Cool Japan Diffusion 2 1 2 Beta

🚀 Cool Japan Diffusion 2.1.2 Betaモデルカード

Cool Japan Diffusionは、Stable Diffsionをファインチューニングしたモデルで、アニメやマンガ、ゲームなどのクールジャパンを表現することに特化しています。

⚠️ 重要提示

注意事项。中国将对图像生成的人工智能实施法律限制。 （中国国内にいる人への警告）

English version is here.

🚀 クイックスタート

Cool Japan Diffusionを始めるには、以下の方法があります。手軽に楽しみたい方は、こちらのSpaceをお使いください。詳しい本モデルの取り扱い方はこちらの取扱説明書に記載されています。モデルはここからダウンロードできます。

✨ 主な機能

Cool Japan Diffusionは、Stable Diffsionをファインチューニングして、アニメやマンガ、ゲームなどのクールジャパンを表現することに特化したモデルです。プロンプトに応じて適切な画像を生成することができます。

📦 インストール

Diffusersの場合

🤗's Diffusers library を使ってモデルを利用するには、まず以下のスクリプトを実行してライブラリをインストールしてください。

pip install --upgrade git+https://github.com/huggingface/diffusers.git transformers accelerate scipy

💻 使用例

基本的な使用法

Diffusersを使って画像を生成する基本的なコード例は以下の通りです。

from diffusers import StableDiffusionPipeline, EulerAncestralDiscreteScheduler
import torch

model_id = "aipicasso/cool-japan-diffusion-2-1-2-beta"

scheduler = EulerAncestralDiscreteScheduler.from_pretrained(model_id, subfolder="scheduler")
pipe = StableDiffusionPipeline.from_pretrained(model_id, scheduler=scheduler, torch_dtype=torch.float32)
pipe = pipe.to("cuda")

prompt = "anime, masterpiece, a portrait of a girl, good pupil, 4k, detailed"
negative_prompt="deformed, blurry, bad anatomy, bad pupil, disfigured, poorly drawn face, mutation, mutated, extra limb, ugly, poorly drawn hands, bad hands, fused fingers, messy drawing, broken legs censor, low quality, mutated hands and fingers, long body, mutation, poorly drawn, bad eyes, ui, error, missing fingers, fused fingers, one hand with more than 5 fingers, one hand with less than 5 fingers, one hand with more than 5 digit, one hand with less than 5 digit, extra digit, fewer digits, fused digit, missing digit, bad digit, liquid digit, long body, uncoordinated body, unnatural body, lowres, jpeg artifacts, 3d, cg, text, japanese kanji"
images = pipe(prompt,negative_prompt=negative_prompt, num_inference_steps=20).images
images[0].save("girl.png")

高度な使用法

• xformersを使う場合：xformers を使うと画像生成が早くなるらしいです。Web UIを使用する際は、xformersをインストールし、--xformers --disable-nan-checkオプションをオンにすることをおすすめします。そうでない場合は--no-halfオプションをオンにしてください。
• GPUメモリが少ない場合：GPUを使う際にGPUのメモリが少ない人は pipe.enable_attention_slicing() を使ってください。

📚 ドキュメント

モデル詳細

@InProceedings{Rombach_2022_CVPR,
    author    = {Rombach, Robin and Blattmann, Andreas and Lorenz, Dominik and Esser, Patrick and Ommer, Bj"orn},
    title     = {High-Resolution Image Synthesis With Latent Diffusion Models},
    booktitle = {Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
    month     = {June},
    year      = {2022},
    pages     = {10684-10695}
}

想定される用途

• コンテスト：AIアートグランプリへの投稿などが可能です。ファインチューニングに用いた全データを開示し、審査基準を満たしていることを判断してもらうようにします。コンテストに向けて、要望があれば、Hugging Face の Community などで私に伝えてください。
• 画像生成AIに関する報道：公共放送だけでなく、営利企業でも可能です。画像合成AIに関する情報を「知る権利」は創作業界に悪影響を及ぼさないと判断したためです。また、報道の自由などを尊重しました。
• クールジャパンの紹介：他国の人にクールジャパンとはなにかを説明することができます。他国の留学生はクールジャパンに惹かれて日本に来ることが多いですが、クールジャパンが日本では「クールでない」とされていることにがっかりされることが多いとAlfred Incrementは感じています。他国の人が憧れる自国の文化をもっと誇りに思ってください。
• 研究開発：Discord上でのモデルの利用や、Latent Diffusion Modelとクールジャパンとの相性、本モデルの性能をFIDなどで調べること、本モデルがStable Diffusion以外のモデルとは独立であることをチェックサムやハッシュ関数などで調べることなどが可能です。
• 教育：美大生や専門学校生の卒業制作、大学生の卒業論文や課題制作、先生が画像生成AIの現状を伝えることなどに利用できます。
• 自己表現：SNS上で自分の感情や思考を表現することができます。
• Hugging Face の Community にかいてある用途：日本語か英語で質問してください。

想定されない用途

• 物事を事実として表現するようなこと
• 収益化されているYouTubeなどのコンテンツへの使用
• 商用のサービスとして直接提供すること
• 先生を困らせるようなこと
• その他、創作業界に悪影響を及ぼすこと

使用してはいけない用途や悪意のある用途

• デジタル贋作 (Digital Forgery) は公開しないでください（著作権法に違反するおそれ）。特に既存のキャラクターは公開しないでください（著作権法に違反するおそれ）。なお、学習していないキャラクターも生成できるそうです。（このツイート自体は研究目的として許可しています。）
• 他人の作品を無断でImage-to-Imageしないでください（著作権法に違反するおそれ）
• わいせつ物を頒布しないでください (刑法175条に違反するおそれ）。いわゆる業界のマナーを守らないようなこと
• 事実に基づかないことを事実のように語らないようにしてください（威力業務妨害罪が適用されるおそれ）。フェイクニュース

モデルの限界やバイアス

モデルの限界

• よくわかっていない

バイアス

Stable Diffusionと同じバイアスが掛かっています。気をつけてください。

学習

学習データ

• VAEについて：DanbooruやDanbooru datasetを除いた日本の国内法を遵守したデータ: 65万種類 （データ拡張により無限枚作成）
• U-Netについて：DanbooruやDanbooru datasetを除いた日本の国内法を遵守したデータ: 200万ペア、マージしたモデル: 1つ (Open RAIL ライセンス)

学習プロセス

Stable DiffusionのVAEとU-Netをファインチューニングしました。

• ハードウェア：RTX 4090, A6000
• オプティマイザー：AdamW
• Gradient Accumulations：1
• バッチサイズ：1

評価結果

• よくわかっていない

環境への影響

ほとんどありません。

• ハードウェアタイプ：RTX 4090, A6000
• 使用時間（単位は時間）：500
• クラウド事業者：なし
• 学習した場所：日本
• カーボン排出量：そんなにない

🔧 技術詳細

このモデルのアルゴリズムは Latent Diffusion Model と OpenCLIP-ViT/H です。Stable DiffusionのVAEとU-Netをファインチューニングしています。

📄 ライセンス

ライセンスについては、もとのライセンス CreativeML Open RAIL++-M License に例外を除き商用利用禁止を追加しただけです。例外を除き商用利用禁止を追加した理由は創作業界に悪影響を及ぼしかねないという懸念からです。この懸念が払拭されれば、次のバージョンから元のライセンスに戻し、商用利用可能とします。ちなみに、元のライセンスの日本語訳はこちらになります。 営利企業にいる方は法務部にいる人と相談してください。趣味で利用する方はあまり気にしなくても一般常識を守れば大丈夫なはずです。なお、ライセンスにある通り、このモデルを改造しても、このライセンスを引き継ぐ必要があります。

*このモデルカードは Stable Diffusion v2 に基づいて、Alfred Incrementがかきました。