画像生成AIのModels（モデル）とは
画像生成AIにおける「モデル」とは、一連のアルゴリズムとデータを組み合わせて訓練されたシステムのことを指します。
少し難しいのが、生成AI自体のサービス名＝モデル名になっている場合と、そうではない場合があります。
簡易的には根幹システムかそれに近いものと考えると理解し易いでしょう。
つまり「モデルを選択しよう」というニュアンスは、生成するための根幹のAI絵師をどれにするか決めよう。と言っているようなものです。
モデルは、大量の画像データからパターンを学習し、それらを基に新たな画像を生成する能力を持ちます。この過程で、ディープラーニングや機械学習の技術が主に使われており、日々進歩しています。
モデルはそれぞれの特徴を持っており、いわゆる絵柄に分類されます。さらに、人物が得意なモデルや背景が得意なモデル、アイソメトリック風が得意なモデルなど色々な特徴が存在しています。
モデルがこうした特徴を持つことができる理由は、主に「訓練」にあります。
訓練プロセスでは、大量の画像データセットを用いて、モデルに様々な特徴やパターンを「学習」させます。
たとえば、猫の画像を多く含むデータセットを使って訓練することで、モデルは猫の特徴—耳の形、毛の質感、目の形状など—を学習します。これにより、モデルは猫を描く際にこれらの特徴を再現する能力を持つようになります。
モデルの学習能力は、主にニューラルネットワークの構造に基づいています。
ニューラルネットワークは、人間の脳の神経細胞（ニューロン）がつながっている様子を模倣したもので、多数の層から成り立っています。各層は特定のタイプの特徴を識別するように訓練されており、これらの層を経由することで、モデルは複雑な特徴や概念を学習することができます。
モデルが新たな画像を生成する際には、「潜在空間」と呼ばれる抽象的な次元で操作を行います。
潜在空間は、モデルが学習した特徴やパターンがエンコードされた空間であり、この空間内の特定の点が実際の画像に相当します。画像を生成するとき、モデルは潜在空間内を探索し、新たな点を選び出してそれに対応する画像を出力します。
要約すると、画像生成AIのモデルは、大量のデータから特徴を学習し、それらを基に新たな画像を生成する能力を持っています。この能力は、ニューラルネットワークの構造と潜在空間という概念によって可能になっています。
主流となっているこれらの作画方式は生成AI独特の物であり、また高速化に対して様々な研究とアプローチが取られている為、今後このあたりも常識が変わっていくことが予想されています。
