画像生成で「眼鏡なし」と指定しても眼鏡が残るのはなぜですか

否定プロンプトを使う拡散モデルでは、生成途中の絵を特定の語が示す方向から遠ざけます。プログラムの条件分岐のように「眼鏡が一個でもあれば必ず消す」と働く指示ではありません。

形が生まれる段階と消す段階

研究者は否定の指定を効かせる時点を変え、どの段階で対象を抑えられるかを調べました。顔と眼鏡のように関連する特徴が同じ領域で育つと、語を一つ加えただけでは境界を切り分けにくくなります。使っているモデルが否定用の入力欄を持つかも結果に関わります。

ECCVで発表された拡散モデルの否定プロンプトの研究