オープンソース画像生成AIの今～Stable Diffusionとウェブで画像生成できるAUTOMATIC1111入門

関西オープンフォーラム2023発表資料です
2023年11月11日(土)
#KOF2023

Transcript

1. 1 オープンソース画像生成AIの今 さくらインターネット株式会社 Technical Communicator / Engineer 前佛 雅人 (@zembutsu) 2023年11月11日(土) 関西オープンフォーラム 2023 Stable Diffusion とウェブで画像生成できるAUTOMATIC1111入門
2. 2 前佛 雅人 @zembutsu ES本部 教育企画部（いわゆる人事部です！） ぜ ん ぶ つ ま さ ひ と ⚫ ランニング ⚫ 料理 ⚫ 日本酒 ⚫ 現代視聴覚 ⚫ ゲーム ⚫ 趣味としての GenAI 日本一Dockerに詳しい人事（自称） Docker Meetup Kansai or Osaka 復活したい
3. 3 Optimizing Deep Learning Workflows: Leveraging Stable Diffusion and Docker on WSL2 | Docker https://www.docker.com/blog/stable-diffusion-and-docker-on-wsl2/
4. さくらのクラウド《GPUプラン》ハンズオン～Stable Diffusionを使用したファンジーアートの作り方 - Qiita https://qiita.com/zembutsu/items/ae7809501b7e07700cf9
5. お断り • この情報発信は、技術情報の共有が目的です。 • 個人の意見・発表であり、所属組織の意見を代表するものではありません。
6. 6 生成AI GenAI
7. すべての社会人に「生成AI」スキルが求められる時代 7 「生成AI時代のDX推進に必要な人材・スキルの考え方」 を 取りまとめました （METI/経済産業省） https://www.meti.go.jp/press/2023/08/20230807001/20230807001.html プレス発表 生成AI関連の記載をデジタルスキル標準と ITパスポート試験に追加 | プレスリリース | IPA 独立行政法人 情報処理推進機構 https://www.ipa.go.jp/pressrelease/2023/press20230807.html
8. ITパスポート試験も一部改訂：「生成AIに関する項目・用語例の追加」 8
9. AI • 「人工知能(AI)」 の決まった定義はない。「知能」や「知性」の解釈が異なる。 • 一方「人工」＝「人の手を加えた、自然のままではない」については合意 9 AI (Artificaial Intelligence) 知識 探索・推論 機械学習・特徴表現学習 ディープラーニング 生成AI 対話型 (プロンプト)
10. 言語モデル • 文章の出現しやすさを、確率によってモデル化し、単語の出現傾向を学習 10 I ？ a pen
11. 言語モデル • 文章の出現しやすさを、確率によってモデル化し、単語の出現傾向を学習 11 I have a pen I am a pen 😄 🤔 I ？ a pen
12. 文字生成の ChatGPT とは？ • OpenAI 社が 2022年12月に発表した、いわゆる生成AIのサービス。 • プロンプトと呼ばれる「命令」（条件）に基づく処理を行い、結果を出力する ように訓練されている。 • インターネット上の情報を元に、機械学習と人間による手作業の補正に よって組み上げられた大規模言語モデル(LLM)の GPT を持つ。 12 Large Language Model Generative Pre-trained Transformer
13. 13 画像生成AI
14. 画像生成モデル • Discriminative Modeling（識別的モデリング） • 十分なデータがあれば、ある作者が描いた絵かどうかを予測し、識別する • Generative Modeling（生成モデリング） • 与えられたデータ群に類似した新しいデータを確率で予測し生成する 14 https://en.wikipedia.org/wiki/Portraits_of_Vincent_van_Gogh#/media/File:Vincent_Willem_van_Gogh_102.jpg
15. 15 https://en.wikipedia.org/wiki/Portraits_of_Vincent_van_Gogh POINT ゴッホの絵だとは分かる だけど自分では描けない
16. 画像生成モデル • “Denoising diffusion models” (DDM) • ノイズ除去によって “diffusion”(拡散) 手順を遡る方法を予測 • ランダムなノイズを与えた文字（プロンプト）に一致する画像に変える Mathematical Foundation of Diffusion Generative Models | Binxu Wang https://scholar.harvard.edu/binxuw/classes/machine-learning-scratch/materials/foundation-diffusion-generative-models
17. 画像生成モデルとオープン化 • 2021年1月 OpenAI が DALL-E を発表（モデル非公開） • 2022年2月 Midjourney v1 リリース（モデル非公開） • 2022年4月 DALL-E 2 を発表（モデル非公開） • OpenAI 社が著作権を保持 • 2022年7月 Midjourney v3 モデルのオープンベータ提供開始 • 商用ライセンスを持つモデル • 生成者が著作権を保持 • 2022年8月 Stable Diffusionの一般公開 • GitHub 上にソースコードを公開(MITライセンス) • https://github.com/Stability-AI/stablediffusion 17
18. Stable Diffusion with Diffusers • https://github.com/huggingface/diffusers • PyTorch で生成できる • Apache-2.0 License • Python の diffusers ライブラリで Stable Diffusion を操作 • pip install diffusers .... 18 Stable Diffusion with 🧨 Diffusers https://huggingface.co/blog/stable_diffusion prompt = "a photograph of an astronaut riding a horse" image = pipe(prompt).images[0] # you can save the image with # image.save(f"astronaut_rides_horse.png")
19. 学習と生成の過程 19 encode decode A walk through latent space with Stable Diffusion https://keras.io/examples/generative/random_walks_with_stable_diffusion/ 画像に戻す 文字情報（プロンプト）を準備 ベクトルに変換 ランダムノイズを加える モデル生成 補完する画像を作る
20. 文字の命令(プロンプト)によって画像を生成できるようになった 20 best quality,Amazing,finely detail,extremely detailed CG unity 8k wallpaper, sakurahaai, space cat,crazy situation Negative prompt: (worst quality:2), (low quality:2), (normal quality:2) Steps: 135, Sampler: Euler a, CFG scale: 8, Seed: 1017978171, Size: 768x512, Model hash: 7f836ba907, Model: sakurahaai-v1, Clip skip: 2 3424160586
21. Stable Diffusion と モデル • 2022年8月にリリースされたモデル LAION-5B • CompVis、 Stability AI、LAION がモデルのトレーニング • 8GB 程度の VRAM を搭載した GPU でも動作する • 画像モデルは Stable Diffusion と異なるライセンス • そもそも、違法・有害なコンテンツの意図的な作成・共有はできない • 開発者は一切権利を主張せず、利用者は「自由」に使えるが、ライセンス遵守必要 • 再配布や商用サービスの利用ができるが、ライセンスを継承する必要 • 議論点 • 「オープンソース」ライセンスと「オープン」（vs プロプライエタリソフトウェア）の文脈 21 License - a Hugging Face Space by CompVis https://huggingface.co/spaces/CompVis/stable-diffusion-license stable-diffusion-license
22. 画像生成AIの論点 • 学習過程：そのデータはどこのデータ？ • 学習元データの存在 • Stable Diffusion の画像データとキャプション文字の出所は CC BY-SA 3.0 とされる / NSFW • 技術：画像生成AIは単に著作権保護された画像生成ではない • Stable Diffusion 等から学習元画像の再現を試みたが、成功したのは少ない[1] • 配布・著作物：国ごとの法的解釈の違い • 著作権法（日本）と文化庁の方針[2] • 『「アイディアは、著作物に該当せず、著作権法では保護されない」』 『画家の画風自体は保護しない（画風が類似していても著作権侵害とはしない）』 • 『「AI開発・学習段階」は利用可能、「生成・利用段階」で著作権者の利益を不当に害する場合等は許諾が必要』 • フェアユース（米国） 22 [1] Extracting Training Data from Diffusion Models https://arxiv.org/abs/2301.13188 [2] 令和5年度著作権セミナー「AIと著作権」 文化庁著作権課 https://www.bunka.go.jp/seisaku/chosakuken/pdf/93903601_01.pdf
23. 学習過程 23
24. 24 AUTOMATIC1111
25. AUTOMATIC1111 • Stable Diffusion 用ウェブユーザインタフェースの1つ • https://github.com/AUTOMATIC1111/stable-diffusion-webui • プログラミングやコマンド実行不要 • テキストの画像化等の基本機能 • 様々なモデルの切り替えや拡張が簡単 • AGPL-3.0 License 25
26. 26 AUTOMATIC1111のセットアップ
27. AUTOMATIC1111 セットアップ方法 • 公式ドキュメント参照 https://github.com/AUTOMATIC1111/stable-diffusion-webui • Windows であれば、Docker Desktop + WSL2 は楽 • Windows 側で GPU を認識していたら、Docker 側では何もしなくても自動認識 • 不要になれば、すぐ消せる ( docker compose down → ディレクトリを削除 ) • Linux も Docker Compose は楽、とにかく楽 ( GPU ドライバ等は別途必要 ) • コマンド4つで入る • 詳細： さくらのクラウド《GPUプラン》ハンズオン～Stable Diffusionを使用したファンジーアートの作り方 - Qiita https://qiita.com/zembutsu/items/ae7809501b7e07700cf9 27 git clone https://github.com/AbdBarho/stable-diffusion-webui-docker.git cd stable-diffusion-webui-docker docker compose --profile download up --build docker compose --profile auto up --build
28. Docker Compose を使ったAUTOMATIC1111環境構築 28
29. テキストから画像を生成 • 「txt2img」 • 文字（プロンプト）を入力し、画像を生成 29
30. demo • LIVE DEMO 30
31. ディレクトリ構成 • 画像の保存先 • Dockerの場合「~/stable-diffusion-webui-docker/outputs/txt2img」 • 他のモデルの追加 • 「~/stable-diffusion-webui-docker/data/StableDiffusion/」に ダウンロードしたモデル「.safetensors」等を置き、WebUI の Reload • 正常に読み込まれると “Stable Diffusion checkpoint”に表示 • VAEは「.skpt」を「data/VAE/」以下に 31
32. 32 振り返り
33. オープンソース画像生成AIの現状 • 生成AI (GenAI) • この1年で劇的に状況が変わった • 仕組みはオープンソース、モデルは自由に使えるライセンス • 画像生成AIとStable Diffusion • 簡単に使える Web UIの AUTOMATIC1111
34. 参考文献・リファレンス • Stable Diffusion with 🧨 Diffusers • https://huggingface.co/blog/stable_diffusion • Diffusers • https://huggingface.co/docs/diffusers/index • Stability-AI/stablediffusion: High-Resolution Image Synthesis with Latent Diffusion Models • https://github.com/Stability-AI/stablediffusion • stable-diffusion-webui • https://github.com/AUTOMATIC1111/stable-diffusion-webui • AUTOMATIC1111/stable-diffusion-webui Wiki • https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki • AbdBarho/stable-diffusion-webui-docker: Easy Docker setup for Stable Diffusion with user-friendly UI • https://github.com/AbdBarho/stable-diffusion-webui-docker • Generative Deep Learning, 2nd Edition, David Foster, O’Reilly 34
35. Enjoy! • ご質問ございますか？ Twitter: 個人用 @zembutsu 仕事関係 @zembutsu_works Instagram: @zembutsu さくらのクラウド《GPUプラン》ハンズオン～Stable Diffusionを使用したファンジーアートの作り方 - Qiita https://qiita.com/zembutsu/items/ae7809501b7e07700cf9