LDMの世界③：AIは言葉で「構図」を決める

画像生成AIが言葉で構図を決める仕組みを解説。AIが「平均」を計算する際の混線や、プロンプトが効く理由、ステップ数の重要性など、画像生成のメカニズムを解き明かす。

• AI画像生成では、CLIPが言葉と画像を数値空間で結びつけ、プロンプトによる操作を可能にしています。
• 「色移り」はCLIPの曖昧な境界により、指定した概念の影響が隣接領域に滲むことで発生すると説明されています。
• CFG（Classifier-Free Guidance）は、AIが「平均的な絵」に回帰するのを防ぐため、指示との差分を増幅して適用する技術です。
• CFG係数7.0付近は、平均からの乖離を程よく強調し、プロンプトの特徴を鮮明にする経験則上の最適値とされています。
• Samplerはノイズから画像への変換経路を決定し、ステップ数や計算手法（Euler a, DPM++系）で生成される画像の質感や多様性が変化します。