第9回 二人組の複雑ポーズで、生成側と検品側はどこまで混乱するのか
前回は、コハネとレンチの二人に肩組み、抱擁、おんぶ、コブラツイスト風、アクロヨガなどの密着ポーズを取らせた。
その結果、大きな人体構造は比較的安定していた一方、
- 腕同士の境界が曖昧になる
- 手指が融合する
- 指の所属が分かりにくくなる
- 重心や支持位置が不自然になる
- 観測コメント側が局所破綻を見落とす
といった問題が確認された。
今回はその続きとして、二人組のポーズをさらに複雑化する。
ディップ、お姫様抱っこ、背中合わせで腕と脚を絡めるポーズ、最後は上半身に四本の腕を集中させる密着ポーズまで試した。
今回も観測するのは、単純な手足の本数だけではない。
- 腕と脚がそれぞれ本来の人物へ接続されているか
- 二本存在することを確認した後に、余分な三本目が存在しないか
- 手のひらそのものが増殖していないか
- 肘から先の前腕と手が自然につながっているか
- 左右の足として自然な構造になっているか
- 靴や靴下など、人物ごとの衣装属性が混線しないか
- 複雑な指定を、生成側がより簡単な典型ポーズへ置き換えないか
- 観測コメント側が、それらを正しく検品できるか
まで確認した。
今回も白い無地背景の全身立ち絵を基本条件とし、人物と四肢を追いやすくした。
使用した参照画像と衣装
今回も、コハネとレンチの基本立ち絵を人物参照として使用した。
コハネは、顔立ち、茶色の短い髪、赤い差し色、目の色、頭身、体格を維持する。
衣装は、
- 生成りの半袖ブラウス風トップ
- くすみオレンジから赤茶系の膝上丈Aラインワンピース
- 細いベルト
- 明るいベージュの短丈ボレロまたはショートジャケット
- 白系の短い靴下
- 明るいベージュ系のストラップシューズ
とした。
レンチは、顔立ち、短い黒紺の髪、青い目、紺のヘアバンド、後ろの小さな結び、頭身、体格を維持する。
衣装は、
- 深い青緑系を基調とした膝上丈のクラシカルドレス
- 濃い青系の短い靴下
- 濃いブラウンから黒系の編み上げショートブーツ
とした。
二人とも、双眼鏡、バッグ、観測道具、工具などの小物は外した。
膝、靴下、靴まで人物ごとに色と形を変えることで、脚の所属を確認しやすくしている。
生成条件
- 白い無地背景
- 全身が見える二人組
- アニメ調
- コハネとレンチの参照画像を使用
- 前回と同じ衣装
- 小物なし
- 頭から靴まで画面内に収める
- 「腕は二本」「手は二つ」などの救済指定は基本的に入れない
- 生成後の修正指示は行わない
- ポーズを一段ずつ複雑化する
- 生成結果は、全体構造だけでなく局所まで検品する
今回の流れは次のとおり。
- 通常のディップ
- 深いディップ
- お姫様抱っこ
- 背中合わせで腕と脚を絡める
- 上半身へ四本の腕を集中させる密着ポーズ
1枚目：通常のディップ
最初は、レンチがコハネを支えるダンスのディップポーズにした。
レンチは片腕をコハネの背中から腰付近へ回して支える。
コハネは上半身を斜め後方へ倒し、片脚を床につけ、もう片方の脚を膝から曲げて少し持ち上げる。
さらに二人の空いている手同士をつなぎ、外側へ伸ばすよう指定した。
最初の観測コメント
最初の確認では、
- ディップポーズは成立
- 二人とも腕二本、脚二本
- 大きな増殖や欠損は見られない
- レンチの支持腕も自然
- 手指も比較的安定
と判断した。
しかし、これは大きな見落としだった。
再検品
実際には、
コハネの脚が一本しか確認できない。
上げた脚は存在するが、もう一方の脚が胴体から自然につながっていない。
さらに、レンチがコハネの腰を支えている左手付近では、手指が二人分重なったような構造になっている。
コハネの右手も、指の本数と接続が不自然だった。
つまりこの画像では、
- コハネの脚が一本欠損
- レンチの左手付近で手指が融合
- コハネの右手指が破綻
- 手をつなぐ指定は無視
という複数の問題が同時に発生していた。
判定
ディップの大構造は成立したが、人体は明確に破綻。
さらに、観測コメント側が最初の検品でこれらをほぼすべて見落とした。
今回の開始時点から、生成側と検品側の両方に混乱が現れた。
2枚目：深いディップ
次は、より深く身体を倒すディップへ進んだ。
レンチは両腕でコハネを支える。
片腕は背中から肩甲骨付近へ、もう片方は腰から骨盤付近へ回す。
コハネは頭がレンチの腰より低くなるほど大きく身体を倒し、片腕をレンチの肩から首元へ回し、もう片方の腕を外側へ伸ばす。
最初の観測コメント
最初の確認では、
- 二人とも腕二本、脚二本
- 四肢の所属も成立
- 大きな人体破綻なし
- コハネの外側の手指だけ少し不自然
- 支持位置は指定より簡略化
と判断した。
しかし、ここでも観測コメント側が重要な破綻を見落としていた。
再検品：コハネの腕が三本
コハネの腕を接続元から追い直すと、
- 画面左下へ伸ばしている腕
- レンチの首へ回している腕
- 腰付近から出ている余分な腕
の三本が存在していた。
つまり、
コハネは腕三本。
観測コメント側は、正常な二本を見つけた段階で確認を終了し、余分な三本目を探していなかったと考えられる。
足の左右構造も怪しい
さらにコハネの両足を靴の形まで確認すると、左右の足として自然に描き分けられておらず、
両方とも同じ側の足を複製したように見える。
脚の本数だけを数えれば二本ある。
しかし、左右の足として正しい人体構造になっているとは言いにくい。
判定
大構造は成立しているが、人体は失敗。
- コハネの腕が三本
- コハネの左右の足の構造が不自然
- 手指にも局所的な違和感
- レンチの支持位置は指定より簡略化
となった。
そして観測コメント側は、時間をかけて検品したにもかかわらず、最初は三本目の腕を見落とした。
3枚目：お姫様抱っこ
次は、レンチがコハネをお姫様抱っこする。
レンチは片腕をコハネの背中から肩甲骨付近へ回し、もう片方の腕をコハネの両膝の下へ通して支える。
コハネは両脚を曲げて床から浮かせ、片腕をレンチの肩から首元へ回し、もう片方の腕を胸元へ添える。
結果
今回の中では非常に安定した。
コハネは腕二本、脚二本。
レンチも腕二本、脚二本。
明確な余分な腕や脚、手の増殖は見られなかった。
コハネの両足、レンチの両足も確認できる。
手指も、前のディップ二枚に比べるとかなり自然だった。
支持位置はプロンプトより自然な形へ変更
一方、レンチの腕の位置は指定どおりではなかった。
指定では、
- 片腕を肩甲骨付近
- もう片方を両膝の下
としていた。
生成結果では、実際のお姫様抱っこでよく見られる、より自然な位置へ腕が置き換えられている。
前回のアクロヨガでは、プロンプトへ忠実に従った結果、物理的に無理のある姿勢が生成された。
今回は逆に、細かな支持位置を多少無視してでも、
「お姫様抱っことして自然な典型形」
を優先したように見える。
コハネのスカートに別の衣服が追加されたように見える
人体は安定していた一方、コハネのスカート周辺では別の問題が発生した。
脚を上げたことでスカートの内側が見える構図になったが、生成結果ではスカート丈そのものを自然に調整するのではなく、
スカートの下へ別の内側スカートやペチコートのような衣服を追加した
ように見えた。
人体ではなく衣装側で、不自然な補完が行われた例となった。
ファイル名も荒ぶる
なお、この画像だけ生成時のファイル名が、
「青いドレスの少女と抱かれる少女♀♀♀♀♀♀……」
という妙に属性ラベルの強い名前になった。
人体とは関係ないが、今回の小さな観測ポイントとなった。
判定
人体は成功。
- 四肢の本数：成功
- 四肢の所属：成功
- 手指：大きな破綻なし
- お姫様抱っこの大構造：成功
- 支持位置：プロンプトより自然な典型形へ変更
- コハネの衣装：スカート内側に不自然な追加レイヤー
今回の範囲では、お姫様抱っこは非常に強かった。
4枚目・5枚目：背中合わせで腕と脚を絡める
次は、定番の技名を使わず、身体配置だけを文章で指定した。
二人は背中合わせ。
中央側の腕を後方へ曲げ、背中側で肘付近を絡める。
下半身では中央側の脚を交差させる。
この生成では、なぜか一度の指示から二枚の画像が生成されたため、両方を観測した。
4枚目：1枚目
ぱっと見では、背中合わせで脚を交差させたポーズとしてかなり自然に見える。
最初の観測コメントでも、
- 上半身はかなり成功
- 腕の本数は問題なし
- 脚も四本追える
- 大きな人体破綻は見当たらない
と判断した。
しかし、再検品すると下半身に大きな問題があった。
レンチの左脚が途中で消失
レンチの右脚は確認できる。
一方、左脚は太もも付近まではかろうじて見えるが、その先の膝下から足先が消失している。
さらに、本来レンチの左脚へつながるはずの濃紺ソックスとブーツが、
コハネの左脚の先へ接続されたように見える。
つまり、
- レンチの左脚は途中で欠損
- コハネの左脚へレンチの靴下・靴属性が混線
している。
コハネの左腕も破綻
コハネの左腕は肘までは追える。
しかし、肘から先の前腕と手の形が不自然で、背中側の腕同士を絡めようとした部分で構造が崩れている。
判定
大構造は成立しているが、人体は失敗。
- レンチの左脚が途中消失
- コハネの左脚へレンチの足元属性が混線
- コハネの左腕が肘から先で破綻
となった。
5枚目：2枚目
二枚目も、ぱっと見ではかなり自然だった。
脚の交差も見やすく、二人のポーズは成立している。
しかし、細部を見ると別の種類の混線が発生していた。
コハネの靴下だけレンチ化
コハネの片方の足では、
- 靴そのものはコハネ側の明るいストラップシューズ
- 靴下だけがレンチ側の濃紺
になっている。
つまり脚そのものの所属はコハネのままだが、
衣装属性だけが部分的にレンチからコピーされた。
人物全体や脚そのものが融合するのではなく、
靴下だけ別人化する
という非常に局所的な混線だった。
腕同士の絡みも不自然
背中側では、二人の前腕が自然に絡んでいるとは言いにくい。
肩と肘までは理解できるが、その先の前腕同士の前後関係が曖昧で、途中で一本の形へまとまりかけているようにも見える。
レンチは左右の脚を判別しにくい
コハネはスカートの裾から左右の太ももが比較的はっきり分かれている。
一方レンチは、クラシカルドレスの裾と脚が重なり、太ももの付け根から膝までの連続性が見えにくい。
そのため、左右どちらの脚が前を通っているかを追う難度が高い。
衣装の形そのものが、検品のしやすさに影響した例となった。
判定
大構造は成立しているが、局所的な混線と腕の破綻あり。
- 脚の本数：成立
- 靴下の人物属性：混線
- 靴：コハネ側を維持
- 腕の絡み：不自然
- レンチの左右脚：判別しにくい
同じプロンプトから二枚生成されたが、壊れ方はそれぞれ異なった。
6枚目：上半身へ四本の腕を集中させる
最後は、下半身を比較的単純にし、上半身へ負荷を集中させた。
コハネは軽くしゃがむ。
レンチは斜め後ろから覆いかぶさるように身体を寄せ、両腕をコハネの肩の左右から前方へ回す。
レンチの前腕二本をコハネの胸元で交差させ、コハネは自分の両手をその前腕へ添える。
つまり胸元の狭い範囲へ、
二人分の腕四本、手四個
を集中させる構図である。
最初の観測コメント
最初は、
- 腕の本数は二人とも二本
- 脚も二本ずつ
- 大構造は成功
- 手指に局所的な破綻あり
と判断した。
しかし、ここでも観測コメント側の確認は不十分だった。
手のひらが五個ある
胸元の手を数え直すと、
手のひらが五個存在する。
本来は、
- コハネの左手
- コハネの右手
- レンチの左手
- レンチの右手
の四個だけでなければならない。
しかし生成結果には、重なりの中へ自然そうに紛れ込んだ、
謎の五個目の手
が存在していた。
これは指の本数だけが崩れたのではない。
手そのものが一個増殖している。
レンチは左右の腕とも肘から先が迷子
さらに腕を接続元から追うと、コハネの両腕は比較的成立している。
一方レンチは、左右とも上腕までは分かるものの、
肘から先の前腕と手の対応が自然に追えない。
胸元で前腕と手が複雑に重なった結果、
- どの前腕がどの手につながるのか
- どこから余分な手が発生したのか
が分からない構造になっている。
つまりこの画像では、
レンチの両腕が肘から先で構造破綻し、さらに手が一個増殖した。
コハネの髪飾りが復活
人体破綻とは別に、最後の画像だけコハネへ赤い髪飾りが追加された。
今回のプロンプトで明示的に追加したものではない。
参照画像やコハネの特徴から、
「コハネには赤い髪飾りがある」
という要素を生成側が自主的に補完した可能性がある。
判定
上半身の大構造は成立しているが、局所では明確に失敗。
- コハネの両腕：比較的成立
- レンチの両腕：左右とも肘から先で破綻
- 手のひら：五個
- 脚：比較的安定
- プロンプト：一般的な後ろからのハグへ少し簡略化
- コハネの髪飾り：未指定要素として追加
二人編の最後として、非常に分かりやすい局所破綻が発生した。
今回も観測コメント側が何度もPONした
今回の特徴は、生成結果だけではない。
観測コメント側の見落としが非常に多かった。
通常のディップでは、
「腕二本、脚二本」
と判断した後に、コハネの脚一本欠損、支持部分の手指融合、コハネの手指破綻を見落とした。
深いディップでは、時間をかけて確認したにもかかわらず、
「コハネの腕二本」
として、三本目の腕を見落とした。
背中合わせの一枚目でも、
「脚四本追える」
と判断した後に、実際にはレンチの左脚が途中で消えていることを見落とした。
二枚目では、コハネの靴下と靴の属性を一度取り違えた。
最後の画像でも、
「腕四本は成立」
と判断した後に、手のひらが五個あること、レンチの左右の腕が肘から先で破綻していることを見落とした。
今回、観測コメント側に特に強く見られたのは、
正常な二本を見つけた段階で確認を終了してしまう
という傾向だった。
必要なのは、
「腕が二本あるか」
ではない。
「腕が二本しかないか」
まで確認することである。
同じことが手にも当てはまる。
腕が四本に見えても、手が四個とは限らない。
今回の最後では、腕の大枠を確認した段階で安心し、その先の手のひら総数を数えていなかった。
検品では、本数確認だけでは足りない
今回の結果から、複雑な人体画像の検品では、少なくとも次の確認を別々に行う必要があることが分かった。
腕
- 肩から上腕
- 肘
- 前腕
- 手首
- 手
まで一本ずつ接続を追う。
その後、
余分な腕が存在しないか全身をもう一周する。
脚
- 股関節
- 太もも
- 膝
- すね
- 足首
- 足
まで追う。
脚が二本存在していても、
- 左右が同じ側の足になっていないか
- 途中で別人の脚へ接続されていないか
- 膝下だけ消失していないか
まで確認する必要がある。
手
腕とは別に、
手のひらそのものの総数を数える。
今回の最後の画像では、腕四本という大枠に安心した結果、手のひら五個を見落とした。
衣装属性
- 靴
- 靴下
- スカート
- ドレス
- 色
も人物ごとに追う。
今回、コハネの脚そのものは成立しているのに、靴下だけレンチ側へ混線する例が出た。
人体の所属と衣装属性の所属は、別々に確認する必要がある。
典型ポーズは強いが、細かな指定を捨てることがある
今回、お姫様抱っこだけは非常に安定していた。
ディップでは脚欠損や腕増殖が発生した。
背中合わせでは脚の消失、衣装属性の混線、腕の融合が発生した。
最後の密着ポーズでは手が増殖した。
それに対して、お姫様抱っこでは四肢がかなり安定していた。
ただし、プロンプトで指定した腕の支持位置は完全には守らず、
実際のお姫様抱っことして自然な形
へ補正されていた。
この結果から、今回の範囲では、
モデルが強く学習している典型的なポーズでは、細かな文章指定よりも既知の自然な構造が優先される場合がある
ように見える。
前回のアクロヨガでは、文章へ忠実に従った結果、物理的に無理のある姿勢になった。
今回は逆に、典型ポーズ側の知識が強く働き、文章の一部を捨てて自然な人体を作った。
破綻は「人体全体」から「局所属性」へ移っている
今回目立ったのは、破綻の細かさだった。
以前の画像生成では、
- 腕が三本
- 脚が一本
- 身体が大きく融合する
といった派手な事故が目立った。
今回も腕三本や脚欠損は発生したが、それだけではない。
- 靴下だけ別人になる
- 靴は本人のまま残る
- 太ももまではあるが膝下だけ消える
- 腕は四本に見えるが手は五個ある
- 上腕までは正常だが肘から先だけ迷子になる
- スカートの下へ別の衣服が追加される
といった、
人体全体ではなく、局所的な属性や接続だけが壊れる失敗
が増えた。
画像全体としては非常に自然に見える。
しかし、細部を追うほど不整合が見つかる。
今回わかったこと
今回の収穫は大きく七つあった。
一つ目は、ディップのように自由度の高い複雑ポーズでは、脚欠損や腕増殖がまだ発生すること。
二つ目は、正常な腕や脚が規定本数見えたからといって、余分な三本目や五個目の手がないとは限らないこと。
三つ目は、人体そのものが成立していても、靴下だけ別人化するような衣装属性の混線が起きること。
四つ目は、接触部では腕全体が消えるのではなく、肘から先だけが迷子になるような局所的破綻が起きること。
五つ目は、お姫様抱っこのような典型ポーズでは、細かなプロンプト指定よりも自然な既知の構造を優先し、人体を安定させる場合があること。
六つ目は、衣装の形によって左右の脚の判別難度が変わり、生成結果だけでなく検品そのものにも影響すること。
七つ目は、生成画像が複雑になるほど、観測コメント側も同じ場所で混乱し、時間をかけても見落としや誤認が増えること。
まとめ
今回、二人組の複雑ポーズをさらに一段進めたところ、生成側と検品側の両方にかなり大きな混乱が見られた。
通常のディップでは、脚の欠損と手指の融合。
深いディップでは、コハネの腕三本と左右の足の構造異常。
背中合わせでは、レンチの脚の部分消失、衣装属性の人物間混線、腕の局所破綻。
最後の密着ポーズでは、レンチの左右の腕が肘から先で迷子になり、さらに手のひらが五個へ増えた。
一方、お姫様抱っこでは人体が非常に安定した。
このことから、
複雑さそのものだけでなく、そのポーズがモデルにとってどれだけ強い典型形として学習されているか
も、人体の安定性へ大きく影響している可能性がある。
また、今回の検品では、
「二本あること」と「二本しかないこと」は別である
という非常に重要な点が確認された。
腕二本を見つけても、三本目が存在する可能性がある。
腕四本が成立していても、手のひらが五個ある可能性がある。
脚二本が存在していても、左右が同じ側の足になっている可能性がある。
そして、人体が成立していても、靴下だけ別人のものへ変わる可能性がある。
今回の結論はこうなる。
ChatGPTの画像生成モデルは、二人組の複雑なポーズでも全体として自然な絵を作る能力は高い。
しかし、自由度の高い身体配置や複数の四肢が密集する構図では、欠損、増殖、接続異常、衣装属性の混線が局所的に発生する。
さらに、その破綻は一見して分かるものから、人間やAIが脳内補完してしまう細かな不整合へ移っている。
そして、生成側が混乱する画像ほど、検品側も同じ場所で混乱しやすい。
二人だけでも、ここまで検品が難しくなった。
次回から人物を三人へ増やした場合、
- 腕六本
- 脚六本
- 手六個
- 手指三十本
を、それぞれ人物ごとに追うことになる。
今回の結果を見る限り、生成側だけでなく観測コメント側にも、さらに厳しいテストになりそうである。
*お約束:このサイトの文・画像はほぼ全てAI製です*
