Interface 2025年3月号 仕事のための生成AI 画像による異常検出＆ローカルLLM作りを買った。確かに外観検査で不良品の画像を大量に集めるのは難しいのでそれを生成AI(Stable Diffusion)で作れたらいいな。付録は共通テストでも出た情報Iに役立つプログラム入門。

Interfaceの今月号買ってきた。

アマゾンリンク：https://amzn.to/4hxkhIh

画像の生成AIにはあまり興味がなかったけれど、こういう使い方（不良品の画像を生成AIで作る）ができるのは知らなかった。

どのくらい役立つかは未知数（分野によると思う。ものすごく厳しい分野はある）だけど面白いと思った。

目次は以下に。ものすごく内容が豊富。情報Iの学習に役立ちそうな付録もついてる。

◎画像による異常検出&ローカルLLM作り
☆特集　仕事のための生成AI

◎画像による異常検出の精度向上を例に使いこなし術を学ぶ
●イントロダクション　設計開発での利用拡大中！生成AIの現在とこれから

☆第1部　異常画像を作るレッスン

◎Pythonでサッと試せる！ハードウェア&ソフトウェアの準備
●第1章　レッスンを始める前に…生成AI実行環境の構築

◎GPU不要！PCやGoogleColabでも試せるプロンプトで指示するだけでOK
●第2章　レッスン①…テキストから画像を生成する

◎インペインティング機能を使って任意の場所に異常を作り込む
●第3章　レッスン②…画像の一部を加工する

☆第2部　本気で使いたい人向け 生成AIチューニング術

◎パラメータ調整から画像→画像変換まで30超の技を紹介
●イントロダクション　思い通りの画像を作るには…チューニングが必須！

◎画像の細やかさや再現性，全体の雰囲気など思い通りに操作するにはここから
●第1章　基本のパラメータ…Seed/Strength/Steps/CFGscaleの調整

◎狙い通りの画像を作れるようになる30の実験
●第2章　ネガティブ・プロンプト/バッチ処理/新モデル/画像サイズ/CPUオフロード/輪郭強調

◎異常検出モデルの訓練用データ生成やきめ細かな制御で威力を発揮
●第3章　画像→画像変換の技Image-to-Image/ControlNet/IP-Adapter

☆第3部　画像生成AI「Stable Diffusion」の仕組み

◎コンポーネント(部品)を組み合わせてパイプラインを構成する
●第1章　画像生成AIの基礎知識と生成プロセス

◎テキストや画像の生成から画像解析まで
●第2章　300行で理解する拡散モデル

☆第4部　生成AIを活用したデータ拡張による異常分類モデルの精度検証

◎Stable Diffusion+LoRAでトライ
●第1章　ステップ①…少量の異常画像で学習する

◎拡張機能ControlNetの適用やDiffusersを使った大量生成を試す
●第2章　ステップ②…学習したモデルで異常画像を生成する

◎実画像と異常画像を組み合わせ，4つの学習モデルを作ってみる
●第3章　ステップ③…分類モデルの学習と学習済みモデルでの評価

☆第5部　 ローカルLLM活用基礎知識

◎多くのLLMモデルに対応！基本のチャット機能からRAG，画像認識&生成も
●第1章　ローカルLLM用新定番UIOpenWebUIを使ってみる

●Appendix1　ローカルLLMモデル選択ガイド

●Appendix2　ローカルLLM環境OpenWebUI+Ollamaスタートアップ・ガイド

◎不足しがちなストレージ容量問題を解決
●第2章　外付けSSD上でローカルLLM開発環境を作る

☆第6部　実機でローカルLLM活用

◎音声認識/音声合成/応答判定全てをローカル実行できる
●第1章　ラズパイ×ローカルLLMで作る音声会話システム

☆第7部　仕事で使うなら押さえておきたい！生成AI活用の課題

◎従来手法との比較から現実的な課題まで
●第1章　生成AIで作ったデータはAIの学習に使えるのか？

◎業務に必要な判断の根拠を示す
●第2章　大規模言語モデルを使った説明可能AI

◎仕事を助ける生成AI活用その前に…前提として把握しておくべきポイント
●第3章　日本や世界におけるAI関連のルール作り

◎学習データの権利リスクを低減した
●第4章　画像生成AI「MitsuaLikes」の概要