こんにちは、タカムネ(@takamune_ai)です。
ChatGPTの画像生成機能を使い、1枚のキャラクター画像を基準にして、さまざまなポーズを作れるのか検証しました。手のポーズ、脚のポーズ、全身のポーズに分類して、実際に生成された画像とポーズ毎のプロンプト(指示文)を紹介します。
この記事では、成功した作例だけでなく、検証を通じて分かったこともまとめています。
検証条件
使用した基準画像

今回は、同じキャラクターにいろんなポーズをさせたいという目的があったので、基準画像(1024 x 1536)を添付し、各ポーズを生成するときに画像を添付したうえでプロンプトを記載しました。
上半身の画像ですが、ここから手のポーズをかえるだけでなく、脚や全身の画像も作れるかを検証の一環として行いました。
プロンプトの基本構成
ChatGPTは、日本語でプロンプトを書けます。基本的に日本語でわかりやすく指示すれば、かなり言うことを聞いてくれる印象です。
今回は、以下の要領で指示しました。人物や画風は基準画像を参照させるため、詳細は指示はしてません。
- 【人物・画風の指定】人物の顔立ち、髪型、衣装、画風、背景は添付画像を維持
- 【各ポーズの指定】次項の各ポーズを記載
- 【人物の描写範囲の指定】全身が見えるように(脚と全身のポーズのときに指定)
- 【アスペクト比の指定】出力画像のアスペクト比を3:2に(一部のポーズで指定)
人物の顔立ち、髪型、衣装、画風、背景は添付画像を維持
片手を振る
本当は、Stable diffusionでいうところのクオリティプロンプトやネガティブプロンプトなども書こうとしたのですが、その辺りは今後検証することにして、今回は非常にシンプルなプロンプトにしました。
手のポーズ

片手を振る

手招きする

右手で頬に添える

右手を口元に添える

両手を広げて歓迎

右手の人差し指を立てる

OKサイン

右手でサムズアップ

右手で小さくピースサイン

ダブルピース

片手を腰に当てる

両手を腰に当てる

右手で口元を隠す

右手で髪を耳にかける

右手を額にかざして遠くを見る

両手を頬に添える

片手を頭の後ろに添える

両手で頭を抱える

両手を胸元に当てる

右手を胸元に当てる

両手を合わせてお願い

両手を胸の前で組む

腕組み

胸の前で両腕を交差させる

小さくガッツポーズ

両手でハート

両腕で頭上に大きなハートを作る

両手を頭上に上げてバンザイ

猫の手のポーズ

敬礼する
脚のポーズ

片脚に重心をかけて立つ

内股で立つ

脚をクロスして立つ

片脚を後ろに跳ね上げる

片膝を高く上げる

両脚を大きく開いて立つ

椅子に座って脚を揃える

椅子に座って脚を組む
全身のポーズ

仰向け

うつ伏せ

横向きに寝る

四つん這い

片膝立ち

しゃがみ込み

横座り

ぺたんこ座り

体育座り

あぐら

正座

深いお辞儀

両腕を左右に広げる

後ろを振り返る

片足立ち

軽いジャンプ

前方に走る

上半身を横に傾ける

両腕を頭上に伸ばして背伸び

両手を腰に当てて上半身をひねる

両腕を後ろに伸ばして上半身を反らす
検証して分かったこと
一度の指示でうまくいかないことがある
今回の検証では、シンプルなプロンプトでもそれなりに想定通りの画像が生成できました。ただ、一度の指示でうまくいかない場合もあります。
- 手が小さいなどの部位のバランスがおかしい
- 指輪をしたり爪にマニュキュアをしている
- 手や足が破綻したり不自然になる
- もう少し動きを大きくしたい
こういう場合は、追加の指示を出せば修正されることも多いので、実際には一度で仕上げるというより、何回か修正しながら仕上げていくことになると思います。
修正の依頼は、生成された画像をクリックすると下にコメントがうてるので、そこで指示して再生成できます。

ポーズの参考画像も効果あり
ポーズの指定の仕方として、プロンプトだけではなく、画像によるやり方もある程度効果がありました。基準画像を指定しつつ、ポーズの参考画像も指定することもできます。
人物の顔立ち、髪型、衣装、画風、背景は1枚目の添付画像を維持
2枚目の画像を参考にしてポーズを変更
この方法により、言葉では伝えにくいポーズでもうまくいく可能性があります。

アスペクト比の指定が有効だった
今回は、基準画像を添付して生成しましたが、すべてのケースで基準画像と同じ画像サイズで生成されました。
ただ、ポーズの中には縦長の画像にあっていないため、横長の画像で生成できないか検討したところ、アスペクト比の指定が有効なことがわかりました。生成のときに「アスペクト比を3:2」などの指定をすると効果があります。一方、解像度による指定はまったく効果がありませんでした。

全身の基準画像もあったほうがいい
今回は、上半身だけの基準画像から生成したため、脚のポーズと全身のポーズでは、新たに下半身部分が生成されたことになります。
その際、「スカートや靴などの下半身の衣装」や「体系・等身」が、画像ごとにブレが生じました。まぁ、今回はこれらの指示をしていなので、当たり前っちゃ当たり前ですよね。
全身の画像を安定させたいなら、全身の基準画像があったほういいなと思いました。


まとめ
- シンプルなプロンプトでもそれなりに想定通りの画像が生成された
- 上半身だけの基準画像からでも、ある程度画風を維持しながら、全身を生成することができた
- 今後は、ポーズ以外の衣装、カメラアングルなどの変化についても検証したい

コメント