「Stable Diffusion」で生成された画像とプロンプトがどのくらい似ているのかを確認してみよう （＠IT）

連載目次 前回はStable Diffusionでノイズから画像が生成される過程を確認しました。今回は少し方向性を変えて、CLIP（Contrastive Language-Image Pre-Training）と呼ばれ、Stable Diffusionの内部でも使われている「テキストとイメージ（画像）の組を基に学習を行ったモデル」について見てみます。 …