Voltar às discussões
Ajuda· editado

GPTイメージ2ふざけんな

日日本及大和號戰艦的应援会™
Vendo original·

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。

4 respostas

ま
まれん2·

#架空のアニメ
通常↓
https://muryou-aigazou.com/ja/gallery/4yblj0s1c8wd
4K↓
https://muryou-aigazou.com/ja/gallery/ovm8mrjvf7o4
私も過去に比較をしたことがあります。
一言で言うと綺麗なのは4K、情報量が多いのは通常だと思いました。
しかしよく見ていただくと、4Kの方は2人とも指が6本あるんですよ。分かりますか?
この結果は応援会さんに述べていただいた「情報とクオリティのトレードオフ」という推測に関連付けることが出来ます。

日

比較結果の共有ありがとうございます!
4K版は見た目の鮮明さに優れている一方で、指の本数に誤りが見られるという点は、とても興味深いですね。
通常版と4K版では、単純に解像度が高ければすべての描写が正確になるわけではなく、細部の鮮明さと形状の正確さは別の問題なのかもしれません。
ご指摘の「情報量とクオリティのトレードオフ」という考え方にも、関連する可能性がありそうですね。ただ、今回の結果だけでは原因を断定できないため、同じプロンプトで複数回比較してみると、さらに面白い検証になりそうです。
貴重な比較例を共有していただき、ありがとうございます!とても参考になります。

O
Otakosan·

というか最近GPTイメージ2自体のの生成能力が昔に比べて確実に落ちてるって思ってるのは自分だけなのかな。人物のデッサン狂いが酷いし、バグも多い、構図も中途半端だし、今じゃ最低4枚(32クレジット)は作らないとまともな絵が出てこない。出来た時の満足感が昔に比べて確実に落ちています。、だから最近はGPTイメージ2を使うことを躊躇してしまいます。

O
Otakosan·

原因をAIに聞いてみたけどOpenAI社が2.5にアップデートした際に問題が起こったとか言ってたけど、どこまで本当なのかはわかりません。

Deixar uma resposta

Junte-se à comunidade para compartilhar seus pensamentos e ideias.

Entre para participar da discussão