Unlimited Replicant Model Card
Title: Replicant from unlimited sky.
English version is here.
はじめに
Unlimited Replicantは、 情報漏洩したNovel AI Diffusionの代わりとなるように 開発した、AIアートに特化した画像生成AIです。
ライセンスについて
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、AGPLのようなものを追加したデュアルライセンスです。 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。 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り、お使いください。 なお、商用利用したい方は別途こちら (ozaki.yasunori@outlook.com) にご相談ください。
法律について
本モデルは日本にて作成されました。したがって、日本の法律が適用されます。 本モデルの学習は、著作権法第30条の4に基づき、合法であると主張します。 また、本モデルの配布については、著作権法や刑法175条に照らしてみても、 正犯や幇助犯にも該当しないと主張します。詳しくは柿沼弁護士の見解を御覧ください。 ただし、ライセンスにもある通り、本モデルの生成物は各種法令に従って取り扱って下さい。
使い方
モデルはsafetensors形式からダウンロードできます。
以下、一般的なモデルカードの日本語訳です。
モデル詳細
モデルタイプ: 拡散モデルベースの text-to-image 生成モデル
言語: 日本語
ライセンス: CreativeML Open RAIL++-M-NC License, Fair AI Public License 1.0-SD
モデルの説明: このモデルは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。アルゴリズムは Latent Diffusion Model と OpenCLIP-ViT/H です。
補足:
参考文献:
@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} }
モデルの使用例
Stable Diffusion v2と同じ使い方です。 たくさんの方法がありますが、2つのパターンを提供します。
- Web UI
- Diffusers
Web UIの場合
Stable Diffusion v2 の使い方と同じく、safetensor形式のモデルファイルをモデルフォルダに入れてください。 詳しいインストール方法は、こちらの記事を参照してください。 なお、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。
Diffusersの場合
🤗's Diffusers library を使ってください。
まずは、以下のスクリプトを実行し、ライブラリをいれてください。
pip install --upgrade git+https://github.com/huggingface/diffusers.git transformers accelerate scipy
次のスクリプトを実行し、画像を生成してください。
from diffusers import StableDiffusionPipeline, EulerAncestralDiscreteScheduler
import torch
model_id = "alfredplpl/unlimited-replicant"
scheduler = EulerAncestralDiscreteScheduler.from_pretrained(model_id, subfolder="scheduler")
pipe = StableDiffusionPipeline.from_pretrained(model_id, scheduler=scheduler, torch_dtype=torch.float16)
pipe = pipe.to("cuda")
prompt = "masterpiece, anime, close up, white short hair, red eyes, 1girl, solo, red roses"
negative_prompt="lowres , kanji, monochrome, ((bad anatomy)), ((bad hands)), text, missing finger, extra digits, fewer digits, blurry, ((mutated hands and fingers)), (poorly drawn face), ((mutation)), ((deformed face)), (ugly), ((bad proportions)), ((extra limbs)), extra face, (double head), (extra head), ((extra feet)), monster, logo, cropped, jpeg, humpbacked, long body, long neck, ((jpeg artifacts)), ((censored)), ((bad aesthetic))"
images = pipe(prompt,negative_prompt=negative_prompt, num_inference_steps=30, height=1024, width=768).images
images[0].save("girl.png")
注意:
- xformers を使うと早くなります。
- 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。
想定される用途
- 自己表現
- このAIを使い、「あなた」らしさを発信すること
- 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
- 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。
- 公共放送だけでなく、営利企業でも可能
- 研究開発
- Discord上でのモデルの利用
- プロンプトエンジニアリング
- ファインチューニング(追加学習とも)
- DreamBooth など
- 他のモデルとのマージ
- 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
- Discord上でのモデルの利用
- 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
- ブログ記事の挿絵やヘッダー
- 生成した画像が主目的でなければ、有償の記事でも可能
- これはイラストレーターの方の仕事を邪魔しないと判断したため
- 生成した画像が主目的でなければ、有償の記事でも可能
- 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)
- 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
- 拡散モデルや大規模言語モデルは、いまだに未知の部分が多く、その限界は判明していない。
バイアス
- 拡散モデルや大規模言語モデルは、いまだに未知の部分が多く、バイアスは判明していない。
学習
学習データ
国内法に準拠したデータとモデル。
学習プロセス
- ハードウェア: A6000x2
評価結果
第三者による評価を求めています。
環境への影響
- ハードウェアタイプ: A6000x2
- 使用時間(単位は時間): 1000
- 学習した場所: 日本
参考文献
@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}
}
*このモデルカードは Stable Diffusion v2 に基づいて書かれました。
- Downloads last month
- 8