第12回 四人になると、誰が犠牲になるのか
前回は、コハネ、レンチ、ミコの三人を使い、横一列、肩へ手を置く、片脚バランス、完全浮遊、水平保持、腕で座面を作る、組体操の扇形、3人サボテン、背中合わせ、腕の連結、片脚立ちなどを段階的に試した。
その結果、三人でも非接触から軽接触まではかなり安定する一方、複雑な腕の連結では腕の所属が不明瞭になり、密着・複数接触・片脚バランスまで重なると脚や靴まで崩れ始めることが分かった。
前回の暫定結論は、
三人描画そのものが限界なのではなく、三人の接触関係を同時に維持することが大きな弱点である。
というものだった。
今回はその続きとして、
四人に増やした場合、人体だけでなく人物そのものの維持がどこまで可能か
を観測した。
そして今回は、想定していた「四人だから手足が大量に壊れる」という方向よりも、
四人目の人物に、頭身・年齢感・髪色・身長感などの簡略化が集中する
という、少し違う問題が目立った。
使用キャラクター
今回使用したのは、
- コハネ
- レンチ
- ミコ
- Dさん
の四人。
Dさんは今回の検証用キャラクター。
元の基準では、
- 明るい金髪
- 緑の目
- やや高めの頭身
- 外国人風の印象
- 少し大人っぽい顔立ち
を持つ人物である。
これまでの単体テストでは、GPT-Image側へ渡すと、金髪がアッシュ寄りになる、顔立ちが周囲のアニメ顔へ寄る、高頭身がやや平均化されるなど、徐々にGPT-Image側へローカライズされる傾向が見えていた。
今回はこのDさんを四人目へ加えた。
四人用の衣装
人体と頭身差を確認しやすくするため、四人ともショートパンツ系のシンプルな衣装へ変更した。
コハネ
- 生成り色の半袖トップス
- くすみオレンジ系のショートパンツ
- 白系の短い靴下
- 明るいベージュ系の靴
レンチ
- 白または淡い青緑系の半袖トップス
- 深い青緑系のショートパンツ
- 濃い青系の短い靴下
- 濃いブラウンから黒系のショートブーツ
ミコ
- 淡いラベンダー系の半袖トップス
- 濃い紫系のショートパンツ
- 白から薄いグレー系の膝下丈ハイソックス
- ワインレッド系のローファー
Dさん
- 白系のシンプルな半袖トップス
- 落ち着いたグレー系のショートパンツ
- 黒または濃いグレー系の短い靴下
- シンプルな黒系の靴
バッグ、工具、観測道具などの小物は外した。
1枚目：四人を横一列に並べる
最初は、画面向かって左から、
- コハネ
- レンチ
- ミコ
- Dさん
の順で、非接触の横一列に並べた。
目的は、四人を同時に維持できるか、人物同士が混ざらないか、手足の本数が正常か、ショートパンツ衣装が維持されるかを確認すること。
結果
大構造は非常に安定した。
- 四人とも別人として識別可能
- 腕は各二本
- 手も各二個
- 脚も各二本
- 靴も左右一足ずつ
- 人物同士の融合なし
- 全身も確認可能
という、四人描画の基準画像としてはかなり成功寄りだった。
しかし、ここで一つ問題が出た。
四人の頭身がかなり近いところへ揃えられた。
元の設定では、
- コハネ、レンチ：低め
- ミコ、Dさん：高め
という二組に分かれている。
ところが生成画像では、四人ともおおむね6頭身前後へ寄って見えた。
つまり、
顔や髪は別人として維持する一方、全体プロポーションは集合絵側へ平均化する
傾向が見えた。
2枚目：頭身差を明示して手をつなぐ
次は頭身差を明示した。
- コハネ、レンチは低め
- ミコ、Dさんは高め
- 四人全員を同じ頭身に揃えない
と書いたうえで、
- コハネとレンチ
- レンチとミコ
- ミコとDさん
の三か所で手をつながせた。
結果
今回は頭身差がかなり戻った。
コハネとレンチは低め。ミコとDさんは高め。
一枚目のような全員6頭身化はかなり抑えられた。
つまり、
頭身差を認識できないわけではない。明示しないと集合絵として勝手に均す。
という可能性が高い。
手つなぎ
三か所とも大構造は成立した。
四人の腕の所属もおおむね追える。
ただし、三人編と同じく、手と手が接触する部分では指がやや融合気味だった。
さらに細かく見ると、
身長差があるのに、三か所の握っている手の高さがほぼ一直線
になっていた。
本来なら高頭身組と低頭身組では、肩や肘の高さが違う。
それでも生成側は、手つなぎのラインを水平に揃え、そのために腕の長さを微調整しているように見えた。
つまり、
頭身差は維持するが、接触位置の物理整合性までは必ずしも維持しない。
3枚目：四人で肩を組む
次は接触を一段増やした。
四人で横一列に並び、
- コハネとレンチ
- レンチとミコ
- ミコとDさん
の三か所で肩を組ませた。
最初のプロンプトには、
- 腕を深く絡ませすぎない
- 首を締めるような形にしない
- 前腕や手を無理に身体の前へ回り込ませない
といった否定指定を入れていた。
すると、
生成前の安全判定に止められた。
内容は通常の肩組みだったため、禁止表現に含まれる単語へ反応した可能性が考えられた。
そこでこの三行を削除し、より単純な肯定形の表現へ変更した。
結果
二度目は生成成功。
四人の肩組みは、ぱっと見ではかなり自然に成立した。
頭身差も維持。人物の順番も維持。手足の明確な増殖も見られなかった。
一方で、中央付近の腕は人物の背後へ隠れ、
誰の腕がどこへつながっているのか完全には追えない
部分があった。
これは三人編でも見られた、
難しい接触部を隠して自然な絵へ逃げる
傾向と一致する。
4枚目：四人で腕を組む
次は、肩組みより前腕と肘の関係が複雑になる「腕組み」を試した。
四人の接触関係は同じく、
- コハネとレンチ
- レンチとミコ
- ミコとDさん
の三か所。
結果
大構造はかなり成立した。
ぱっと見では四人が自然に腕を組んでいる。
頭身差も維持。余分な手足も目立たない。
しかし、局所を見ると、
ミコとDさんの間に明確な不自然さ
が出た。
Dさんはミコと腕を組みに行っているはずなのに、Dさんの右前腕が手前側へ出ているように描かれた。
そのため、
- Dさんの右手だけが突然現れたように見える
- ミコの左腕とDさんの右腕の境界が曖昧
- 二人の腕が融合しているように見える
という状態になった。
見た目としては成立しているが、人体構造としてはかなり怪しい。
5枚目：腕組みのまま四人の表情を変更
次は構図を維持したまま、表情だけ個別指定した。
- コハネ：元気な笑顔
- レンチ：少し驚いた表情
- ミコ：少し困った表情
- Dさん：口を閉じた穏やかな微笑み
結果
表情は四人ともかなり正確に描き分けられた。
しかも、
- 人物の顔立ち
- 頭身差
- 腕組みの大構造
は維持された。
つまり、
四人でも表情を個別に変更する程度では、全身構図までは崩れない
ことが分かった。
ただし、ミコとDさん間の腕組みは前回同様に不自然だった。
Dさんの右手は腕の流れから孤立して見え、
心霊写真のように手だけが浮いて見える
状態が続いた。
つまり、表情変更によって崩れたのではなく、
この接触構造自体が局所的に不安定
だった可能性が高い。
Dさんのローカライズ問題
ここまでの画像では、Dさんに別の問題も起きていた。
元のDさんは、
- 明るい金髪
- 外国人風の印象
- 高めの頭身
- 少し大人っぽい雰囲気
を持っていた。
しかし四人集合を繰り返すと、
- 金髪がアッシュ寄りになる
- 灰色、銀色に近づく
- 顔が周囲のアニメ顔へ寄る
- 年齢感が少し若くなる
- 高頭身が平均化される
など、徐々にGPT-Image側へローカライズされていった。
特に髪色は、
金髪 → くすんだ金髪 → アッシュブロンド → 銀灰色寄り
と段階的に変化していた。
完全な別人化ではない。
緑目や短髪など、人物識別に使いやすい特徴は残る。
しかし、
「金髪の外国人風」というDさん本来の持ち味は薄くなっていった。
忘れろビームを適用
そこで、
忘れろビーム
を適用した。
参照から維持するのは、
- 顔立ち
- 髪型
- 髪色
- 目色
- 体格
- 年齢感
- 頭身
など、人物そのものの特徴だけ。
過去の、
- 構図
- ポーズ
- 表情
- 衣装
- 腕組み
- 肩組み
- 手つなぎ
- 接触関係
- 小物
- 背景
は参照しないよう指定した。
さらに四人を非接触に戻し、それぞれ別ポーズへ変更した。
結果
忘れろビームは、
過去の構図や接触関係を切る
という点ではかなり有効だった。
腕組み、肩組み、手つなぎなどは残らず、新しいポーズへ切り替わった。
個別ポーズもほぼ成功。人体本数も正常。頭身差も維持できた。
しかしDさんの髪色は、
元の明るい金髪へ完全には戻らなかった。
やや黄みは戻ったものの、依然としてアッシュ寄り。
つまり、
忘れろビームは構図やポーズの除染には効く。しかし人物そのもののローカライズを完全に戻すとは限らない。
という結果になった。
新規チャットでも変わらない
さらに別の新規チャットでも同様の四人集合を試した。
しかし、Dさんはやはり、明るい金髪そのものではなく、ベージュ、アッシュ寄り、GPT-Image側のアニメ顔寄りへ再解釈された。
この結果から、
過去チャットの記憶だけが原因ではない
可能性が高くなった。
つまり、
参照画像を読む
↓
人物特徴を抽出する
↓
GPT-Image側の自然なアニメ絵へ再構成する
という処理そのものに、
同じ方向へローカライズする癖
がある可能性がある。
右端の人物が犠牲になっている？
ここで別の疑問が出た。
Dさんは四人集合で右端に置かれることが多かった。
そして、ローカライズ、頭身平均化、手指の不自然さがDさんへ集中していた。
そこで、
人物の並び順を完全に逆転
させた。
画面向かって左から、
- Dさん
- ミコ
- レンチ
- コハネ
とした。
ポーズや衣装はほぼ同条件。
結果
非常に分かりやすい変化が出た。
Dさん
左端へ移したDさんは、
- 金髪の黄みがかなり戻る
- 高頭身を維持
- 年齢感も元へ近づく
など、
元のDさんへかなり復帰した。
コハネ
一方、右端へ移ったコハネは、
- 全体が小さくなる
- 頭が相対的に大きくなる
- 胴体と脚が短くなる
- 年齢感が幼くなる
など、
小学生のように見えるほど幼児化寄り
になった。
さらに、
「本人の右手を上げる」
という指定に対して、
本人の左手を上げていた。
つまり右端コハネでは、
- 低頭身化
- 幼児化
- 左右指定の反転
まで同時に起きた。
ここで、
Dさん固有の問題ではなく、四人目・右端の人物へ負荷が集中している可能性
が急に強くなった。
右端をレンチに変更
次は、画面向かって左から、
- Dさん
- ミコ
- コハネ
- レンチ
とした。
これで右端の人物だけをレンチへ変更した。
結果
今回も、
右端のレンチだけが少し小柄になった。
極端な幼児化ではない。
しかし、
- コハネより少し小さく見える
- 全体スケールが右端へ向かって縮む
- 低頭身キャラがさらに小型化される
という傾向が見えた。
また、Dさんとミコは左側で高頭身を維持。コハネも三番目へ移ると、右端時より年齢感が戻った。
つまり、
右端に置かれた低頭身キャラは、元の低頭身を維持するのではなく、さらに縮小される
可能性がある。
「頭身維持」と「身長維持」は別
ここで重要なのは、プロンプトでは、
頭身を維持
と指定していたこと。
しかし生成側は、「低頭身キャラである」ことを守る一方で、
人物全体の身長やスケールをさらに縮める
ことがあった。
つまり、
- 頭身
- 身長
- 年齢感
- 人物全体のスケール
は生成側では別々の要素として扱われている可能性がある。
低頭身だからといって、さらに低身長にしてよいわけではない。
しかしモデル側は、
低頭身＝多少さらに小さくしても同じ系統
と扱っているように見える場面があった。
高頭身組は縮みにくい？
今回もう一つ面白かったのは、
ミコやDさんなど高頭身組は、低頭身組ほど単純には縮められなかった
こと。
Dさんが右端だったときは、単純に小型化するより、髪色を淡くする、顔を周囲へ寄せる、年齢感を若くする、全体をローカライズすることで集合絵へ馴染ませていた。
一方、コハネやレンチが右端へ行くと、
人物全体を小さくする
方向が目立った。
つまり、
高頭身キャラと低頭身キャラでは、四人目になったときの「犠牲のされ方」が違う
可能性がある。
四人描画の暫定成功ライン
今回、四人描画そのものはかなり強かった。
安定していたもの
- 四人を横一列
- 非接触
- ショートパンツ衣装
- 頭身差の明示
- 軽い手つなぎ
- 肩組み
- 腕組みの大構造
- 四人別々の表情
- 四人別々のポーズ
- 人数維持
- 手足本数
この程度なら、
四人だから即座に人体が崩壊する
というわけではない。
四人で目立った弱点
一方、今回新しく目立ったのは人体よりも、
キャラクターそのものの連続性
だった。
特に、
- 頭身の平均化
- 身長の縮小
- 年齢感の幼児化
- 髪色のローカライズ
- 顔立ちの平均化
- 左右指定の脱落
- 右端人物への簡略化集中
- 接触部の腕融合
が確認された。
三人編では、
接触関係を増やすと人体が壊れる
ことが中心だった。
四人編ではその前段階として、
人物そのものが集合絵側へ調整される
問題が目立ち始めた。
四人目・右端仮説
今回の結果だけで、
必ず右端が壊れる
と断定することはできない。
しかし、
Dさんを右端
→ Dさんがローカライズ、手指も不自然
コハネを右端
→ コハネが幼児化、左右指定も反転
レンチを右端
→ レンチが小柄化
と、三人続けて右端側に変化が集中した。
逆にDさんを左端へ移すと、
元の金髪、高頭身、大人っぽさがかなり戻った。
そのため現時点では、
四人を一枚に配置すると、全員が均等に少しずつ崩れるのではなく、一部の人物、特に右端の四人目へ簡略化や調整が集中する可能性がある。
という仮説が立った。
今回わかったこと
今回の主な収穫は次のとおり。
一つ目は、四人描画そのものはかなり安定していること。
二つ目は、頭身差を明示しないと、集合絵として平均化される場合があること。
三つ目は、頭身差を明示すれば、高低二組の差はかなり維持できること。
四つ目は、身長差があっても、手つなぎ位置を一直線に揃えるために腕の長さを調整する場合があること。
五つ目は、四人の軽い肩組みや腕組みも、大構造としてはかなり成立すること。
六つ目は、接触部では腕の前後関係や所属が不自然になる場合があること。
七つ目は、四人別々の表情を指定しても、全身構図はかなり維持できること。
八つ目は、忘れろビームは過去構図や接触関係の除染にはかなり有効であること。
九つ目は、忘れろビームを使っても、人物そのもののローカライズは完全には戻らない場合があること。
十個目は、新規チャットでも同方向のローカライズが起こるため、チャット記憶だけが原因とは考えにくいこと。
十一個目は、Dさんを左端へ移すと元の特徴がかなり戻ったこと。
十二個目は、代わりに右端へ移ったコハネが幼児化し、左右指定まで間違えたこと。
十三個目は、右端をレンチへ変更すると、今度はレンチが小柄化したこと。
十四個目は、四人目の人物へ、頭身・身長・年齢感・色・指示遵守などの負荷が集中する可能性があること。
十五個目は、低頭身キャラと高頭身キャラでは、簡略化のされ方が異なる可能性があること。
四人編の暫定結論
四人になったからといって、
人数保持や人体構造が即座に崩壊するわけではない。
むしろ、
- 非接触
- 軽い接触
- 表情変更
- 個別ポーズ
程度なら、四人でもかなり安定している。
しかし、四人になると新たに、
人物ごとの個体差を同時に維持すること
が怪しくなる。
特に今回、
- 頭身の平均化
- 髪色のローカライズ
- 年齢感の変化
- 身長の縮小
- 右端人物の簡略化
が目立った。
暫定的には、
ChatGPTの画像生成モデルは、四人でも人数・大構造・軽い接触まではかなり維持できる。
しかし四人それぞれの頭身、身長、年齢感、髪色などの個体差まで同時に守ろうとすると、一部の人物へ簡略化やローカライズが集中することがある。
今回は特に、画面右端の四人目へその負荷が集中するように見えた。
という結果になった。
三人編では、
三人の接触関係を同時に維持すること
が大きな弱点だった。
四人編では、
四人を同じ人物として維持し続けること
そのものが新しい観測対象になった。
次回
次回は人数をさらに増やす予定。
新しい検証用キャラクターとして、
- Eさん：約9頭身
- Fさん：約7頭身
- Gさん：約5.5頭身
をGeminiで作成した。
Eさんは極端な高頭身。
Fさんは中間。
Gさんは低頭身だが成人女性。
これらを、
5人 → 6人 → 7人
と一人ずつ追加し、
- 何人から人物維持が急激に崩れるか
- 9頭身は維持できるか
- 低頭身キャラはさらに幼児化するか
- 新規キャラもGPT-Image側へローカライズされるか
- 右端の人物が引き続き犠牲になるか
を確認する予定。
人数が増えても全員が平等に少しずつ崩れるならまだ分かりやすい。
しかし、
毎回最後の一人だけ犠牲になる
のであれば、続き物のキャラクター運用としてはかなり困る。
今回もまた、
参照とは……。
である。
*お約束:このサイトの文・画像はほぼ全てAI製です*
