GPTイメージ2ふざけんな
日AIGAZOU(GPTイメージ2)を使っていて疑問に思ったのですが、4Kのような高画質で生成するよりも、1Kの方がプロンプトの理解度や忠実度が高いように感じます。これにはどのような仕組み上の理由があるのでしょうか? 20クレジット返して下サイ・…•
補足 環境や条件を変えて複数回検証した結果なのですが、AIGAZOU(GPTイメージ2)では4K出力よりも**1K出力の方がプロンプトの細部への忠実度が明らかに高い傾向にあります。**高解像度化やディテールの描き込みに計算リソースが割かれることで、テキスト情報の正確な解釈や構図の維持に回る処理がトレードオフとして低下し、結果的に指示からの乖離が起きやすくなっているのではないかと推測しています。この解像度とプロンプト理解度の反比例について、AIの処理モデルの観点から技術的な背景をご存知の方はいらっしゃいますか?
補足の補足
高解像度(4K)での出力時には、膨大なピクセル空間の生成とディテール補完にモデルの計算リソース(Attention機能)が強く引っ張られるため、結果としてテキストエンベディング(プロンプトの言語的理解)を維持するためのウェイトが相対的に低下しているのではないか。