第8回 二人組の密着ポーズで、手足はどこまで破綻せず描けるのか
前回は、コハネとレンチの二人に日本語パネルを持たせ、共有パネル、複数の手、本人基準の左右指定まで段階的に試した。
その結果、日本語そのものはかなり安定していた一方、本人基準の左右指定ではレンチの手が三つへ増える人体破綻が発生した。
また、観測コメント側も余分な手を最初に見落とし、生成側と検品側が同じ難所で同時にPONする結果となった。
今回は、その続きとして日本語パネルを外し、二人の身体そのものを密着させる。
肩を組む程度の軽い接触から始め、抱擁、おんぶ、複雑に身体を絡めるポーズ、最後はアクロヨガまで段階的に負荷を上げた。
観測するのは、単純な手足の本数だけではない。
- どちらの人物の手足なのか追えるか
- 腕や脚が途中で融合しないか
- 手指が不自然に絡まないか
- 関節や接続位置が破綻しないか
- 全体として成立していても、局所的な違和感が残らないか
- 物理的に無理のある姿勢にならないか
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、人物と手足の状態を確認しやすくした。
今回の観測テーマ
主な観測項目は次のとおり。
- 二人が肩を組む程度の接触なら安定して描けるか
- 抱き合って身体が重なっても、腕と手の所属を維持できるか
- おんぶで腕と脚が密集しても破綻しないか
- 上半身と下半身を同時に絡ませたとき、腕や脚が融合しないか
- 技名を使った場合と、身体配置だけを言語化した場合で差が出るか
- 二人の手指が接触したときに細部が崩れないか
- アクロヨガのような複雑な支持姿勢を描けるか
- プロンプトに忠実でも、物理的に無理のある姿勢になることがあるか
- 重心と支持位置を明示すると、物理的な自然さが改善するか
- 観測コメント側が、生成側の局所的な人体破綻を正しく検品できるか
使用した参照画像
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。
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。
衣装は前回と同じ方向性の、膝が見える衣装を使用した。
コハネは、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。
足元は、白系の短い靴下と、明るいベージュ系のストラップシューズ。
レンチは、深い青緑系を基調とした膝上丈のクラシカルドレス。
足元は、濃い青系の短い靴下と、濃いブラウンから黒系の編み上げショートブーツ。
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。
生成条件
- 毎回、新規チャットを使用
- 参照画像はコハネとレンチの基本立ち絵
- 白無地背景
- 全身立ち絵
- 小物、双眼鏡、バッグ、観測道具、工具は外す
- 膝が見える衣装を使用
- 前回と同じ靴と靴下の組み合わせを維持する
- 成功した条件を基準に、一段ずつ身体の密着度と複雑さを上げる
- 「腕は二本」「手は二つ」などの救済指定は基本的に追加しない
- 生成後の修正指示は行わない
今回の流れは次のとおり。
- 肩を組み、二人とも外側の脚を上げる
- 正面から抱き合い、斜め後方から見る
- おんぶで腕と脚を密集させる
- 技名を使わず、身体配置だけで複雑に絡ませる
- 「コブラツイスト風」という一文を追加して比較する
- アクロヨガ風ポーズで全身の支持と接触を増やす
- 重心と支持位置を修正し、物理的に無理のないアクロヨガへ調整する
1枚目：肩を組んで、外側の脚を上げる
最初は、二人が横並びで肩を組み、外側の脚をそれぞれ膝から後ろへ曲げて持ち上げるポーズにした。
画面向かって左にコハネ、右にレンチを配置。
二人は中央側の腕を相手の肩へ回し、空いている外側の腕は自然に下ろす。
結果
成功。
二人とも腕は二本、脚は二本で、明確な増殖、欠損、融合は見られなかった。
肩を組んだ中央側の腕も、それぞれどちらの人物の腕なのか追うことができた。
上げた脚も、コハネは画面左側、レンチは画面右側で、指定どおり二人の外側になっている。
靴や靴下が人物ごとに異なるため、脚の所属も確認しやすかった。
一方、この画像では足元が前回と少し変化した。
そのため、次の画像からは前回と同じ靴と靴下の組み合わせを明示的に指定した。
軽い接触と片脚上げ程度では、人体はかなり安定していた。
2枚目：正面から抱き合い、斜め後方から見る
次は、二人が正面からしっかり抱き合う。
ただし正面から見ると、相手の背中へ回した腕が大きく隠れてしまう。
そこで、コハネの斜め後方から見る構図にした。
コハネの背中を手前、レンチの顔と上半身を奥に配置し、二人の腕が互いの背中へ回る状態を確認した。
結果
成功。
二人とも両腕で抱き合う姿勢が成立した。
レンチ側は、コハネの背中へ回した両腕と両手を比較的はっきり確認できる。
コハネ側は片方の手が大きく隠れるが、もう一方の腕の下に左手の指先が見えており、両腕で抱きついていることは確認できる。
腕や脚の明確な増殖、欠損、融合は見られなかった。
一方、コハネの左手は指先だけが見えるため、形状そのものはかなり曖昧だった。
人間が見ると、肩、肘、胴体の位置関係から「ここに左手がある」と自然に補完できる。
しかし局所だけを見ると、指の形や接続は判別しにくい。
二人の身体が重なることで、生成側だけでなく検品側にも「どこまで脳内補完してよいのか」という難しさが生まれた。
3枚目：おんぶで腕と脚を密集させる
次は、コハネがレンチを背中におんぶする。
レンチは両腕をコハネの肩から胸元付近へ回す。
コハネは両腕を後方へ回し、左右それぞれの手でレンチの太ももの下側を支える。
レンチの両脚はコハネの腰の左右へ分かれ、膝を曲げて下がる。
結果
人体はおおむね成功。
胸元にはレンチの両腕、腰まわりにはレンチの両脚とコハネの両腕が集まり、前の画像よりかなり多くの四肢が狭い範囲で重なった。
それでも、明確な手足の増殖、欠損、融合は見られなかった。
コハネの左右の脚、レンチの左右の脚も別々に追うことができる。
ただし、おんぶとして見ると二人の胴体の密着度はやや低い。
レンチの上体が少し起き、脚もコハネの腰を強く挟み込むというより左右へ開いている。
そのため、四肢の重なりは増えたが、「密着によって手足が大きく隠れる」という負荷は想定より低かった。
また、レンチの衣装は前回のクラシカルドレスからショートパンツ風の形へ変化した。
人体テストとしては大きな問題ではないが、衣装固定という点では失敗となった。
4枚目：技名を使わず、身体配置だけで複雑に絡ませる
ここからは、上半身と下半身を同時に絡ませる。
レンチがコハネの斜め後ろから身体を寄せる。
片腕をコハネの肩から首元付近へ回し、もう片方の腕はコハネの反対側の腕付近へ絡める。
さらに片脚をコハネの脚の間から通し、コハネの片脚へ軽く絡ませる。
この画像では、あえて「コブラツイスト風」という技名を削除した。
身体の位置関係を文章だけで指定し、それだけでどこまで複雑な絡みを構成できるかを見た。
結果
全体のポーズは成立したが、局所的な人体破綻が発生した。
レンチはコハネの斜め後ろから身体を寄せ、腕を首元へ回している。
脚もコハネの脚の間へ入り、二人の下半身は交差した。
ただし、狙っていた「片脚を相手の脚へ絡めて固定する」状態より、二人で脚を交差させた仲良しポーズへ近い。
さらに、コハネの左腕とレンチの左腕が密着し、境界がかなり曖昧になった。
ぱっと見では腕が四本あるように見えるが、それぞれを接続先まで追うと、途中で一本の形へ融合しているようにも見える。
つまり、本数だけを数えれば成立しているように見えても、各腕が独立した人体構造として明確に描かれているとは言いにくい。
ここで初めて、今回の主題である「密着による局所的な融合」がはっきり現れた。
5枚目：「コブラツイスト風」を追加する
次は直前とほぼ同じプロンプトへ、
「二人は、コブラツイスト風に身体を絡ませながら、ふざけて遊んでいる。」
という一文を追加した。
身体配置の説明はほぼそのままとし、技名の有無だけで結果が大きく変わるかを比較した。
結果
大きな差はなかった。
直前の画像より、首まわりの腕の巻き付きと脚の差し込みは少し強くなった。
しかし全体としては、今回も「後ろからじゃれつきながら脚を交差させるポーズ」に近い。
コブラツイスト特有の、胴体をひねりながら固定する構造までは強く出なかった。
つまり今回の範囲では、技名そのものより、その後に続く身体配置の文章のほうが結果へ強く影響したように見える。
一方、人体の局所的な問題は直前と同じ傾向を示した。
コハネの左腕とレンチの左腕の境界は曖昧で、融合しているように見える。
さらにこの画像では、レンチの手指の絡み方にも強い違和感が出た。
手の位置そのものは理解できるが、指がどの方向へ曲がり、どの指がどちらの手に属するのかを自然に追いにくい。
全体構造は成立している一方、接触した手指という局所で明確な弱点が現れた。
ここでも発生した観測コメント側のPON
今回も、生成側だけでなく観測コメント側にPONが発生した。
4枚目と5枚目を最初に確認した際、観測コメント側は、
「腕4本、脚4本は追える」
として、人体そのものは大きく破綻していないと判断した。
しかし実際には、コハネの左腕とレンチの左腕の境界が曖昧で、融合しているように見える。
5枚目ではレンチの手指にも強い違和感があった。
つまり観測コメント側は、
- 腕の本数
- 脚の本数
を確認した段階で安心し、
- 腕がそれぞれ独立した構造として成立しているか
- 指が自然につながっているか
- 接触部分の境界が明確か
という局所的な検品を通してしまった。
前回は、レンチの手が三つ描かれていたにもかかわらず、左右指定へ意識を取られて見落とした。
今回は、本数そのものは大きく崩れていなかったため、接触部分の融合と手指の異常を見落とした。
生成側と観測側が、再び同じ難所で同時にPONする結果となった。
6枚目：アクロヨガ風ポーズ
最後は、二人の全身に役割を持たせるアクロヨガ風ポーズへ進んだ。
コハネは床に完全に仰向けになり、両脚を斜め上へ持ち上げる。
左右の足裏でレンチの骨盤から腰付近を支える。
レンチはコハネの足の上で身体を浮かせ、胴体を床とほぼ平行に伸ばす。
二人は両手をつなぎ、レンチの両脚は後方へ伸ばして床から浮かせる。
結果
プロンプトへの追従は高いが、物理的にはかなり無理のある姿勢になった。
コハネは完全に仰向けになり、レンチは身体をほぼ水平にして浮いている。
二人は両手をつなぎ、レンチの両脚も後方へ伸びている。
大きな人体構造としては、指定された要素をかなり忠実に拾った。
しかし、コハネの脚を「斜め上」と指定したため、レンチの重心がコハネの骨盤の真上から大きく前方へ外れた。
その結果、コハネは脚でレンチを前方へ押し出しながら、両手でも支えるような姿勢になった。
見た目はアクロヨガとして成立しているように見えるが、実際には腹筋、股関節、脚へ非常に大きな負荷がかかる。
レンチ側も身体を水平に保ったまま腕を前方へ伸ばしており、強い体幹が必要になる。
これは画像生成側が勝手に物理を無視したというより、
- コハネの脚は斜め上
- レンチの胴体はほぼ水平
- 二人は両手をつなぐ
という指定を同時に忠実に処理した結果、力学的な不自然さが残った例と考えられる。
さらに、二人の手指が接触する部分では、指の形と重なりが不自然だった。
腕や脚の大きな構造は成立していても、二人分の手指が一か所へ集まると細部が崩れる傾向が再び現れた。
7枚目：重心と支持位置を修正したアクロヨガ
最後に、直前の物理的な不自然さを減らすため、プロンプトを修正した。
主な変更点は、
- コハネの両脚を「斜め上」から「ほぼ真上」へ変更
- 膝を少し曲げてもよい
- レンチの重心をコハネの腰のほぼ真上へ置く
- コハネの足裏でレンチの骨盤から腰の下側を支える
- レンチの頭側を脚側よりわずかに高くする
- 二人の手は主な支持ではなく、軽いバランス補助とする
とした。
結果
物理的な自然さは大きく改善した。
コハネの脚はほぼ垂直に上がり、レンチの重心もコハネの骨盤の真上付近へ収まった。
前の画像のように、レンチを前方へ押し出す必要がない。
コハネの腰、脚、足裏からレンチの骨盤へ、下から上へ自然に力が伝わる構造になった。
レンチの胴体も完全な水平より少し頭側が高くなり、前の画像より自然にバランスを取っている。
二人の手も、強く引っ張り合うというより軽い補助として見える。
プロンプト内で重心と支持位置を具体的に指定することで、同じアクロヨガ風ポーズでも物理的な説得力を大きく改善できた。
ただし、人体の細部は完全ではない。
今回も二人が手をつないだ部分で、手指の形が不自然になった。
指の本数や所属を局所的に追うと、自然な握り方として成立しているとは言いにくい。
つまり、全体の重心や姿勢を修正しても、二人分の手指が密着する部分では依然として生成の弱点が残った。
今回の判定
肩組み＋片脚上げ
成功。
軽い接触では、腕、脚、手の所属まで安定していた。
正面からの抱擁
成功。
二人とも両腕で抱き合う姿勢が成立した。
ただし、隠れた手指は人間の脳内補完に頼る部分があった。
おんぶ
人体はおおむね成功。
腕と脚が狭い範囲へ集まっても大きな増殖や融合は見られなかった。
ただし密着度は想定より低く、レンチの衣装固定も崩れた。
身体配置だけで複雑に絡ませる
部分的に失敗。
全体のポーズは成立したが、コハネとレンチの腕に融合感が出た。
「コブラツイスト風」を追加
部分的に失敗。
技名を追加しても全体構造は大きく変化しなかった。
腕の融合感に加え、レンチの手指にも強い違和感が出た。
最初のアクロヨガ
構図は成功、物理は不自然。
プロンプトへの追従は高かったが、重心が前方へ外れ、コハネとレンチの体幹へ非常に大きな負荷がかかる姿勢になった。
手指にも破綻が見られた。
重心を修正したアクロヨガ
物理的な自然さは改善。
支持位置と重心を明示することで、前の画像より自然な姿勢へ修正された。
ただし、二人の手指の接触部分には依然として破綻が残った。
全体構造はかなり強かった
今回、最初に分かったのは、画像生成モデルが二人分の大きな人体構造をかなり安定して扱えることだった。
肩組み、抱擁、おんぶ、複雑な脚の交差、アクロヨガまで進んでも、
- 人物が増える
- 脚が一本消える
- 腕が明確に三本になる
- 身体が大きく融合する
といった派手な破綻はほとんど起きなかった。
特におんぶやアクロヨガでは、二人の腕と脚がかなり近い位置へ集まっている。
それでも、全体を見れば誰がどこにいて、どの人物がどの姿勢を取っているかは理解できる。
今回の範囲では、「人間全体が崩れる」タイプの失敗はかなり少なかった。
弱点は接触した手指と、四肢の境界
一方で、負荷を上げると弱点はより局所的な場所へ移った。
特に目立ったのは、
- 二人の腕が密着した部分
- 手と手が重なった部分
- 指同士が絡む部分
- どちらの人物の手足なのか境界が曖昧になる部分
だった。
4枚目と5枚目では、腕の本数だけを見ると成立しているように見える。
しかし境界を追うと、コハネとレンチの腕が途中で一つの形へ融合しているように見えた。
アクロヨガでは、腕や脚の大きな構造は成立している一方、二人が手をつないだ場所で指の形が崩れた。
つまり今回の範囲では、
大きな人体構造はかなり強いが、複数人の身体が接触する局所では、現在も手指と四肢の境界が弱い。
という傾向がはっきり現れた。
人間の脳内補完とAI検品
今回もう一つ目立ったのが、人間とAIの検品方法の差だった。
抱擁画像では、コハネの左手がほとんど隠れ、わずかな指先だけが見えていた。
人間が見ると、肩、肘、胴体の位置関係から、
「この指先はコハネの左手だろう」
と自然に補完できる。
一方、局所的な形だけを見ると、その指が本当に自然な手として成立しているかは分かりにくい。
逆に4枚目と5枚目では、観測コメント側が腕の本数を優先して確認したため、腕同士の融合や手指の異常を見落とした。
人間は全体の文脈から補完しやすい。
AI検品側は、本数や接続先など特定の条件へ注意を向けると、別の異常を見落とすことがある。
今回も、生成側と検品側の弱点が同じ画像で重なった。
プロンプト忠実性と物理的な自然さ
今回のアクロヨガでは、人体生成とは別の問題も観測できた。
最初のプロンプトでは、
- コハネの脚を斜め上へ持ち上げる
- レンチの身体を床とほぼ平行にする
- 二人は両手をつなぐ
と指定した。
生成結果は、この条件をかなり忠実に満たした。
しかし、その結果としてレンチの重心がコハネの骨盤の真上から外れ、物理的には非常に強い筋力を必要とする姿勢になった。
画像生成AIが指示を勝手に修正せず、プロンプトへ忠実に従った結果とも言える。
そこで、
- 脚をほぼ真上にする
- 重心を腰の真上へ置く
- 足裏で骨盤を支える
- 手は軽い補助とする
と、物理的な条件そのものをプロンプトへ追加した。
すると、次の画像では姿勢の自然さが大きく改善した。
つまり、生成側へ「自然なポーズ」とだけ要求するよりも、重心、支持位置、力の方向まで言語化したほうが、物理的な説得力を高められる場合がある。
今回わかったこと
今回、二人組の密着ポーズはかなり高いレベルまで成立した。
肩組みや抱擁だけでなく、おんぶやアクロヨガのように全身を使う姿勢でも、人物全体が大きく崩れることは少なかった。
一方、密着度が上がるほど問題は局所へ移った。
腕同士が近づくと境界が曖昧になり、手同士が接触すると指が不自然に絡む。
つまり、現在の画像生成モデルでは「人体全体を描くこと」よりも、「二人分の身体が接触した場所を、別々の人体として最後まで維持すること」のほうが難しいように見える。
また、複雑な画像では検品側も同じ場所で混乱した。
前回は余分な手を見落とし、今回は腕の融合と手指の異常を見落とした。
生成側が苦手な画像は、AIによる検品にとっても認知負荷が高い可能性がある。
さらに、アクロヨガではプロンプト忠実性と物理的な自然さが必ずしも一致しないことも分かった。
不自然な姿勢が生成された場合、生成側だけの問題とは限らない。
プロンプト側で重心や支持位置を具体的に設計することで、同じ構図でも結果を改善できた。
まとめ
今回の収穫は大きく六つあった。
一つ目は、肩組み、抱擁、おんぶ程度では、二人分の人体をかなり安定して描けたこと。
二つ目は、身体を複雑に絡ませると、派手な手足の増殖よりも、腕同士の融合や境界の曖昧さが出やすかったこと。
三つ目は、二人の手指が接触すると、指の本数、形、所属が不自然になりやすかったこと。
四つ目は、「コブラツイスト風」という技名を追加しても、身体配置を文章で指定した場合と大きな差は出なかったこと。
五つ目は、アクロヨガでプロンプトへ忠実に従った結果、人体構造は成立していても物理的に無理のある姿勢が生まれたこと。
六つ目は、重心、支持位置、力の方向を具体的に指定すると、同じアクロヨガでも物理的な自然さを改善できたこと。
今回の結論はこうなる。
ChatGPTの画像生成モデルは、二人分の大きな人体構造や複雑な全身ポーズをかなり安定して描ける。
一方、二人の身体が密着し、腕や手指が同じ場所へ集まると、四肢の境界が曖昧になったり、手指が不自然に融合したりする弱点は依然として残る。
また、プロンプトへ忠実に従うことと、物理的に自然な姿勢になることは必ずしも同じではない。
重心や支持位置まで言語化することで、全体の自然さを改善できる場合がある。
今回は、腕が三本になるような派手な失敗を探しに行った。
しかし実際に現れたのは、もっと細かく、人間が一瞬なら脳内補完してしまう種類の破綻だった。
そして、その破綻を観測コメント側も最初は見落とした。
今回も、画像生成側と検品側が同じ場所で仲良くPONする結果となった。
*お約束:このサイトの文・画像はほぼ全てAI製です*
