いろいろ試験的な

あれこれを置く場所

AIで作った図版の背景がマダラになる問題→ハイブリッドSVGを知る

  • まずは、問題の画像
  • 「ベタ塗りにして」と頼んでみた
  • えっ、そこまで忠実に描き直せるの?
  • ところが、きれいになりすぎた
  • そもそも、最初からSVGで描けばいいのでは?
  • まさか、レイアウトまでやってくれるとは!
  • 本当にできてしまった!
  • とはいえ、まだ完璧ではありません
  • 画像生成AIとSVG、どう使い分ける?
  • たかが色ムラ、されど色ムラ
    • 付録:ちゃっぴー用、ハイブリッドSVG生成用のプロンプトです。

 

AIに図解やインフォグラフィックを作ってもらうと、文字の背景やパネルの色が、なんだかまだらになってしまうのです。

 

薄いピンクや水色で、均一に塗ってほしいだけなのに、うっすら雲がかかったような、にじんだような濃淡ができてしまう。

 

水彩画なら、むしろ味があっていいんです。

 

でも、文字を読みやすくするための背景に、そんな質感はいらないです。

 

今回、絵本『月夜のコーヒーノキ』の読み方ガイドを作っていて、また同じ問題にぶつかりました。

いままで放置していたんですが、今度こそ、ちゃっぴーに相談してみることにしました。

 

まずは、問題の画像

 

この図は、絵本のいろいろな読み方を説明するためにAIに作ってもらったものです。たしか、GPT Image 2.1のころ。

 

全体のデザインは気に入っています。

でも、カードの背景をよく見ると、微妙に色がまだらになっています。

 

こういうの、すごく気になります。

Gemini Notebookのインフォグラフィックでも、同じ悩みがありました。

ちゃっぴーに聞くと、画像生成AIは、フラットな図解を頼んでも、勝手に陰影やテクスチャを加えてしまうことがあるとのこと。

 

「ベタ塗りにして」と頼んでみた

そこで、次のような条件を指定して再生成してもらいました。

フラットデザイン。背景と各パネルは完全な単色ベタ塗り。グラデーション、陰影、テクスチャ、ノイズ、紙の質感、照明効果を一切使用しない。SVGで描画したような均一な色面にする。

できあがったのがこちら。

 

 

かなり改善されています。

背景のまだらが大幅に減って、パネルの色がすっきりしました。

 

でも、ここで別のことに驚いてしまいました。

えっ、そこまで忠実に描き直せるの?

元の図(左)と、再生成された図を見比べてください。

文字の配置、アイコン、矢印、絵の細部の構成。

ほとんどそのままです。

 

しかも、単に画像の色を補正したのではなく、元の画像を参考に、新しく描き直しているとのこと(ちゃっぴー談)。

 

特に驚いたのは文字でした。

 

 

日本語の漢字まで、かなり正確に再現されています。元の画像で少し崩れていた文字が、再生成後には自然な字形になっています。校正してなんて頼んでいません。

 

文字を単なる模様として写しているだけではなく、文脈も手掛かりにしているのでしょう。

 

以前は、あっちを直してもらえばこっちが変わっている、というイタチごっこになりがちだったのに。

 

画像生成AIもずいぶん進歩したんですね。

 

ところが、きれいになりすぎた

 

 

今度は、タイトル部分を見比べてください。

元画像(左)の月には、柔らかな濃淡があります。雲にも、ふんわりした質感があります。

 

ところが再生成した画像では、月がきれいな黄色い円になってしまいました。

 

背景のまだらは消したい。でも、月や雲の濃淡は残したい。

 

つまり、画像全体に「陰影禁止」と指示すると、本来残したかった表現まで消えてしまうことがあるわけです。

 

そもそも、最初からSVGで描けばいいのでは?

ここまで話していて、もう一つ気づいたことがあります。

最初から、きっちりした図解が欲しいなら、AIに「SVGで作って」と頼めばいいのでは?

 

SVGは、図形や線、文字などをデータとして記述する画像形式です。

例えば、背景色を薄いピンクに指定すれば、そこに勝手な色ムラができることはありません。

線もくっきりしていますし、拡大しても図形がぼやけません。後から色や文字を変更することもできます。

 

勘違いしやすいのですが、SVGと、SVG風画像は違います。

SVGを作って → ちゃっぴー(GPT-6)がコードで作成

SVG風の画像を作って → GPT Imageが画像を生成

という分担です。

 

つまり、SVG風と頼んでも、出力されたPNGの背景には色ムラが残る可能性があります。

 

一方、SVGそのものを作ってもらえば、色は正確に指定できます。

 

今回のような図なら、背景や文字、枠線はSVGで作り、月や植物などの挿絵には画像生成AIを使う。そんな組み合わせもよさそうです。

 

でも、それって誰がレイアウトするの?

私が画像編集ソフトを使って、一つずつ配置するの?

と聞いたところ、ちゃっぴーの返事は、

「レイアウトも私が担当できます。人間が一つずつ配置する必要はありません」

ええええ!

そんなことまでできるの?

 

まさか、レイアウトまでやってくれるとは!

どうやら、ちゃっぴーは元の画像を見ながら、文字や図形の位置を読み取り、SVGのコードを組み立てることができるらしい。

 

さらに、画像の中から必要な挿絵だけを切り出し、SVGの中に配置することもできるとのこと。

つまり、私がやるのは、どの部分をSVGにして、どの部分を画像として残すかを指示することだけ。

今回は、こんな方針にしました。

  • タイトルカード全体と人物などの挿絵・アイコンは、元画像から切り出したPNGとして残す。

  • 背景、カード、枠線、矢印、文字はSVGで再構築する。

  • 元画像のレイアウトや配色をできるだけ忠実に再現する。

  • SVG部分は完全なベタ塗りにする。

  • 最終的には、画像素材を内蔵した単体のSVGファイルにする。

 

さっそく、ちゃっぴーに作ってもらいました。

 

本当にできてしまった!

おおお!

本当にできています。

元の図を参考に、タイトルカードや挿絵を画像として残し、それ以外をSVGで組み直してくれました。

カードの背景は均一な色です。矢印も枠線もくっきりしています。

そして、タイトルカード以外の文字は、単なる画像ではなくSVGのテキストとして配置されています。

 

文字や図形を後から編集することもできます。

 

ちゃっぴーが元画像を解析し、挿絵を切り出し、図形と文字を組み立て、配置までやってくれたわけです。

考えてみれば、AIがPowerPointの資料まで作ってしまう時代なので、不思議ではないのかもしれません。

でも、私は驚きました。

画像生成AIとは別の方法で、ここまでできるんですね。

 

とはいえ、まだ完璧ではありません

細部を見ると、いろいろ問題はあります。

特に難しそうだったのが、元画像から挿絵だけを切り出す作業のようです。

 

 

本のアイコンは、周囲に元の背景色が少し残っています。

人物のアイコンは、目が変です。

 

ちゃっぴーに聞くと、切り抜き精度を上げたり、挿絵だけAIで描き直したりする方法もあるとのこと。

 

しかし何より、PNGの図を見せて、ここまでSVGに再構築できたことに驚きました。

 

画像生成AIとSVG、どう使い分ける?

今回の実験で、私なりに整理したのがこちらです。

作りたいもの 向いていそうな方法
水彩画や柔らかな挿絵 GPT Imageなどの画像生成AI
既存画像の雰囲気を変更 画像の再生成・編集
一部分だけ描き替えたい マスクなどを使った部分編集
色ムラのない図解や比較表 SVG
挿絵入りのきれいな説明図 SVGと画像素材の組み合わせ

 

実際に試してみると、

「画像生成AIに全部描いてもらう」

「ちゃっぴーに全部SVGで生成してもらう」

だけが選択肢ではないことがわかりました。

 

イラストは画像生成AIに任せ、文字や図形はちゃっぴーにSVGとして組み立ててもらう、という選択肢を今回知りました。

 

たかが色ムラ、されど色ムラ

出発点は、たった一つの小さな困り事でした。

 

「文字の背景がまだらになるのを何とかしたい」

 

それが、画像生成AIの再生成能力に驚き、SVGとの使い分けを考え、ついには元画像からハイブリッドSVGを作ってもらうところまで来てしまいました。

 

以前からSVGは描いてもらっていましたし、SVGの中にPNGを配置するのも新しい技術ではないそうです。

 

でもレイアウトまでAIにしてもらえるとは知りませんでした。

 

AIへの頼み方の選択肢が、また一つ増えました。

 

 


参考:OpenAI公式・Image generation

 

続きを読む

「ヒューマンインターフェイスガイドライン:アップルデスクトップインターフェイス」に寄せて

 

2011-10-23に別ブログで書いた記事のリライトです。次の記事でこの続きを書きたいなぁと。

 

人生の1冊との出会い

Macintosh Human Interface Guidelines (Apple Technical Library)
Apple Computer Inc.
Addison-Wesley Professional, 1992-12-31

Mac の開発者でこの表紙を見たことのある人は多いと思います。

 

が、

Human Interface Guidelines:The Apple Desktop Interface(日本語版)
Apple Computer Inc.
新紀元社, 2004-07

 

 

この表紙を見た人はあまりおられないのではないでしょうか。

一度、復刊ドットコムのお陰で「新紀元社」というところから2004年に復刊していますが、もう絶版のようです。『Human Interface Guidelines: The Apple Desktop Interface(Apple Computer 著/アップルコンピュータ 訳)』 復刊リクエスト投票を見ると、177件も。

 

モノホンは、アジソン ウェスレイから1989年に出ています。うろ覚えなのですが、まだ池袋でマックワールドエキスポ(だったっけ?)をやっていた頃、参考書売り場に並んでいるのを衝動買いしてしまったのを覚えています。確か3000円ぐらいして、でもすごく薄くて、でもすごく中身が濃過ぎてすっかり虜に。

 

その後、第2版が出ましたが和訳されることはなく、仕方なく立ち読みしながら、買おうかどうしようか迷った記憶も。それに高かったし。

 

今は、有志の方が和訳されたサイトがあったんですね。
アップル ヒューマンインタフェースガイドライン
この中にある
第3章 ヒューマンインタフェースガイドライン

 

これが初版のものをだいぶ加筆修正されているにしても、面影を残しているかと思います。

 

実は、私にとっての人生の1冊というのは、この「Human Interface Guidelines:The Apple Desktop Interface(日本語版) 第1版」なのです。当時、技術書に3000円も出したのも初めてだったけど、これだけ首っ引きで読み、その後も繰り返し取り出しては見ていた本は、これだけです。「論語」って人もいるでしょうけど、私には、これ。

 

インターフェイスの原則は、人間関係にも通じる

要は「マン・マシン インターフェイス」をアップル製品内で統一するための、仕様書なわけですけれど、このたった10個足らずの決まり事が、当時の私に大きく影響しました。

 

マン・マシン インターフェイスは、対人関係(いわばマン・マン インターフェイス)にも当てはまるのですよ。これは、大きな発見だったし、学校じゃ教えてくれなかったし、たぶん知らず知らずに普通の人が身につけることなんだと思います。そんな他愛のない発見でしたが、当時の私にとっても、そしてその後の私にとっても、大きく影響を及ぼす思想でした。

 

たとえば

  • 一貫性

  • 分かりやすさ

  • フィードバック

  • 寛容性

  • 安定性

  • 美的感性度

ね、どれも人間社会で思い当たることばかりでしょう? 

 

コロコロ態度を変える人、言葉のやり取りがやたら難しい人、すぐに怒る人、怒るときと怒らないときがある人、生き方や行動が洗練されていて美しい人…そんな人々と接していて、思い出すのが、いつもこのマニュアルでした。

 

久々に色の変わってしまったこのマニュアルを紐解いてみました。第一章を部分的に抜粋してみます。タイトル以下は私の理解で短縮しながらコメントを入れています。

Human Interface Guidelines の基本原則

■ ユーザ側の視点にたつこと
 パーソナルコンピュータのユーザの大半はプログラマだったが、ユーザが目的をもって仕事を遂行する道具としてパソコンを使う時代に…プログラマではない一般ユーザがコンピュータを操作する時代に。人間は好奇心をもち学習能力があるもの。創造的な作業を通して、コンピュータと人間のインターフェイスは互いに発展するべきもの。だから、この Apple Desktop Interface も発展途上である。

 

■ 一般的な10原則

1)比喩の使用
 ユーザが普段ふれている環境をそのまま、インターフェイスに持ち込む=デスクトップやゴミ箱

 

2)操作の直載性
 ユーザに主導権を与える=書類をゴミ箱にドラッグして捨てる(カーソルを動かすと書類が動き、ゴミ箱に落ちる音がする)

 

3)見たものを指示する See and Point(覚えてキー操作するのではなく)
 コマンドライン中心のインターフェイスから、直截的にコンピュータを扱える
 
4)一貫性
 アプリケーションの中でも、すべてのアプリケーション間でも。ユーザのとまどいをなくし、学習が容易になる。例えば、コマンド+C でコピー、コマンド+V でペースト。(これは Windows にも踏襲されています。)

 

5)WYSIWYG(What You See is What You Get.)スクリーンで見たままがプリントできる

 このマニュアルの裏づけにこんな印刷がされています。

 はっきり言って、とても出版物として完成度の高い品質ではありません。というのも、当時のNTX-Jの解像度は確か 300dpi と、今では信じられないぐらい低いものだったからです。

 

 ときはデスクトップパブリッシングという言葉が流行り始めた頃のこと。実は私が Mac を欲しかった大きな理由は、自費出版もどきができるからでした。でも、ノートに書いた小説を印刷してどうにかする(知人に配るなど)前に、ほどなく Web が解禁し、テキストの状態で世界に向けて発信できるようになってしまいました。それにしても、職場ではグラフィックいりの書類を違和感なく印刷できるというのは、当時とても新鮮でした。それまでは、2ch よろしくアスキーアートで一生懸命図を書いてドットマトリックスプリンタで印刷配布していたものでしたから。

 

 ただし、純正のポストスクリプトプリンタ(NTX-J)は高過ぎて、個人ではちょっと買えないお値段でしたが、フォントまで拘る必要がなければ(デザインユースでなければ)レーザプリンタが個人でも手の届くお値段で登場し、そしてほどなくインクジェットプリンタでカラー印刷もできるように。時代は、私がこのマニュアルを抱きしめている間にもドッグイヤーと言われる速度で進んでいました。

 

6)ユーザによるコントロール
 ユーザが処理を主導する=エラーにつながる操作にはエラーを返し、それ以外の場合はユーザの意志を確認しながら要求された処理を行うのみ。

 

7)フィードバックとダイアログ
 ユーザの操作にはすみやかに反応をして、今した操作に対して何が起きているのか、状況が常に把握できるようにする。その反応は、プログラマではなく一般ユーザに分かる表現で。

 

8)寛容性
 コンピュータはユーザの操作ミスを最大限に助けるべき=すべての操作は原則として取り消し可能であり、取り消しできない場合はその旨をあらかじめ伝える。

 

9)安定性
 概念的な安定性=いつもあるところに同じものが見えている…というようなこと。

 

10)美的完成度
 混乱を招く or 見た目が魅力的でない表示は排除=ユーザの作業環境がユーザに優しく楽しく惹き付けるものであること。

グラフィックとプログラミングの3原則

1)表示上の一貫性
 グラフィック表示における、アイコン、ウィンドウ、ダイアログなどユーザとのインターフェイスの中心となるもののデザインは、容易に理解、識別できるものであること。

 

2)シンプルさ
 ユーザとのインターフェイスとなる、アイコン、ウィンドウ、ダイアログに、必要以上の情報を表示しないこと。

 

3)分かりやすさ
 場合により、アイコンや言葉を使い分け、ユーザに状況を知らせる。
 必要以上にアニメーションを使うことはないが、コンピュータが処理中であること、ユーザを待たせる必要があること、その間はそれがユーザに伝わるように、アニメーションカーソルを使うなどの工夫が必要。

 

ちなみに
■ プログラミング上の方針
では

1)モードレスオペレーション
2)イベントループ
3)操作の取り消し
4)スクリーン
5)表現の明確さ

という項目で、上記10原則を守るためのプログラミング手法を説いています。イベントループというプログラミング手法を使うことで、いつでもユーザの操作を受け付けることができるのです。モードレスオペレーション=これはちょっと深すぎて、容易には説明不能。…深いです。

アクセシビリティという思想

■ ハンディキャップを持つユーザへの対応
という項目もあります。これは当時のジョブズにとって、何故にコストを払ってまで入れようとした機能なのか、私には分かりません。パロアルトがルーツなのか、これを機に調べてみようと思います。

 

1)視覚
2)聴覚
3)その他の障害

この思想は、iPhone にも健在です。

 

ソフトキーボードやボイスナビゲータなど、障害のある方を助ける機能はいまや Mac の世界だけではありません。ソフトバンク携帯でもプロジェクトが走っていますし(魔法のプロジェクト -現在リンク切れ)、Windows にもすでに搭載されています。先日の、福祉機器展のセミナーで知りました。マイクロソフト、恐るべし。

マイクロソフト アクセシビリティ ホーム(リンク切れ)

変わっていくインターフェイス

この「決めごと」は第2版以降ではもっと複雑になっていますし、マーケティングからの要望で取り入れざるを得なかった、お見苦しいインターフェイスも後々登場しました。たとえば、タブインターフェイスや、メニューが開いたままになるインターフェイスなど、Windows に引っ張られたものもあるそうです。

 

長々と書きましたが、もし、お読みくださった方がいらしたら、拙い駄文におつきあいありがとうございました。

 


初出:https://donkey.hatenablog.com/entry/20111023/1319376165

プロンプトより前から、創作は始まっているのかもしれない

 

最近、ちょっと面白いことに気づきました。

 

同じChatGPT(5.6 Sol)を使っているのに、私のちゃっぴーと、友人のちゃっぴーでは、なんとなく感性が違うんです。

 

先日、「オタクという言葉を言い換えると?」と、それぞれのちゃっぴーに聞いてみました。

 

うちのちゃっぴーは、

「偏愛家」

 

友人のちゃっぴーは、

「小さなしあわせの蒐集家」

でした。

 

……負けたw

 

でも、面白いのはここからです。

 

友人が創作で使っているプロンプトを見せてもらったことがあります。

意外なくらい、簡単なんです。

 

なのに、出てくるものには、ちゃんと「あの人の世界」がある。

なぜだろう?

 

たぶん、プロンプトだけを見てもダメなんですよね。

 

普段の会話のなかで、

 

これは好き。
これは違う。
もう少しこうしたい。
これは説明しすぎ。
この感じは好き。

 

そんなやりとりを、ずっと繰り返している。

AIが何かを出す。
人間が選ぶ。
またAIが出す。
また選ぶ。

 

そのうち、AIとの間に「何をいいと思うか」のようなものができてくる。

 

もちろん、AIそのものが人間みたいに育っているわけではありません。

 

でも、その人とAIの「あいだ」にあるものは、少しずつ育っているように「見え」ます。

 

しかも面白いことに、AIに好みを教えているうちに、人間のほうも、

「あ、自分はこういうものが好きだったんだ」

と気づいたりする。

 

そう考えると、AIとの創作って、プロンプトを書いたところから始まるわけではないのかもしれません。

 

そのずっと前。

 

「これは好き」「これは違う」と言っていたところから、もう創作は始まっていた。

 

そんな気がしています。

 


 

友人と創作を始めました。

 

─ よかったら、覗いてみてくださいね。