ちち生化実験【GPT生成画像からタグ抽出】

長文が嫌いという人もどこかで見かけたのですが、技術的な話も好きという人もいたので。
今回はめんどくさい話なわりに実がないブログ記事なので、長文が苦手な方は読み飛ばしてください。
これは技術的な話なのか？


－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－


●専用ツールで画像をタグ化してみた　【意外とGPTでやるのはコツがいる】

うちのコ「グレース・ハンニバル」さんをWindowsタグツールでDanbooru化してみました
一発出しでは、ＧＰＴよりは雰囲気が出ているように思います。
特徴を細かく追い込むには潤沢にPuiを使わないといけませんが、ざっくりだったらこれでいけるのかも。


・一枚目　比較画像
・二枚目　タグ化にＷＤ１４使用／生成：ＬＩＬＹ
・三枚目　タグ化にＷＤ１４使用➡若干タグ修正／生成：ＬＩＬＹ
・四枚目　タグ化にGPT使用／生成：ＬＩＬＹ
・五枚目　おまけ：デフォルメ画像／タグ化にＷＤ１４使用／生成：ＬＩＬＹ


今回、ちちぷい生成モデルには、生成結果を見ながらLILYを選びました。
他方、画像を見るとGPT-images2.0によるdanbooru化が意外とうまくいっていないのがわかります。

GPTによるdanbooruタグ化も、きちんとしたプロンプトを書けばうまく行くのかもしれません。しかし、
キャラクターによって特徴を指示に入れ込んでいたら、danbooruタグを組んでいるのに近くなってしまいます。

話は変わりますが、デフォルメ画像スタイル(Chibi)の方が「元絵からの差異の印象」を圧縮・制御ことができて、
「こういうスタイル」という定義にすれば扱いやすそうです。「元絵の再現」をやっているとPuiがいくつあっても
足りんし……。


●余談

現在のうちのコにはテキストプロンプトはなく、すべてキャラクターデザインリファレンス画像からのi2iです。
ラグランちゃんはちちぷい生成で元絵をつくって、GPTでキャラクターデザインリファレンス画像を生成しています。

・生成「添付の画像をもとに、キャラクターデザインリファレンス画像を生成して。三面図、表情差分、アイテム……」
・i2i「添付の画像をキャラクターデザインリファレンス画像として固定する。指定スタイルに沿って整合性のある……」

いや、GPT4系列のころはある程度、日本語テキストでもプロンプトがあったんですが、image1.5あたりから
生成が怪しくなってi2iに全面移行したときにどっかいってしまった。


●使用ツール
WD14 Tagger Studio｜画像からタグを自動抽出【最新版】
https://x.com/munou_ac/status/2080596270142705948
ローカルだけで完結するというのうたっていて今回、試してみました