picasso-diffusion-1-1

Picasso Diffusion 1.1 Model Card

Title: Welcome to Scientific Fact World.

English version is here.

はじめに

Picasso Diffusionは、約7000GPU時間をかけ開発したAIアートに特化した画像生成AIです。

ライセンスについて

ライセンスについては、もとのライセンス CreativeML Open RAIL++-M License に例外を除き商用利用禁止を追加しただけです。 例外を除き商用利用禁止を追加した理由は創作業界に悪影響を及ぼしかねないという懸念からです。 営利企業にいる方は法務部にいる人と相談してください。 趣味で利用する方はあまり気にしなくても一般常識を守り、お使いください。

法律について

本モデルは日本にて作成されました。したがって、日本の法律が適用されます。 本モデルの学習は、著作権法第30条の4に基づき、合法であると主張します。 また、本モデルの配布については、著作権法や刑法175条に照らしてみても、 正犯や幇助犯にも該当しないと主張します。詳しくは柿沼弁護士の見解を御覧ください。 ただし、ライセンスにもある通り、本モデルの生成物は各種法令に従って取り扱って下さい。

使い方

手軽に楽しみたい方は、こちらのSpaceをお使いください。 モデルはsafetensors形式やckpt形式からダウンロードできます。

以下、一般的なモデルカードの日本語訳です。

モデル詳細

• モデルタイプ: 拡散モデルベースの text-to-image 生成モデル

• 言語: 日本語

• ライセンス: CreativeML Open RAIL++-M-NC License

• モデルの説明: このモデルはプロンプトに応じて適切な画像を生成することができます。アルゴリズムは Latent Diffusion Model と OpenCLIP-ViT/H です。

• 補足:

• 参考文献:

  @InProceedings{Rombach_2022_CVPR,
      author    = {Rombach, Robin and Blattmann, Andreas and Lorenz, Dominik and Esser, Patrick and Ommer, Bj\"orn},
      title     = {High-Resolution Image Synthesis With Latent Diffusion Models},
      booktitle = {Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
      month     = {June},
      year      = {2022},
      pages     = {10684-10695}
  }
  

モデルの使用例

Stable Diffusion v2と同じ使い方です。 たくさんの方法がありますが、２つのパターンを提供します。

• Web UI
• Diffusers

Web UIの場合

Stable Diffusion v2 の使い方と同じく、ckpt形式、またはsafetensor形式のモデルファイルとyaml形式の設定ファイルをモデルフォルダに入れてください。 詳しいインストール方法は、こちらの記事を参照してください。 なお、xformersをインストールし、--xformers --disable-nan-checkオプションをオンにすることをおすすめします。そうでない場合は--no-halfオプションをオンにしてください。

Diffusersの場合

🤗's Diffusers library を使ってください。

まずは、以下のスクリプトを実行し、ライブラリをいれてください。

pip install --upgrade git+https://github.com/huggingface/diffusers.git transformers accelerate scipy

次のスクリプトを実行し、画像を生成してください。

from diffusers import StableDiffusionPipeline, EulerAncestralDiscreteScheduler
import torch

model_id = "alfredplpl/picasso-diffusion-1-1"

scheduler = EulerAncestralDiscreteScheduler.from_pretrained(model_id, subfolder="scheduler")
pipe = StableDiffusionPipeline.from_pretrained(model_id, scheduler=scheduler, torch_dtype=torch.float16)
pipe = pipe.to("cuda")

prompt = "anime, masterpiece, a portrait of a girl, good pupil, 4k, detailed"
negative_prompt="deformed, blurry, bad anatomy, bad pupil, disfigured, poorly drawn face, mutation, mutated, extra limb, ugly, poorly drawn hands, bad hands, fused fingers, messy drawing, broken legs censor, low quality, mutated hands and fingers, long body, mutation, poorly drawn, bad eyes, ui, error, missing fingers, fused fingers, one hand with more than 5 fingers, one hand with less than 5 fingers, one hand with more than 5 digit, one hand with less than 5 digit, extra digit, fewer digits, fused digit, missing digit, bad digit, liquid digit, long body, uncoordinated body, unnatural body, lowres, jpeg artifacts, 3d, cg, text, japanese kanji"
images = pipe(prompt,negative_prompt=negative_prompt, num_inference_steps=20).images
images[0].save("girl.png")

注意:

• xformers を使うと早くなります。
• GPUを使う際にGPUのメモリが少ない人は pipe.enable_attention_slicing() を使ってください。

想定される用途

• 自己表現
  • このAIを使い、「あなた」らしさを発信すること
• 画像生成AIに関する報道
  • 公共放送だけでなく、営利企業でも可能
    • 画像合成AIに関する情報を「知る権利」は創作業界に悪影響を及ぼさないと判断したためです。また、報道の自由などを尊重しました。
• 研究開発
  • Discord上でのモデルの利用
    • プロンプトエンジニアリング
    • ファインチューニング（追加学習とも）
      • DreamBooth など
    • 他のモデルとのマージ
  • 本モデルの性能をFIDなどで調べること
  • 本モデルがStable Diffusion以外のモデルとは独立であることをチェックサムやハッシュ関数などで調べること
• 教育
  • 美大生や専門学校生の卒業制作
  • 大学生の卒業論文や課題制作
  • 先生が画像生成AIの現状を伝えること
• Hugging Face の Community にかいてある用途
  • 日本語か英語で質問してください

想定されない用途

• 物事を事実として表現するようなこと
• 収益化されているYouTubeなどのコンテンツへの使用
• 商用のサービスとして直接提供すること
• 先生を困らせるようなこと
• その他、創作業界に悪影響を及ぼすこと

使用してはいけない用途や悪意のある用途

• デジタル贋作 (Digital Forgery) は公開しないでください（著作権法に違反するおそれ）
  • 特に既存のキャラクターは公開しないでください（著作権法に違反するおそれ）
• 他人の作品を無断でImage-to-Imageしないでください（著作権法に違反するおそれ）
• わいせつ物を頒布しないでください (刑法175条に違反するおそれ）
  • いわゆる業界のマナーを守らないようなこと
• 事実に基づかないことを事実のように語らないようにしてください（威力業務妨害罪が適用されるおそれ）
  • フェイクニュース

モデルの限界やバイアス

モデルの限界

• 拡散モデルや大規模言語モデルは、いまだに未知の部分が多く、その限界は判明していない。

バイアス

• 拡散モデルや大規模言語モデルは、いまだに未知の部分が多く、バイアスは判明していない。

学習

学習データ

Danbooruなどの無断転載サイトを除く、国内法に準拠したデータとモデル。

学習プロセス

• ハードウェア: A100 80GB, V100

評価結果

第三者による評価を求めています。

環境への影響

• ハードウェアタイプ: A100 80GB, V100
• 使用時間（単位は時間）: 7000
• 学習した場所: 日本

参考文献

@InProceedings{Rombach_2022_CVPR,
    author    = {Rombach, Robin and Blattmann, Andreas and Lorenz, Dominik and Esser, Patrick and Ommer, Bj\"orn},
    title     = {High-Resolution Image Synthesis With Latent Diffusion Models},
    booktitle = {Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
    month     = {June},
    year      = {2022},
    pages     = {10684-10695}
}

*このモデルカードは Stable Diffusion v2 に基づいて書かれました。