🌟
【CogView2】Text-to-Image 試してみた
はじめに
Twitterで以下の様な投稿をたまたま見かけました．
詳しい説明は除きますが，CogView2 とは学習重みが公開されていて誰でも試すことができる Text-to-Image モデルです．
本記事では，実際に CogView2 に触れてみます．
環境構築
GitHub の Repository の README.md に記載されている手順に従って，以下の様に環境を構築します．
git clone https://github.com/THUDM/CogView2
cd CogView2
pip install -r requirements.txt
cd ../
git clone https://github.com/Sleepychord/Image-Local-Attention
cd Image-Local-Attention
python setup.py install
しかし，私の場合は以下の様なエラーを吐かれたので
RuntimeError:
The detected CUDA version (11.1) mismatches the version that was used to compile
PyTorch (10.2). Please make sure to use the same CUDA versions.
PyTorch のバージョンを変更して入れ直しました．実際に使ったコマンドは以下です．
pip install torch==1.9.0+cu102 torchvision==0.10.0+cu102 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html
実際に試してみる
まずは，CogView2/input.txt に書かれているテキストを以下のように変更します．
0 a beautiful cat
1 a cat with bulue eyes
2 a cute kitten
そして，以下の様にコマンドを実行します．
sh text2image.sh
なんと以上です！簡単ですね！
結果
a beautiful cat
a cat with bulue eyes
a cute kitten
おわりに
今回は2022年4月に寄稿された CogView2 を実際に使って Text-to-Image を試してみました．
AIが描いた絵とは信じられないくらい，テキストの意味を解釈して自然に画像化しています．
誰でも簡単にフェイク画像を作ることができるので，より一層の注意が必要となりそうですね．
Discussion