Ovis Image

物色していた画像生成モデルで出力できたものです。

試したのはstable-diffusion.cpp作者のleejetさんがコンバートした量子化Q4モデルを使用しました。Ovis Imageは文字出力を主に調整されているとのことですが、普通のモデルのようにあつかっても普通に出力しました。いくつか紹介記事を見てみたのですが、Ovis Imageが発表された直後にZ-Imageが発表され、全体的にZ-Imageの方がOvis Imageより優れているようで、現状ではマイナーな物となっているようです。不遇のモデルと言えるでしょう。

turbo系ではないのでstepsが20ぐらい必要なのと、cfg-scaleが5.0程度必要となっているようで、512x512でもsyclで1時間程度かかってしまいます。

とりあえずいつもの…

ちなみにcfg-scale 1.0だとこんな感じで出力されました。

日本語でもいけそうな感じがしたので簡単なプロンプトで日本人女性として出力させるとこんな感じになりました。

いくつか出力させてみましたが、ポリゴンっぽいCG画像の質感があります。出力サイズは512以外は試していませんが、日本語だと構図に関しては無視されている感じがします。また描画のタッチがこれはCG画像っぽいですが、他の物はリアルフォトのような感じで出力されたものもあるので、その辺も無視されているのかもしれません。

拡大すると気になるのが、生成された画像イメージの右側がぼやける感じになるのがとても気になりました。

日本語で「お暑いですね」という感じで追加してみましたが…

おあついよう…？