Stable Diffusionの画像サイズとクオリティ【AIアート】

Stable Diffusionの画像サイズとクオリティ【AIアート】

文字列から絵を書いてくれるAI。最近流行ってますね。
Stable Diffusion、Dall-E2、Midjournyなどありますが、
今回はStable Diffusionをローカル環境に構築して実験したものになります。
少し考えれば当たり前ですが画像サイズによって画質や絵の緻密さが大きく変わるんですよね。
ふと気になってどれくらい変わるのかを比較してみたくなりました。
ご興味があればお付き合いください。

実験環境

実験を行った我が家のPCのスペックは以下の通りです。

内容 詳細
OS Windows 11 Pro
CPU 12th Gen Intel(R) Core(TM) i5-12400 2.50 GHz
メモリ 32.0 GB (31.8 GB 使用可能)
GPU NVIDIA GeForce RTX 3060 12GB

確認できた幅と高さの組み合わせ

僕の環境では以下の幅・高さの画像生成(txt2img)を行うことができました。
640×320または320×640がピクセル数最大です。

高さ ピクセル数 出力成功or失敗
128 128 16384 ×
192 192 36864 ×
256 256 65536
320 320 102400
892 128 114176
128 896 114688
128 960 122880
960 128 122880
128 1024 131072
1028 128 131584
192 704 135168
704 192 135168
192 768 147456
256 576 147456
384 384 147456
576 256 147456
192 832 159744
832 192 159744
192 896 172032 ×
704 256 180224 ×
576 320 184320 ×
512 384 196608
448 448 200704
320 640 204800
640 320 204800
576 384 221184 ×
704 320 225280 ×

画像の比較

高さ、幅以外すべて以下のプロンプトで比較しています。
※–W:幅 –H:高さ xxxxにはサイズを表す数字が入ります。

scripts/txt2img.py --prompt "cat" --plms --n_iter 1 --W xxxx --H xxxx --seed 1 --ddim_steps 100 

では、ピクセルのサイズの小さいものから順にいきます。

256×256(65536px)

384×256(98304)

320×320(102400px)

704×192(135168px)

384×384(147456px)

576×256(147456px)

832×192(159744px)

512×384(196608px)

448×448(200704px)

640×320(204800px)

おまけ縦長

192×704(135168)

384×512(196608)

320×640(204800)

まとめ

いかがでしたでしょうか?
とあるサイトを参考に構築したので最初384×256(98304px)のサイズで検証していました。
そのサイズでは少しStable Diffusionで遊ぶには画像の品質的に問題がありそうです。
大きいサイズの方が画質が上がるのは当然ですがネコの精度も違うように見えます。
ピクセル数が大きくなればより緻密な絵が描けるということでしょうか。

また、縦長画像は横長もしくは正方形に比べ
どうも造形に違和感を感じるものが多いように感じています。
結論付けるのはまだ早いですが今後検証が必要です。

おわり

AIアート C# DXの設計書 Git GitHub GitHubサーベイ MovingWordpress Python stablediffusion Twapi Visual Studio VSCode Wordpress WPF ソフトウェア開発実演 ツール データサイエンス フォロワーを増やしたい ブログ収益化 ブログ記事整理プロジェクト プログラマーとは プログラミング プロジェクトマネジメント ワードプレスの引っ越し 僕が会社をやめた理由


コメントを残す

メールアドレスが公開されることはありません。