画像生成AIが食品画像を不自然に描画する技術的要因を専門家が解説

画像生成AIの多くが採用する拡散モデルの仕組みに原因があるとして、専門家は指摘しています。オックスフォード大学のクリス・ラッセル教授によれば、拡散モデルはノイズから徐々に詳細なテクスチャを復元していくプロセスを辿ります。

このプロセスにおいて、モデルが物体の基本構造を最初に誤って生成してしまうことがあります。その場合、誤った構造の上に鮮明なテクスチャが上書きされるため、指の数がおかしい画像と同様の失敗が生じると教授は説明しています。

また、細く連続する構造の描画にも弱点があります。ナポリ・フェデリコ2世大学のジョバンバッティスタ・カリファーノ氏は、麺や紐状の物体は拡散モデルが苦手とする幾何学的形状であると述べています。そのため、論理的な範囲を超えてテクスチャが侵食してしまう現象が起こります。

こうした特性が、集合体恐怖症を誘発するような不自然なパターンや穴の多い画像を生む要因となっているようです。