Imagen (画像生成モデル)

Imagen: テキストから画像生成モデル

ImagenはGoogle DeepMindが2022年から2025年にかけて開発した画像生成モデルで、特にテキストプロンプトを用いて高品質な画像を生成する能力を持ち、多くのクリエイターや研究者に利用されていました。2026年8月17日にサービスが終了した後、その役割は後継モデルであるNano Bananaに引き継がれています。

歴史的背景

Imagenの最初のバージョンは2022年5月に公開された論文で話題となり、テキストから忠実で高品質な画像を生成する技術が紹介されました。このモデルはGoogle Brainによって開発され、2023年4月にはDeepMindとの合併により、アイデアと技術が統合されました。

Imagen 2は2023年12月に登場し、主にテキストとロゴの生成に力を入れました。その後、2024年8月にImagen 3がリリースされ、Googleはこのバージョンで生成される画像のディテールや照明を向上させたとしています。そして、2025年5月20日に行われたGoogle I/O 2025で、Imagen 4が発表され、最大2Kの解像度で画像を生成することが可能になりました。

技術的な側面

Imagenは二つの主な技術を駆使しており、一つはテキストを理解し画像生成に活かすための大規模言語モデルであるTransformer、特にT5を使っています。もう一つは、高忠実度の画像を生成するカスケード拡散モデルです。このプロセスは三段階に分かれ、最初は64x64の解像度から始まり、256x256、そして最終的には1024x1024にアップサンプリングされます。

機能と活用法

Imagenは単なる画像生成だけでなく、様々なスタイルの画像を創作することも得意としています。例えば、シネマティックな雰囲気、35mmフィルムスタイル、イラスト、シュールな表現など、多岐にわたって対応可能です。ただし、人間の指や複雑なタイポグラフィの生成には困難が伴うことがあります。

また、このモデルはさまざまなアスペクト比に対応しており、9:16、3:4、1:1、4:3、16:9の5種類から選べるため、用途に応じた画像を制作することが可能です。さらに、既存のテキストプロンプトを編集することで、すでに生成された画像を改良することもできます。

関連項目

Imagenの技術に関連する分野には、人工知能アートやコンピュータアート、ジェネレーティブアートなどがあります。類似したモデルとしては、OpenAIのDALL-EやStability AIのStable Diffusion、Midjourneyなどがあります。これらのAIツールは、創造的なプロセスを支援し、アーティストやデザイナーに新たな可能性を提供しています。

外部リンク

• - Imagen 公式サイト

Imagenの開発とその後の成果は、AI技術の進化を象徴しており、今後のモデルにも大いに影響を与えることでしょう。

もう一度検索