ではZの値はどのように決めたらいいのか?

 与えられたキーフレーズ（つまり指示文）と、生成された画像を

というNNが読み込み、｢渡された二つのデータがどのくらい違和感があるか｣という｢距離｣を導き出す。この距離をもとに、Zへとフィードバック（緑の矢印）し、Zを少しずつ移動させていく。

 CLIPが感じる｢距離｣が短くなればなるほど、絵は説得力のあるものになっていく —— という具合だ。

 今、世界各国で作られている画像生成AIは、細かな方式は違えどだいたいこの方法で作られている。

: 画像生成AI比較しました。#midjourny ＃dalle2 ＃stablediffusion ＃craiyon