このページでは、Imagen のカスタマイズ機能を使用して、Firebase AI Logic SDK で指定された被写体に基づいて画像を編集または生成する方法について説明します。
仕組み: テキスト プロンプトと、特定の被写体(商品、人物、ペットなど)を示す参照画像を 1 つ以上指定します。モデルはこれらの入力を使用して、参照画像の指定された被写体に基づいて新しい画像を生成します。
たとえば、子供の写真に漫画風のスタイルを適用したり、写真に写っている自転車の色を変更したりできます。
始める前に
Vertex AI Gemini API を API プロバイダとして使用している場合にのみ使用できます。 |
まだ完了していない場合は、スタートガイドに沿って、記載されている手順(Firebase プロジェクトの設定、アプリと Firebase の連携、SDK の追加、選択した API プロバイダのバックエンド サービスの初期化、ImagenModel
インスタンスの作成)を完了します。
この機能をサポートするモデル
Imagen は、capability
モデルを通じて画像編集を提供します。
imagen-3.0-capability-001
Imagen モデルの場合、global
のロケーションはサポートされていません。
件名のカスタマイズ リクエストを送信する
次のサンプルは、提供された参照画像(この例では猫)に基づいて新しい画像を生成するようにモデルにリクエストする被写体のカスタマイズ リクエストを示しています。猫は動物であるため、サブジェクト タイプ ImagenSubjectReferenceType.ANIMAL
を使用します。
対象が人物または商品の場合も、この例を使用できますが、次の変更が必要です。
対象が人物の場合は、サブジェクト タイプ
ImagenSubjectReferenceType.PERSON
を使用します。このタイプのリクエストは、フェイス メッシュ制御画像の有無にかかわらず送信でき、画像生成を詳細にガイドできます。対象が商品の場合は、対象タイプ
ImagenSubjectReferenceType.PRODUCT
を使用します。
このページの後半でプロンプト テンプレートを確認して、プロンプトの作成方法と、プロンプト内で参照画像を使用する方法について学習してください。
Swift
Imagen モデルを使用した画像編集は Swift ではサポートされていません。今年中にリリース予定です。
Kotlin
// Using this SDK to access Imagen models is a Preview release and requires opt-in
@OptIn(PublicPreviewAPI::class)
suspend fun customizeImage() {
// Initialize the Vertex AI Gemini API backend service
// Optionally specify the location to access the model (for example, `us-central1`)
val ai = Firebase.ai(backend = GenerativeBackend.vertexAI(location = "us-central1"))
// Create an `ImagenModel` instance with an Imagen "capability" model
val model = ai.imagenModel("imagen-3.0-capability-001")
// This example assumes 'referenceImage' is a pre-loaded Bitmap.
// In a real app, this might come from the user's device or a URL.
val referenceImage: Bitmap = TODO("Load your reference image Bitmap here")
// Define the subject reference using the reference image.
val subjectReference = ImagenSubjectReference(
image = referenceImage,
referenceID = 1,
description = "cat",
subjectType = ImagenSubjectReferenceType.ANIMAL
)
// Provide a prompt that describes the final image.
// The "[1]" links the prompt to the subject reference with ID 1.
val prompt = "A cat[1] flying through outer space"
// Use the editImage API to perform the subject customization.
// Pass the list of references, the prompt, and an editing configuration.
val editedImage = model.editImage(
references = listOf(subjectReference),
prompt = prompt,
config = ImagenEditingConfig(
editSteps = 50 // Number of editing steps, a higher value can improve quality
)
)
// Process the result
}
Java
// Initialize the Vertex AI Gemini API backend service
// Optionally specify the location to access the model (for example, `us-central1`)
// Create an `ImagenModel` instance with an Imagen "capability" model
ImagenModel imagenModel = FirebaseAI.getInstance(GenerativeBackend.vertexAI("us-central1"))
.imagenModel(
/* modelName */ "imagen-3.0-capability-001");
ImagenModelFutures model = ImagenModelFutures.from(imagenModel);
// This example assumes 'referenceImage' is a pre-loaded Bitmap.
// In a real app, this might come from the user's device or a URL.
Bitmap referenceImage = null; // TODO("Load your image Bitmap here");
// Define the subject reference using the reference image.
ImagenSubjectReference subjectReference = new ImagenSubjectReference.Builder()
.setImage(referenceImage)
.setReferenceID(1)
.setDescription("cat")
.setSubjectType(ImagenSubjectReferenceType.ANIMAL)
.build();
// Provide a prompt that describes the final image.
// The "[1]" links the prompt to the subject reference with ID 1.
String prompt = "A cat[1] flying through outer space";
// Define the editing configuration.
ImagenEditingConfig imagenEditingConfig = new ImagenEditingConfig.Builder()
.setEditSteps(50) // Number of editing steps, a higher value can improve quality
.build();
// Use the editImage API to perform the subject customization.
// Pass the list of references, the prompt, and an editing configuration.
Futures.addCallback(model.editImage(Collections.singletonList(subjectReference), prompt, imagenEditingConfig), new FutureCallback<ImagenGenerationResponse>() {
@Override
public void onSuccess(ImagenGenerationResponse result) {
if (result.getImages().isEmpty()) {
Log.d("TAG", "No images generated");
}
Bitmap bitmap = result.getImages().get(0).asBitmap();
// Use the bitmap to display the image in your UI
}
@Override
public void onFailure(Throwable t) {
// ...
}
}, Executors.newSingleThreadExecutor());
Web
Imagen モデルを使用した画像編集は、ウェブアプリではサポートされていません。今年中にリリース予定です。
Dart
import 'dart:typed_data';
import 'package:firebase_ai/firebase_ai.dart';
import 'package:firebase_core/firebase_core.dart';
import 'firebase_options.dart';
// Initialize FirebaseApp
await Firebase.initializeApp(
options: DefaultFirebaseOptions.currentPlatform,
);
// Initialize the Vertex AI Gemini API backend service
// Optionally specify a location to access the model (for example, `us-central1`)
final ai = FirebaseAI.vertexAI(location: 'us-central1');
// Create an `ImagenModel` instance with an Imagen "capability" model
final model = ai.imagenModel(model: 'imagen-3.0-capability-001');
// This example assumes 'referenceImage' is a pre-loaded Uint8List.
// In a real app, this might come from the user's device or a URL.
final Uint8List referenceImage = Uint8List(0); // TODO: Load your reference image data here
// Define the subject reference using the reference image.
final subjectReference = ImagenSubjectReference(
image: referenceImage,
referenceId: 1,
description: 'cat',
subjectType: ImagenSubjectReferenceType.animal,
);
// Provide a prompt that describes the final image.
// The "[1]" links the prompt to the subject reference with ID 1.
final prompt = "A cat[1] flying through outer space.";
try {
// Use the editImage API to perform the subject customization.
// Pass the list of references, the prompt, and an editing configuration.
final response = await model.editImage(
[subjectReference],
prompt,
config: ImagenEditingConfig(
editSteps: 50, // Number of editing steps, a higher value can improve quality
),
);
// Process the result.
if (response.images.isNotEmpty) {
final editedImage = response.images.first.bytes;
// Use the editedImage (a Uint8List) to display the image, save it, etc.
print('Image successfully generated!');
} else {
// Handle the case where no images were generated.
print('Error: No images were generated.');
}
} catch (e) {
// Handle any potential errors during the API call.
print('An error occurred: $e');
}
Unity
Imagen モデルを使用した画像編集は Unity ではサポートされていません。今年中にリリース予定です。
プロンプト テンプレート
リクエストでは、ImagenSubjectReference
を定義して参照画像(最大 4 枚)を指定します。ImagenSubjectReference
では、画像の参照 ID(必要に応じて被写体の説明も)を指定します。複数の画像に同じ参照 ID を設定できます(同じ猫の複数の写真など)。
プロンプトを作成するときに、これらの ID を参照します。たとえば、プロンプトで [1]
を使用して、参照 ID 1
の画像を参照します。件名に説明を指定する場合は、プロンプトに含めることもできます。そうすることで、プロンプトを人間が読みやすくなります。
次の表に、被写体(商品、人物、ペットなど)に基づいてカスタマイズ用のプロンプトを作成する際の出発点となるプロンプト テンプレートを示します。
ユースケース | 参照画像 | プロンプト テンプレート | 例 |
---|---|---|---|
商品画像のスタイル設定 - 広告 | サブジェクト画像(最大 4 枚) | SUBJECT_DESCRIPTION [1] に関する画像を作成してください。説明は次のとおりです。「${PROMPT}」 |
Luxe Elixir hair oil, golden liquid in glass bottle [1] に関する画像を作成してください。説明は次のとおりです。「真っ白な背景に Luxe Elixir hair oil, golden liquid in glass bottle [1] を持った女性の手の、ハイキーのクローズアップ画像。女性の手は明るく照らされ、瓶にしっかりとピントが合っている。浅い被写界深度が背景をぼかし、商品を強調している。照明は柔らかい拡散光で、瓶と手の周りに微妙な輝きを生み出している。全体的な構成はシンプルかつエレガントであり、商品の高級感を際立たせている。」 |
商品画像のスタイル設定 - 属性の変更 | サブジェクト画像(最大 4 枚) | SUBJECT_DESCRIPTION の画像を生成してください。ただし、${PROMPT} |
Seiko watch [1] の画像を生成して。ただし、青色で。 |
人物の画像スタイル(フェイス メッシュ入力なし) | サブジェクト画像(最大 4 枚) | SUBJECT_DESCRIPTION [1] に関する画像を作成してください。説明は次のとおりです。「SUBJECT_DESCRIPTION [1] のポートレート」${PROMPT} | a woman with short hair[1] に関する画像を作成してください。説明は次のとおりです。「背景がぼかされた 3D アニメ スタイルの a woman with short hair[1] のポートレート。」笑顔でカメラを見ている、パステルカラーのトーンの、かわいらしくて愛らしいキャラクター ... |
人物の画像スタイル(フェイス メッシュ入力なし) | サブジェクト画像(最大 4 枚) | SUBJECT_DESCRIPTION [1] に関する STYLE_DESCRIPTION [2] 画像を作成してください。説明は次のとおりです。「SUBJECT_DESCRIPTION [1] の肖像画 STYLE_PROMPT」 | a woman with short hair [1] に関する 3d-cartoon style [2] 画像を作成してください。説明は次のとおりです。「背景がぼかされた 3D アニメ スタイルの a woman with short hair [1] のポートレート。」笑顔でカメラを見ている、パステルカラーのキュートで愛らしいキャラクター ... |
人物の画像スタイル変換(フェイス メッシュ入力あり) |
サブジェクト画像(最大 3 個) フェイス メッシュ制御画像(1 個) |
Face mesh from the control image [2] を使用して SUBJECT_DESCRIPTION [1] の画像を生成してください。「${PROMPT}」 | face mesh from the control image [2] を使用して the person [1] の画像を生成してください。「その人物は無表情で正面を向いている。背景は...」 |
人物の画像スタイル変換(フェイス メッシュ入力あり) |
サブジェクト画像(最大 3 個) フェイス メッシュ制御画像(1 個) |
SUBJECT_DESCRIPTION [1] に関する画像を CONTROL_IMAGE [2] のポーズで作成してください。説明は次のとおりです。「SUBJECT_DESCRIPTION [1] のポートレート ${PROMPT}」 | a woman with short hair [1] のポーズで a woman with short hair [1] に関する画像を作成してください。説明は次のとおりです。「背景がぼかされた 3D アニメ スタイルの a woman with short hair [1] のポートレート。」control image [2]笑顔でカメラを見ている、パステルカラーのキュートで愛らしいキャラクター ... |
人物の画像スタイル変換(フェイス メッシュ入力あり) |
サブジェクト画像(最大 3 個) フェイス メッシュ制御画像(1 個) |
STYLE_DESCRIPTION [3] のポーズで SUBJECT_DESCRIPTION [1] に関する STYLE_DESCRIPTION [3] 画像を作成してください。説明は次のとおりです。「SUBJECT_DESCRIPTION [1] のポートレート ${PROMPT}」CONTROL_IMAGE [2] | control image [2] のポーズで a woman with short hair [1] に関する 3d-cartoon style [3] 画像を作成してください。説明は次のとおりです。「背景がぼかされた 3D アニメ スタイルの a woman with short hair [1] のポートレート。」笑顔でカメラを見ている、パステル カラーのトーンの、かわいらしくて愛らしいキャラクター ... |
ベスト プラクティスと制限事項
人物を被写体として使用する場合は、参照画像の顔に次のプロパティを設定することをおすすめします。
- 中央に配置され、画像全体の少なくとも半分を占めている
- 正面図で全方向に回転している(ロール、ピッチ、ヨー)
- サングラスやマスクなどの物体で隠れていない
ユースケース
カスタマイズ機能では、フリー スタイル プロンプトを使用できます。これにより、モデルがトレーニングされた以上のことができるという印象を与える可能性があります。次のセクションでは、カスタマイズの意図されたユースケースと、意図しないユースケースの例について説明します。
この機能は、意図されたユースケースで使用することをおすすめします。これらのユースケースでモデルをトレーニングしており、優れた結果が期待できるためです。逆に、モデルを本来のユースケース以外のことに使用すると、結果が不十分になる可能性があります。
想定されるユースケース
対象に基づくカスタマイズの想定されるユースケースは次のとおりです。
人物の写真をスタイル化します。
人物の写真をスタイル化し、人物の表情を保持します。
(成功率が低い)ソファやクッキーなどの商品を、さまざまな角度でさまざまなシーンに配置します。
正確な詳細が保持されない商品のバリエーションを生成します。
顔の表情を維持しながら、人物の写真をスタイル化します。
意図しないユースケースの例
以下は、意図しない件名に基づくカスタマイズのユースケースの一部です。このモデルはこれらのユースケース用にトレーニングされていないため、結果が不適切になる可能性があります。
人物のアイデンティティを保持しながら、複数の人物を異なるシーンに配置します。
2 人以上の人物を異なるシーンに配置し、人物のアイデンティティを保持しながら、出力画像のスタイルを指定します。スタイルには、入力として使用するサンプル画像を指定します。
2 人以上の人物の写真を、その人物の個性を保ちながらスタイル化します。
ペットのアイデンティティを維持しながら、さまざまなシーンに配置します。
ペットの写真をスタイル化して、絵に変換します。
ペットの写真を様式化して絵画に変換します。その際、画像スタイル(水彩画など)を保持または指定します。
ペットと人物を別のシーンに配置し、両方のアイデンティティを保持します。
ペットと 1 人以上の人物が写っている写真をスタイライズして、絵画風に加工します。
2 つの商品を異なるシーンに配置し、商品の角度をそれぞれ変えます。
クッキーやソファなどの商品を、さまざまな角度で、特定の画像スタイル(特定の色のフォトリアリスティック、照明スタイル、アニメーションなど)に従って、さまざまなシーンに配置します。
コントロール画像で指定されたシーンの特定の構図を維持しながら、商品を別のシーンに配置します。
特定の画像(特定の色の写真、照明スタイル、アニメーションなど)を入力として使用し、2 つの商品を異なるシーンに異なる角度で配置します。
2 つの商品を異なるシーンに配置し、制御画像で指定されたシーンの特定の構図を保持します。