検証 / 参照画像の枚数を変える

参照画像は何枚から逆効果になるのか

「参照画像を増やすと混ざる」とよく言われる。1枚目に柴犬の写真を固定し、2枚目以降は無関係な画像(ネオン看板・ラーメン・天の川・陶芸・浮世絵・ピクセルアートなど)を足していって、主題が保たれるかを見た。混ざれば一目で分かる組み合わせにしてある。

共通のベース(全条件で同一)

1枚目の参照画像に写っている犬を主役にして、雪の積もった公園に立っている場面を描いて。
犬種・毛色・顔立ち・表情は1枚目のまま一切変えないで。
背景だけを雪の公園に置き換える。曇天の柔らかい光。
2枚目以降の参照画像は、雰囲気の参考にとどめ、被写体として登場させないで。

参照画像の枚数だけを変える

1枚(主題のみ・13.6秒)
1枚(主題のみ・13.6秒)柴犬の写真のみ当然ながら同一の柴犬。基準になる1枚。
2枚(10.2秒)
2枚(10.2秒)+ネオン看板混入なし。柴犬のまま。
4枚(20.6秒)
4枚(20.6秒)+ラーメン・天の川混入なし。
8枚(16.4秒)
8枚(16.4秒)+陶芸・夜景・苔・室内混入なし。
14枚・上限(22.1秒)
14枚・上限(22.1秒)+腕時計・空撮・浮世絵・ピクセルアートまで混入なし。浮世絵やピクセルアートの画風すら移らなかった。
14枚・「混ぜるな」の一文なし(43.5秒)
14枚・「混ぜるな」の一文なし(43.5秒)最後の1行を削って同じ14枚対照条件。それでも混入なし。あの一文は必要なかった。
14枚・主題も指定しない(39.3秒)
14枚・主題も指定しない(39.3秒)「雪の公園に犬が立っている」だけ文章で犬種を言っていないのに、参照1枚目とほぼ同じ柴犬が出た。
分かったこと

通説が否定された。14枚まで増やしても混ざらなかった。浮世絵やピクセルアートを参照に入れても、画風すら移らない。「混ぜるな」と書かない対照条件でも同じだった。しかも主題を文章で指定しない条件では、参照画像の柴犬がそのまま採用された。つまり参照は無視されているのではなく、強く効いたうえで取捨選択されている。——ただし実害はある。生成時間が1枚で13.6秒、14枚で43.5秒と3倍以上に伸びた。混ざるのが怖くて減らす必要はないが、遅くなるので要らない画像は渡さないほうがいい。

#参照画像#通説の否定#一貫性

Related

この検証に関係するプロンプト

Identity anchors / Naming / Consistency

Character sheet / Turnaround / Flat vector

Compositing / Shadow match / Scale match