ControlNet の seg 条件付け
最も多い用途です。seg マップは実写の配置を生成モデルに渡すので、新しい画像は配置を保ったまま、見た目だけを大きく変えられます。
AI画像セグメンテーション
画像をアップロードすると、SAM が画面全体をセグメンテーションし、見つけた領域をそれぞれ異なる単色で塗り分けます。生成モデルに構造ガイドとしてそのまま渡せるセグメンテーションマップが手に入ります。プロンプトを書く必要も、どこかをクリックする必要もありません。


サンプル


使い方
JPG、PNG、WebP を1枚ドロップします。街並み、部屋、背景の前に立つ人物など、はっきり分かれた領域が複数ある写真ほど、マップが見やすくなります。
画面全体が自動的にセグメンテーションされます。プロンプトも対象選択も不要なので、同じ写真からは毎回同じマップが得られます。
結果は生成セッションで開くので、ダウンロードすることも、やり直すことなくそのままモデルに構造ガイドとしてつなぐこともできます。
得られるもの
特定の物体を1つだけ切り抜きたい場合は、別のツールになります。下に示す色は領域であって、個別に取り出せる物体ではありません。
各色は、モデルがひとまとまりとみなした範囲を表します。色の割り当ては任意で、名前は持ちません。ある領域が車なのか木なのかは示されず、周囲と分かれていることだけが示されます。
すべての領域が一度に検出されます。点を打つ、ボックスをドラッグする、探すものを入力するといった操作は不要です。これが、同じ「画像セグメンテーション」という言葉を使う多くのツールとの違いです。
色・質感・陰影は捨てられ、配置だけが残ります。この欠落こそが狙いです。このマップを読む生成モデルは、写真の見た目ではなく構造だけを受け継ぎます。
用途
最も多い用途です。seg マップは実写の配置を生成モデルに渡すので、新しい画像は配置を保ったまま、見た目だけを大きく変えられます。
何が何の手前にあるかを整理するとき、各領域の始まりと終わりを示した平面的なマップは、写真そのものより考えやすい素材になります。
マップを見れば、セグメンテーションモデルが画面のどこをひとまとまりと扱っているかが分かります。想定外に領域を統合したり分割したりする箇所は、写真だけでは気づけない情報です。
質感と陰影を取り除くと、写真は平らな色面の集合になります。構図を検討したり、実際の配置からデザインを起こしたりするのに向いています。
セグメンテーションマップ1枚につき一律2クレジット。写真のサイズは問いません。
趣味で楽しむ方や新しい表現を探求したい方に
クリエイターやプロユーザーに
ヘビーユーザーやチームに
チームやスタジオに
よくある質問
その他のツール
どれも、すでに手元にあるファイルに対して1つの仕事だけをします。プロンプトを書く必要も、エディタを覚える必要もありません。
セグメンテーションを始める
画像を1枚アップロードすれば、数秒でカラーのマップが返り、次の生成をすぐに導けます。