Stable Diffusion 系の画像生成では、text encoder と呼ぶ部品がプロンプト（描きたい絵の内容を語で並べた文面）を数値に変え、その数値を手がかりに絵を作ります。 text encoder には CLIP（画像と文章を同じベクトルの空間に対応付けるよう学習したモデル）の文章側が使われていて、一度に 77 トークン（語や語の断片。分け方は Tokenizer のノートを参照）までしか読めません。 ...
masterpiece, best quality, no humans, still life, (blue ceramic teapot:1.4), lemons, glass bottle 上記は、画像生成のプロンプト（描きたい絵の内容を語で並べた文面）の 1 行です。(blue ceramic teapot:1.4) の括弧と数字が Prompt Weighting（プロンプトの重み付け）の書式で、括弧で囲んだ語の効き具合を 1.4 倍に強める、という意味で書きます。描きたくないものを並べる打ち消し（ネガティブプロンプト）にも、同じ書式で重みを付けられます。 ...
Attribute Binding（属性の束縛）は、画像生成のプロンプトに書いた色や素材などの属性が、その語の修飾する対象に正しく付くことです。例えば black hair, aqua eyes と書いたら、青緑（aqua）は目に付き、髪は黒のままであってほしいわけです。 ...