はじめに
事業のロゴは、その事業のブランドイメージを象徴するものであり、多くの企業が重視している要素です。しかし、ロゴデザインには多くの時間や費用がかかることがあり、中小企業などでは手軽にロゴを作成することができない場合もあります。そこで本記事では、Stable Diffusionを使った簡単なロゴ生成方法を紹介します。
Stable Diffusionとは
まずは、Stable Diffusionについて説明します。Stable Diffusionとは、人工知能の一種であるGAN(Generative Adversarial Networks)を使って画像を生成する手法の一つです。GANは、2つのニューラルネットワークを競わせることで、新しい画像を生成することができます。Stable Diffusionは、GANによる画像生成に、微分方程式を使って安定性を保証する手法を加えたものです。
事業のロゴ生成にStable Diffusionを使うメリット
Stable Diffusionを使うことで、以下のようなメリットがあります。
簡単にロゴを生成することができる。
ロゴのデザインに必要な素材が少なくて済む。
生成されるロゴは高品質で、デザインの自由度が高い。
txt2imgとは
txt2imgとは、Stable Diffusionを使ったテキストから画像を生成するためのWebアプリケーションです。txt2imgを使うことで、簡単にロゴの生成やその他の画像生成を行うことができます。
Google Colabを使った簡単なロゴ生成方法
Google Colabは、Googleが提供する無料のクラウドベースの開発環境です。Google Colabを使うことで、Stable Diffusionを使ったロゴ生成を簡単に行うことができます。以下の手順で、Google Colabを使った簡単なロゴ生成方法を説明します。
Google Colabの準備
まずは、Google Colabを開き、新しいノートブックを作成します。
次に、ノートブックを実行して、Stable Diffusionを起動します。
Save_In_Google_Drive
の部分を下記のようにすると
GoogleDriveに画像が保存されるようになります
実行後は下記のURLにアクセスしてから
Save_In_Google_Drive
の上にあったユーザー名とパスワードを入力すると
下記の画面が表示されます
ロゴ生成のための準備
ロゴ生成に必要な素材を用意します。たとえば、企業名やブランド名、キャッチフレーズなどが必要です。また、ロゴのデザインに必要なキーワードを洗い出しておく必要がります
今回は「黒猫,木,太陽」のキーワードで生成してみます
ロゴ生成の実行
プロンプトの部分にキーワードを入力してから
画面左上の「Generate」ボタンをクリックします。
生成された画像が表示されるので、必要に応じて「Save」ボタンをクリックして画像を保存します。
ベースプロンプトの作成
上記のキーワードだけでは思ったような画像が生成されなかったため
画像全体の品質に関するキーワードや、ロゴ生成ならではのキーワードを探します
今回は下記のサイトからそのキーワードを持ってきました
masterpiece, best quality, ultra-detailed, illustration, (clear outlines),(logo:1.5),(fox),thick line,logo mark,(simple:1.5),black and white,monochrome,(fill,icon),silhouette,minimalist
プロンプトの整理
プロンプトの整理をします
上が画像全体に関係するプロンプト、次にロゴ生成をして欲しいキーワード群、最後に画像の細部に関係するキーワードを記載しました。
masterpiece, best quality, ultra-detailed, illustration,
(clear outlines),(logo:1.5),
(black cat, tree, sun, simple eyes),
thick line,logo mark,(simple:1.5),(fill,icon),
silhouette,minimalist
Negative prompt: watermark
Steps: 30, Sampler: Euler a, CFG scale: 7, Seed: 3280071029, Size: 400x400, Model hash: 40a9f4ec37, Model: 9527_v10, Variation seed: 2469886497, Variation seed strength: 0.2
masterpiece, best quality, ultra-detailed, illustration,
(clear outlines),(logo:1.5),
((simple eyes))
(black cat, tree, sun, ),
thick line,logo mark,(simple:1.5),(fill,icon),
silhouette,minimalist
watermark
runwayml/stable-diffusion-v1-5
masterpiece, best quality, ultra-detailed, illustration,
(clear outlines),(logo:1.5),
((simple eyes))
(black cat, tree, sun, ),
thick line,logo mark,(simple:1.5),(fill,icon),
silhouette,minimalist
Negative prompt: watermark
Steps: 30, Sampler: Euler a, CFG scale: 7, Seed: 1380999118, Size: 400x400, Model hash: cc6cb27103, Model: v1-5-pruned-emaonly
Saved: 00004-3449007777-masterpiece, best quality, ultra-detailed, illustration,_(clear outlines),(logo_1.5),__((simple eyes))_(black cat,),_((tree, sun.png
LarryAIDraw/9527_v10
黒猫本体+目の精度重視
masterpiece, best quality, ultra-detailed, illustration,
(clear outlines),(logo:1.5),
((simple eyes))
(black cat, tree, sun, ),
thick line,logo mark,(simple:1.5),(fill,icon),
silhouette,minimalist
Negative prompt: watermark
Steps: 25, Sampler: Euler a, CFG scale: 7, Seed: 1018995780, Size: 400x400, Model hash: 40a9f4ec37, Model: 9527_v10
Saved: 00000-1018995780-masterpiece, best quality, ultra-detailed, illustration,_(clear outlines),(logo_1.5),__((simple eyes))_(black cat, tree, sun, ),.png
masterpiece, best quality, ultra-detailed, illustration,
(clear outlines),(logo:1.5),
(silhouette)
(black cat, tree, sun, ),
thick line,logo mark,(simple:1.5),(fill,icon),
minimalist
Negative prompt: watermark
Steps: 25, Sampler: Euler a, CFG scale: 7, Seed: 3471070400, Size: 400x400, Model hash: 40a9f4ec37, Model: 9527_v10
masterpiece, best quality, ultra-detailed, illustration,
(clear outlines),(logo:1.5),
(black cat silhouette, tree, sun, ),
thick line,logo mark,(simple:1.5),(fill,icon),
minimalist
Negative prompt: watermark
Steps: 25, Sampler: Euler a, CFG scale: 7, Seed: 2458585810, Size: 400x400, Model hash: 40a9f4ec37, Model: 9527_v10
背景の木+太陽重視
masterpiece, best quality, ultra-detailed, illustration,
(clear outlines),(logo:1.5),
(black cat silhouette, ),
((tree, sun))
thick line,logo mark,(simple:1.5),(fill,icon),
minimalist
Negative prompt: watermark
Steps: 25, Sampler: Euler a, CFG scale: 7, Seed: 810313142, Size: 400x400, Model hash: 40a9f4ec37, Model: 9527_v10
全体的な品質向上+猫の数調整
(masterpiece), best quality, ultra-detailed, illustration,
(clear outlines),(logo:1.5),
1 cat
(black cat silhouette, ),
((tree, sun))
thick line,logo mark,(simple:1.5),(fill,icon),
minimalist
Negative prompt: watermark, 2 cat
Steps: 30, Sampler: DPM++ SDE Karras, CFG scale: 7, Seed: 1407371347, Size: 400x400, Model hash: 40a9f4ec37, Model: 9527_v10
Saved: 00010-1407371354-(masterpiece), best quality, ultra-detailed, illustration,_(clear outlines),(logo_1.5),__1 cat_(black cat silhouette, ),_((tree,.png
生成されたロゴの調整
seed値の調整
生成されたロゴは、seed値によってランダムに生成されるため、同じseed値を指定することで同じロゴを再現することができます。例えば、seed値を10とした場合に生成されたロゴを再現したい場合、再度seed値を10と指定することで同じロゴを生成することができます。
Variation strengthは、ロゴ生成時にランダムな変化を与える強度を調整するパラメーターです。このパラメーターを変更することで、生成されるロゴのバリエーションや、微妙な変化の度合いを調整することができます。
Variation seed値の調整
Variation seed値を指定することで、ロゴの微妙なバリエーションをつけることができます。例えば、seed値が10の場合でも、Variation seed値を変更することで微妙に異なるロゴを生成することができます。
最終調整
生成されたロゴには、GIMP、Inkscapeなどの画像編集ソフトを使用して微調整を加えることも可能です。例えば、ロゴの色や形状を変更したり、背景を透明にすることができます。このような微調整を加えることで、より魅力的なロゴを作成することができます。今回は下記の2枚の画像を加工して3枚目の画像を作成しました。
ベースとなる画像
masterpiece, best quality, ultra-detailed, illustration,
(clear outlines),(logo:1.5),
(black cat, tree, sun),
thick line,logo mark,(simple:1.5),(fill,icon),
silhouette,minimalist
Negative prompt: watermark
Steps: 30, Sampler: Euler a, CFG scale: 7, Seed: 3280071029, Size: 400x400, Model hash: 40a9f4ec37, Model: 9527_v10, Variation seed: 4121124150, Variation seed strength: 0.2
パーツ用の画像
parameters
(masterpiece), best quality, ultra-detailed, illustration,
(clear outlines),(logo:1.5),
1 cat
(black cat silhouette, ),
((tree, sun))
thick line,logo mark,(simple:1.5),(fill,icon),
minimalist
Negative prompt: watermark, 2 cat
Steps: 30, Sampler: DPM++ SDE Karras, CFG scale: 7, Seed: 1407371354, Size: 400x400, Model hash: 40a9f4ec37, Model: 9527_v10, Variation seed: 3112941075, Variation seed strength: 0.1
加工後の画像
Inkscapeでパーツを抽出します。
それを元の画像に貼り付けます。それに合わせてパーツの色を若干変更します。
完成です!!
まとめ
まとめとして、stable-diffusionを利用した事業のロゴ生成について解説しました。stable-diffusionは、機械学習技術を用いた画像生成モデルであり、Google Colab上で利用可能です。このモデルを利用することで、テキストデータから高品質な画像を生成することが可能になります。
記事では、stable-diffusionを利用した事業のロゴ生成の方法について詳しく解説しました。また、seed値やVariation strengthの調整方法についても解説し、生成された画像の修正方法についても触れました。
stable-diffusionを利用することで、簡単に事業のロゴを生成することができるため、多くの方に利用されることが期待されます。今後も、より高度な画像生成技術が開発されることが期待されますが、stable-diffusionは、その中でも一定の性能を発揮していることが報告されています。
生成された画像の品質は、モデルのパラメータや学習データの品質に依存するため、最終的な画像の使用には注意が必要です。