数十の属性でリアルな人物画像を生成する方法

顧客は、年齢、性別、顔の特徴、髪型など、数十の指定属性に基づいて、フォトリアリスティックな人物の画像データセットを生成する必要がありました。主な難しさは、これほど多くの属性を制御することにあり、すべてを1つのプロンプトに入れると競合が発生し、特徴が失われる原因となりました。このプロジェクトは、現在の生成系サービスの前に、Singularisチームによって行われました。彼らはDALL-E、Midjourney、およびさまざまなStable Diffusionバージョンを比較し、顧客はStable Diffusionベースのローカルソリューションを選択しました。パイプラインでは、複数のアプローチが使用されました：ベース画像用のテキストから画像への生成、属性の追加や変更用の画像から画像への生成、参照ベースの制御用のControlNetとIPアダプタ、長いプロンプト用のCompelです。また、どの属性を一緒に設定できるか、どの属性を段階的に追加すべきかを決定するための属性互換性マトリックスも作成しました。複雑な組み合わせを段階に分割することで、眼鏡などのアクセサリーを追加したり、性別を変更したりする際に、顔の類似性を維持するのに役立ちました。また、予測可能性を向上させるために、各属性のキーワード推奨も準備しました。