限られた学習データでの画像生成 AI モデル開発とコスト最適化

近年、画像生成AIは急速に進化・普及していますが、多くの既存モデルは学習データの権利が不明確であり、日本国内で商用利用できる画像素材として安全に利用できる画像を生成することが難しいという課題がありました。プロンプトにおける言語の壁だけでなく、画像のスタイルやテイスト面でも、日本の商用利用ニーズに合致しないケースが多く見られます。

私たちは画像生成 AI の進化は多くのクリエイターの創作物の上に成り立っていると考えています。だからこそ、その貢献に正しく報い、安心して作品を提供できる環境をつくることは不可欠だと感じていました。

これらの課題を解決するためには、既存モデルのカスタマイズだけでは根本的な解決は困難であると判断しました。そこで当社は、自社で著作権を保有し、AI への活用を許可したクリエイターの画像のみを用いて学習した独自の画像生成 AI モデルをスクラッチから構築し、報酬をクリエイターへ還元するプロジェクトを始動することにしました。

本記事では、AWS Bedrock、AWS Inferentiaを含めた AWS サービスを活用し、以下の観点で ACワークス社の事例をご紹介します。

1. 比較的に少量な学習データで高精度画像生成モデルをスクラッチ構築した際の工夫点
2. サービスリリース後コストパフォーマンス最適化の工夫点

 

X ポスト » | Facebook シェア » | はてブ »

 

著作権に配慮した画像生成モデルを開発するうえで、私たちが直面した大きな課題のひとつが、既存の公開モデルに比べてはるかに小さいデータセットしか使えないことでした。既存モデルの多くは Webク ロールによって収集された膨大なデータで学習されていますが、私たちはあえて「量より質」という方針を採用し、限られた著作権対応データを最大限に活かすことを目指しました。

自動 Web クロールで作られた公開データセットには、以下のような品質面での課題が多く見られます。

• 画像品質のばらつき : 解像度の混在、画像の欠陥 (アーティファクト）、無関係な画像の混入

• キャプションとの不整合 : 内容が漠然としている、あるいは画像と一致しない説明

画像生成モデルは「画像」と「キャプション」のペアから学習することを踏まえ、私たちは次の 3 つの重要な最適化ポイントに注力しました。

1. 厳選した画像の採用 (Curated Image Selection)
   明確で厳密なフィルタリング基準を設け、目指す出力品質やスタイルに最も合致する画像だけをトレーニングデータとして使用しました。
   

2. キャプション品質の向上 (Enhanced Caption Quality)
   モデルが可能な限り正確に「見えているもの」を理解できるよう、キャプションの精度や情報量を高めるために多くの工数を投じました。
   

3. データ拡張 (Augmentation)
   選び抜いた画像の中からさらに小規模なセットを抽出し、データ拡張を行うことで、枚数・多様性を増やすとともに、学習データのバランスを調整しました。

これらの手法は手間も工数もかかりますが、すべての学習サンプルがモデルの学習に有効な役割を果たすように設計されています。その結果、従来の大量データ前提の手法に比べ、より少ないデータポイントでも高品質な成果を得ることができるようになります。


 

学習プロセスでは、トレーニングを高速化しつつもコストを削減するために、複数の最適化手法を取り入れました。