文化遺産テキスタイルのためのAI：微調整された潜在拡散モデルによる新規ウロス柄の生成

インドネシア・北スマトラのバタク族の文化的遺産であるウロス（Ulos）織物は、深い象徴性を持つ手織りの布であり、儀式や日常の場で用いられる。その柄は美しさだけでなく、社会的地位や祝福、民族のアイデンティティを伝える重要な役割を果たしてきた。しかし、伝統的なウロスの柄は種類が限られており、デザイン工程は経験豊富な織工による手作業に完全に依存しているため、時間と労力がかかり、現代の多様な需要に応えることが難しい。さらに、若い世代の関心低下により、この無形文化遺産は存続の危機に直面している。

この課題に対し、arXivに最近発表された研究では、生成AIを用いた解決策が提案された。Humasak Tommy Argo Simanjuntakら7名の著者からなる研究チームは、高解像度のウロス柄を含む注釈付きデータセットを構築し、その上で2つの事前学習済み潜在拡散モデル（Protogen v3.4とStable Diffusion v1.4）を微調整した。潜在拡散モデルは、テキスト記述やノイズから徐々に高品質な画像を生成する先進的な生成モデルである。注釈付きのウロス柄データを使用することで、モデルは文化的な一貫性を保ちながら新しいパターンを生成することを学習した。

実験では、定量的評価指標としてFréchet Inception Distance（FID）とInception Score（IS）を用いた。FIDは生成画像と実画像の特徴空間における分布の差を測定し、値が低いほど実画像に近いことを示す。ISは画像の鮮明さと多様性を評価する。結果、Protogen v3.4はすべての指標でStable Diffusion v1.4を大幅に上回り、FIDは約10.5倍低く、ISは2.0倍高かった。これはProtogenが生成する画像が視覚的にリアルで、柄のバリエーションが豊富であり、実際のウロス柄の分布に非常に近いことを示している。さらに、伝統的な織工と一般の人々による主観評価も行われ、Protogenの優位性が確認された。

研究チームは、モデルパラメータが生成品質に与える影響を詳細に分析した。強度（strength）は生成画像が元のノイズから逸脱する度合いを制御する。強度が低いほど訓練データに近い高忠実度の画像が生成され、強いほどランダム性が増し多様性が高まるが、リアリティが犠牲になる。これにより、明確な忠実度-多様性のトレードオフが明らかになった。ガイダンススケール（guidance scale）はモデルがテキストプロンプトに従う程度を調整する。実験では、ガイダンススケール5-9の範囲でFID、KID、ISが安定し、忠実度と多様性の最適なバランスを達成できることがわかった。著者らはこの範囲を高品質で多様なウロス柄生成の推奨動作範囲として提案している。

この研究の価値は技術的な進歩にとどまらない。適切に微調整された生成AIにより、デザイナーや織工は文化的に一貫した柄のインスピレーションを迅速に大量に得ることができ、デザインプロセスを加速しながら伝統的なスタイルと象徴性を維持できる。さらに、この手法はインドネシアのバティックや日本の西陣織など、他の伝統織物の保存と革新にも応用可能である。デジタル時代において、AIは無形文化遺産の創造的な再生を支援する強力なツールとなり、貴重な文化資産が現代社会で新たな命を吹き込まれることが期待される。