にこうなるのかって感じ
性能は凄いけど規制酷すぎでこっちはそんな盛り上がらないかも

>>443
名前が違う
開けばわかる

colaboはdeepfake禁止してるのでcolabo使ってる人はじつはやばいかもしれない

トランプとバイデンに腕相撲させた俺はアウトですか

>>441
かわいい

>>450
banですバンデン

ERNIE-ViLGローカル行けるんか

とは言え結局SDベースで自分で機械学習させる環境を作るのが最強っぽいな
GPUメモリがつれえ

>>448
というと？
ローカルのコマンドのみで複数のサンプラーを切り替えられたりすると？

ローカルも終了して防がれるのは時間の問題って感じだな
大満足の結果が出せるように改善された瞬間、叩かれてすぐに潰されそうだからチャンスは一瞬な気がする

>>454
webuiの話じゃなかったか…

初心者ですまん
人物二人以上を出力させるコマンドとかってある？握手とか肩組んだりとか出来ると嬉しい

黒髪の少女、制服、pixivって3つの単語を中国語で入れるだけでこれが出てくるんだよなぁ
プロンプトの秘匿とかすぐ意味なくなるだろって思ってたけど数日でそうなるとはな

なかなか繋がらない
https://hf.space/embed/PaddlePaddle/ERNIE-ViLG/+?__theme=dark

>>437
たぶん、
生成元画像と生成後画像の2枚をマスクで指定した範囲（＋ぼかし）で合成してるだけだから
それだけのことならフォトショで手元で合成した方が結果良いよねって事だと思う

>>457
複数形にしてるとちゃんと人数に影響するね

理想の初音ミクさんできたお

私の新しい妻です

pixivをfanboxに変えたらどうなる？
精度がもっと高まりそう

hlky版のvariationの説明はプルリクに書いてあるんだけど
うーん、わからない
https://github.com/hlky/stable-diffusion-webui/pull/307

>>460
何のことだろうって思ったけどそれだな
手は自力で手直しした方が早いよ、が今のところの公式見解

>>462
illustration style by pixiv fanboxに類する呪文はまあまあ使えると思う

>>457
例えば
a portrait of two teenage school girls
みたいな感じで書けば複数人数の指定自体はできる
ポーズの指定は人物が一人の時でもなかなか狙ったとおりにはいかないから子供の落書きみたいな線でも良いから構図を描いてimg2imgの方が良いかもしれない

>>460
>>465
ありがとう！！

しかしここまで次々出てくると、絵を描くっていうのは機械にとっては簡単な事なんだろうなと認めざるを得んな
その一方で、人間ならどんな奴でもできる言語の意味理解がいつまで経っても進まないのは
何かしら宇宙の意図みたいなもんを感じる

無視される確率高いけど「風呂」は一応ありなんだ、水着はアウトなのに中国の検閲基準謎過ぎんよ
色々研究しないと分からんな

いうてこのまま高度化していったらフェイクポルノとかフェイクニュースの画像作成が容易になって規制まっしぐらな気しかしないけどな
Googleが作ったpartiの記事見てて思った

>>467
>>469
【Midjourney】AI関連総合【StableDiffusion】
http://2chb.net/r/cg/1661853927/

>>460
あー・・あのUIが使いにくいから、
「他ソフトで不要部分PNG透明にして取り込んだら逆マスクになるよー」
とかって意味と勘違いしたわ
> You will probably get better results manually masking your images in photoshop instead.

>>437,471
試してないけど、inpaint.pyの--indirオプションのヘルプで、
"dir containing image-mask pairs (`example.png` and `example_mask.png`)",

とあるから、_mask.png　（多分白黒。　0.5以上は1、0.5以下は0）を作ればマスクになるのではという気がする。
ちゃんと調べてない適当な予想だけど

>>460
インペインティングってそんな単純なやつだったんか
じゃあ顔補正もおなじかんじなんだろか