新清士の「メタバース・プレゼンス」 第181回

無料の画像生成AI「P-H3-Image」がすごい　参照画像1枚で同じ人物を自在に再現

速度と品質のバランスで2K解像度が推奨

　P-H3-Imageを開発したPruna AIは、独ミュンヘンと仏パリに研究拠点を持つ企業です。既存のAIモデルを圧縮・最適化することで、必要な計算資源や推論コストを下げることを専門としています。発表によると、動画モデルはフレームの一貫性を保つために、さまざまな角度や照明、動きなどを学習していることから、画像モデルを作る出発点に適しているとのことです。

　H3を使った画像生成モデルはすでにコミュニティから発表されています。しかし、動画用のモデルで無理に画像を生成すると、ぼやけた画像になるという問題を抱えています。そこで、Pruna AIはH3で画像が生成される手順をすべて見直し、画像生成に最適化することで、高品質な画像を生成できるようにしました。また、H3は143GBありますが、P-H3-ImageのBF16版は55GB（モデル+テキストエンコーダー+VAE）、さらに4ビットに量子化した最小セットを20GBに抑えたことで、コンシューマ向けGPU搭載PCでも動作可能になりました。

　その後、開発者コミュニティから、さらに圧縮したGGUF Q3_K_M（約10GB）や、AD-Q3_K（約9GB）といったモデル単体の圧縮版が公開されており、VRAM容量がより小さいGPUを搭載したPCでも動作可能になっています。

　興味深いのは、一般的な画像モデルよりも大きなサイズでの生成が推奨されていることです。一般的な画像生成AIは1024x1024が基本でしたが、P-H3-Imageの場合、8メガピクセル（MP、約2800×2800）が推奨されており、速度とのバランスを重視する場合には、4MP（約2000×2000）が良いとされています。また、最大で16MP（約4000×4000）まで出力可能です。

　生成時間は、筆者のA6000搭載PC（VRAM 48GB、半導体の速度はRTX 3090に相当）では、参照画像が1枚の場合、約2MPで20秒、約4MPで約30秒、8MPで約1分、16MPで約1分40秒という結果でした。ただ、参照画像の枚数によって、計算時間は変動します。やはり16MPでの生成では、ディテールがかなり精細です。

秋の明日来子さんを生成サイズ別に比較した画像