ChatGPTアプリ、Image 2、Flare、Sunburstで人物参照・左右指定・連続編集を比較する
GPT-Image 2.5では、人物参照の維持、複雑な指示への追従、複数回編集したときの一貫性などが強みとして挙げられている。
そこで今回は、同じ二人のキャラクターを使い、
- ChatGPTアプリ側の画像生成
- PlaygroundのGPT-Image 2
- PlaygroundのGPT-Image 2.5 Flare
- PlaygroundのGPT-Image 2.5 Sunburst
を比較した。
最初は単純な衣装変更から始め、
- 二人へ別々の衣装を適用する
- 左右を指定する
- 別々の小物を持たせる
- 一人を座らせ、もう一人を後ろに立たせる
- 一方の人物の右手を、もう一方の人物の左肩へ置く
- 生成済み画像を何度も局所編集する
- 二人へ別々の編集を同時に適用する
と、段階的に負荷を上げた。
結果として、今回もっとも大きな差が出たのは、単純な一枚絵生成ではなかった。
特に差が見えたのは、
「複数人物を含む継続編集で、誰に何を変更するかを維持する能力」
だった。
一方、Sunburstは精密モードであるにもかかわらず、左右と人物間接触を含む一発生成では、必ずしも最も正確ではなかった。
またChatGPTアプリ側では、画像モデルそのものとは別に、
生成前の構図解釈や条件整理を行う前段処理の強さ
も観測できた。
今回は、GPT-Image 2.5の強みがどこに現れ、どこでは意外に差が出なかったのかを整理する。
比較した4条件
今回比較したのは次の4条件である。
ChatGPTアプリ
ChatGPTアプリ上で画像生成を行う。
画像モデル単体ではなく、ChatGPT側の解釈や前段処理を含んだ結果を見る条件である。
GPT-Image 2
PlaygroundからGPT-Image 2を使用する。
2.5との世代差を見る基準として使用した。
GPT-Image 2.5 Flare
PlaygroundからFlareを使用する。
比較的高速な2.5系モデルとして、Image 2との差とSunburstとの差を見る。
GPT-Image 2.5 Sunburst
PlaygroundからSunburstを使用する。
より精密な生成・編集を想定した条件として使用した。
今回の目的は、単純な画質順位を決めることではない。
見るのは、
- 人物参照の維持
- 衣装属性の分離
- 左右の理解
- 人物間の接触関係
- 複数条件の同時処理
- 局所編集
- 編集履歴の維持
- 複数人物への別編集の割り当て
である。
使用キャラクター
今回もコハネとレンチを使用した。
コハネ
参照画像から、
- 茶色の短い髪
- 前髪付近の赤い髪の差し色
- 琥珀系の目
- 顔立ち
- 体格
- 年齢感
を維持する。
重要なのは、赤い部分は髪飾りではなく、
髪そのものの赤い差し色
である。
この点は後述するが、今回の観測コメント側が最初にPONした。
レンチ
参照画像から、
- 短い黒紺の髪
- 青い目
- 紺色のヘアバンド
- 顔立ち
- 体格
- 年齢感
を維持する。
元の衣装には工具やベルトなどの装備品が多いため、今回の比較では多くのテストで衣装を変更し、装備品を外した。
予備テスト：いきなりプロンプト生成側がPONする
本番前に、二人の衣装を変更する簡単なテストを行った。
ところが、この最初のプロンプトで観測コメント側が、
「コハネの赤系の髪飾りを残す」
と指定してしまった。
コハネに髪飾りは存在しない。
参照画像の赤い部分は髪の差し色である。
さらにレンチには、
- 白いシャツ
- 深緑のニットベスト
- ベージュのパンツ
という、かなり男性的に見えやすい衣装を指定した。
生成結果では、4条件とも大きな破綻なく衣装を変更した。
しかし、レンチは全体的にかなり男装寄りの印象になった。
これは画像生成側の失敗というより、
プロンプト設計側がそういう衣装を与えた結果
である。
そのため、この最初の比較は本番から除外した。
判定
予備テスト扱い。
画像生成モデルより先に、プロンプト生成側の検品が必要だった。
本番1：二人の衣装を別々に変更する
本番では、まず人物参照を維持しながら、二人の衣装だけを別々に変更した。
コハネは、
- 生成り色の半袖ブラウス
- くすみオレンジの膝上Aラインスカート
- 細い茶色のベルト
- ベージュのショートブーツ
とした。
レンチは、
- 淡いグレーの長袖シャツ
- 黒に近い紺色のショート丈ベスト
- くすみオリーブ色のワイドパンツ
- 黒いローカットシューズ
とした。
二人とも元の観測道具や工具、バッグ類は外した。
管理人追記: 左上はFlare,右上はSunburst,左下はChatgpt,右下はGPT-image2の並びです
結果
4条件とも大きな問題なく成功した。
コハネとレンチの人物識別は維持され、衣装の混線もほぼなかった。
元装備の残留も大きくは見られなかった。
細かいデザイン解釈には違いがあった。
ChatGPTアプリは、やや自然な一枚絵寄り。
Image 2は、指定を比較的そのまま立ち絵化する傾向。
Flareは、少しファッション寄りに整える傾向。
Sunburstは、衣服の細部を丁寧にまとめる傾向が見られた。
ただし、
この難易度では2.5の明確な優位は見えなかった。
Image 2でも十分に強い。
判定
4条件とも成功。
単純な二人人物参照＋衣装変更では差は小さい。
本番2：衣装、左右、小物を同時に指定する
次に、条件を増やした。
コハネは画面左。
- 右手で赤いマグカップを持つ
- 左手は腰に添える
レンチは画面右。
- 左手で青い本を胸の前に持つ
- 右手は自然に下ろす
さらにレンチの衣装は、女性的なシルエットが分かりやすいものへ変更した。
- 白い七分袖ブラウス
- くすみ青緑色のハイウエストフレアスカート
- 細い黒いベルト
- 黒いショートブーツ
ここでは、
- 人物配置
- 本人基準の右手・左手
- 小物
- 衣装
- 人物識別
を同時に見る。
画像:Flareで生成
結果
これも4条件ともほぼ成功した。
コハネは右手で赤いマグを持ち、左手を腰へ。
レンチは左手で青い本を持ち、右手を下ろした。
小物の人物間混線も大きくは見られなかった。
つまり、
単独人物内の左右指定
であれば、Image 2を含めてかなり安定していた。
判定
4条件とも成功。
この段階でも2.5の決定的な優位は見えない。
本番3：二人の前後関係と接触を追加する
次に、一人を座らせ、もう一人を後ろに立たせた。
レンチは椅子に座り、膝の上で青い本を開く。
レンチは、
- 右手で本の右側を支える
- 左手で本の左ページを押さえる
コハネはレンチの後ろに立ち、
- 右手をレンチの左肩へ置く
- 左手は自分の腰へ添える
という指定にした。
ところが最初のプロンプトでは、さらに、
「コハネはレンチの後ろ、画面左寄りに立つ」
と指定していた。
これが問題になった。
画像:Sunburstで生成
最初の結果：4条件とも同じ鏡像構図へ逃げる
生成結果を見ると、4条件とも非常によく似た構図になった。
コハネはレンチの向かって左後方に立ち、
- コハネ本人の左手 → レンチ本人の右肩
- コハネ本人の右手 → 自分の腰
となった。
指定は、
- コハネ本人の右手 → レンチ本人の左肩
- コハネ本人の左手 → 自分の腰
なので、完全な鏡像反転である。
一見すると、画像生成側の左右理解が崩れたように見えた。
しかし、構図を考えると問題があった。
コハネをレンチの画面左寄りに立たせた状態で、コハネの右手をレンチの左肩へ置くには、コハネがかなり真後ろへ回り込むか、腕を身体の前へ大きく横切らせる必要がある。
一方、
コハネの左手 → レンチの右肩
なら、画面左後方から自然に手を伸ばせる。
4条件がすべて同じ鏡像構図へ寄ったことから、
左右指定そのものより、自然な身体配置を優先した可能性
が高いと考えた。
判定
設問側に構図バイアスあり。
この段階の結果だけで左右理解の優劣を判断するのは難しい。
プロンプトを修正する
そこで、
「コハネはレンチの後ろ、画面左寄りに立つ」
を、
「コハネはレンチの後ろに立つ」
へ変更した。
横方向の位置をモデルに任せれば、
- コハネ右手
- レンチ左肩
という関係が自然に成立する場所を自分で選べる。
この修正版で再試験した。
画像:成功したChatgpt生成物
修正版：ChatGPTアプリだけが一発で配置を解いた
ChatGPTアプリでは、コハネがレンチの向かって右後方へ回り込んだ。
その結果、
- コハネ本人の右手 → レンチ本人の左肩
- コハネ本人の左手 → 自分の腰
が自然に成立した。
つまり、単に左右を守っただけではない。
左右指定を成立させるために、人物配置そのものを変更した。
これは今回かなり印象的だった。
画像モデル単体の能力だけではなく、ChatGPTアプリ側の前段処理が、
「この条件を成立させるには人物を反対側へ置けばよい」
と解釈した可能性がある。
判定
ChatGPTアプリ：成功。
前段の構図解釈が強く働いた可能性がある。
画像:Image2生成
Image 2は修正版でも鏡像構図を維持した
Image 2にも同じ修正版を入力した。
しかし結果は、
- コハネ本人の左手 → レンチ本人の右肩
- コハネ本人の右手 → 自分の腰
のままだった。
横位置を自由にしても、Image 2はコハネを向かって左後方へ配置した。
つまり、成立可能な反対側配置へ自発的に移動するのではなく、
より典型的で自然に見える構図を維持し、左右指定を捨てた
形になった。
判定
Image 2：失敗。
単独人物内の左右指定は成功したが、人物間接触と組み合わさると鏡像側へ寄った。
画像:2枚ともFlare生成
Flareは生成ごとに結果が変わった
Flareの最初の修正版では、Image 2と同じく、
- コハネ左手 → レンチ右肩
となった。
しかし、Playground側の履歴を消した後に同じ修正版を再度生成すると、今度はコハネを向かって右後方へ配置し、
- コハネ右手 → レンチ左肩
を成立させた。
つまりFlareは、
この構図を正しく描く能力そのものはある。
ただし、どちら側へ人物を配置するかが安定しない。
判定
Flare：成功する能力はあるが、構図選択が安定しない。
今回の小標本では成功と失敗の両方が出た。
画像:2枚ともSunburst生成
Sunburstは同じ鏡像構図へ強く収束した
Sunburstは最初の修正版でも、
- コハネ左手 → レンチ右肩
となった。
そこで、Sunburstだけ追加で複数回生成した。
履歴を消した後の再生成、さらに連続3枚生成も行った。
結果はすべて同じだった。
コハネは向かって左後方へ配置され、
- コハネ左手 → レンチ右肩
- コハネ右手 → 自分の腰
となった。
修正版だけで見ると、今回の試行では、
- ChatGPTアプリ：1回中1回成功
- Image 2：1回中0回成功
- Flare：2回中1回成功
- Sunburst：5回中0回成功
となった。
もちろん、この回数だけで統計的な優劣を断定することはできない。
ただしSunburstが5回連続で同じ構図へ収束したことは興味深い。
Sunburstは、
厳密な左右関係を守るために構図を組み替えるより、自然で完成度の高い典型構図を精密に仕上げる
方向へ強く寄った可能性がある。
判定
Sunburst：今回の人物間左右接触では安定して失敗。
「精密モード＝複雑な空間指示に必ず強い」とは言えなかった。
ここまででは、2.5の強みが見えにくかった
ここまでの一発生成テストでは、意外な結果になった。
単純な衣装変更や、人物ごとの左右・小物指定では、Image 2でも十分に強かった。
一方、人物間接触を含む左右指定では、Sunburstが明確に強いわけではなかった。
むしろ、
ChatGPTアプリ側の前段処理の強さ
が目立った。
そこで、GPT-Image 2.5のもう一つの強みとして挙げられる、
画像編集の維持性能
を試すことにした。
Sunburst編集テスト1：本の色だけ変更する
Sunburstで生成した画像を元に、まず非常に簡単な編集を行った。
レンチが持っている青い本の表紙だけを、深い赤色へ変更する。
それ以外の、
- 本の形
- 本の開き方
- レンチの両手
- 指の位置
- 二人の顔
- 髪
- 表情
- 衣装
- ポーズ
- 椅子
- 背景
- カメラ位置
は維持するよう指定した。
結果
本だけが赤くなった。
人物や背景はほぼ維持された。
特に、本を持つ両手と指の位置を大きく作り直さずに色だけ変更できた点は良好だった。
判定
成功。
単純な局所編集は非常に安定した。
Sunburst編集テスト2：人物名だけで編集対象を指定する
次に、
「レンチのスカートだけ濃紺に変更」
と指定した。
ここでは、Playground側が会話履歴の中で、
レンチという名前と画像内の人物を対応付けて維持できているか
も見ることになる。
結果
レンチのスカートだけが濃紺になった。
コハネ側は変化しなかった。
赤くした本も維持された。
判定
成功。
少なくともこの編集履歴内では、人物名と対象の対応を保持できていた。
Sunburst編集テスト3：二人へ別々の変更を同時に適用する
次に、二人へ別々の編集を同時に指定した。
コハネは、
- 生成りの半袖ブラウス
- → 淡い水色の長袖ブラウス
へ変更する。
レンチは、
- 濃紺のスカート
- → 深いワインレッドのフレアスカート
へ変更する。
それ以外は維持する。
結果
Sunburstは、二人を正しく識別した。
コハネだけが水色の長袖ブラウスになり、レンチだけがワインレッドのスカートになった。
人物間の編集内容の混線は見られなかった。
赤い本、手の位置、肩への接触、椅子、背景、カメラ構図もおおむね維持された。
判定
成功。
ここで、単なる色変更だけではなく、
複数人物へ別内容を同時に割り当てる編集
が成立した。
Sunburst編集テスト4：二人とも衣服構造を大きく変更する
さらに負荷を上げた。
コハネは、
- 淡い水色の長袖ブラウス
- → くすみベージュの七分袖カーディガン＋白いインナー
へ変更する。
レンチは、
- ワインレッドのフレアスカート
- → 濃紺のハイウエストテーパードパンツ
へ変更する。
つまり、コハネ側はトップスの構造変更。
レンチ側は、スカートからパンツへ下半身のシルエットを大きく変更する。
結果
Sunburstは今回も、人物ごとの変更を正しく分離した。
レンチは濃紺パンツへ変更され、座り姿勢も維持された。
コハネはカーディガン＋白インナーへ変更された。
ただしカーディガンの袖丈は、七分袖というより長袖寄りに見えた。
そのため完全一致ではない。
それでも、
- 人物の顔
- 髪
- 手の位置
- 本
- 椅子
- 大まかな構図
は維持された。
判定
ほぼ成功。
大きな衣服形状変更を二人へ同時適用しても、対象の取り違えは起きなかった。
Sunburstでは編集を重ねると背景の細部が少し落ちる
一方、連続編集を重ねると、別の傾向も見えた。
背景の、
- 床
- 壁
- 椅子
- 植物
- 光や陰影の細部
は、元画像より少し簡略化されたように見える。
人物も大崩れはしないが、全体として線や質感がわずかに均される。
つまりSunburstは、
編集内容の意味的な一貫性は強いが、ピクセル単位で完全に元画像を固定しているわけではない。
局所編集を重ねるたびに、画像全体をある程度再解釈・再描画しているように見える。
判定
編集指示の維持は強い。細部画質は少しずつ変化する。
Image 2でも同じ編集テストを行う
Sunburstだけを見ても、2.5の世代差は分からない。
そこでImage 2でも、別の新規画像から編集履歴を一から作り直した。
途中履歴の影響を避けるため、Image 2側は新しい元画像を用意した。
その画像でも、コハネの肩接触は左右が鏡像側へ寄っていた。
しかし今回の目的は編集維持性能なので、その左右ズレは初期状態として固定し、その後の編集だけを比較した。
Image 2編集テスト1：本の色変更
青い本を赤へ変更した。
結果
成功。
人物、手、本の形、椅子、背景、構図はほぼ維持された。
判定
成功。
単純な局所色変更ではSunburstとの差はほぼ見えない。
Image 2編集テスト2：レンチのスカートだけ濃紺にする
次にレンチのスカートだけを濃紺へ変更した。
結果
成功。
赤い本も維持された。
コハネ側への影響も大きくは見られなかった。
判定
成功。
一人だけを対象にした連続局所編集では、Image 2もかなり強い。
Image 2編集テスト3：二人へ別々の変更を同時に適用する
次にSunburstと同じく、二人へ別々の変更を同時指定した。
コハネは、
- 淡い水色の長袖ブラウス
へ変更。
レンチは、
- ワインレッドのフレアスカート
へ変更する。
結果
ここでImage 2が崩れた。
レンチのスカートは、指定どおりワインレッドへ変更された。
しかし、コハネに対して指定したはずの、
淡い水色のブラウス変更がレンチ側にも適用された。
さらにコハネ側の袖丈も完全には安定せず、左右で長袖化の見え方が揃っていないように見えた。
つまり、
「コハネへ適用する変更」と「レンチへ適用する変更」の人物対応が混線した。
判定
失敗。
単独人物編集では安定していたが、複数人物へ別々の変更を同時に指定すると、編集内容の人物間リークが発生した。
Image 2編集テスト4：二人とも衣服構造を大きく変更する
最後に、Sunburstと同じ大規模編集を行った。
コハネは、
- くすみベージュの七分袖カーディガン＋白インナー
へ変更。
レンチは、
- 濃紺のハイウエストテーパードパンツ
へ変更する。
結果
再び同じ種類の混線が起きた。
レンチは濃紺パンツへ正しく変更された。
しかし、コハネに指定したはずの、
ベージュのカーディガン＋白インナー
がレンチ側へ適用された。
一方、コハネは前段の水色ブラウス系を引きずった。
つまりImage 2は、二段続けて、
コハネ側のトップス編集をレンチへ誤適用し、レンチ自身のボトム編集だけは正しく処理した。
偶然の一回ではなく、同じ種類の混線が繰り返された。
判定
失敗。
複数人物・複数編集の対象対応で、Sunburstとの差が明確に出た。
Image 2とSunburstの編集差
今回の編集テストを簡単にまとめると、次のようになる。
| 編集内容 | Image 2 | Sunburst |
|---|---|---|
| 本だけ色変更 | 成功 | 成功 |
| レンチのスカートだけ色変更 | 成功 | 成功 |
| 二人へ別々の変更を同時適用 | 人物間で混線 | 成功 |
| 二人へ大きな形状変更を同時適用 | 人物間で再び混線 | ほぼ成功 |
Image 2は、
「一つの対象を少しずつ編集する」
場合にはかなり強い。
しかし今回の条件では、
「人物Aには変更X、人物Bには変更Y」
という対応関係を同時に維持する段階で崩れた。
Sunburstは、その対応を維持できた。
今回もっとも明確な世代差はここだった。
一発生成ではSunburstが必ずしも最強ではなかった
今回、Sunburstについて興味深かったのは、
編集では強いが、一発生成の人物間左右関係では最も安定していたわけではない
ことである。
「精密」という言葉から、複雑な左右や空間関係も常に正確になると想像しやすい。
しかし今回の結果では、Sunburstは同じ自然な鏡像構図へ何度も収束した。
つまり、
精密に描くこと
と、
言語で指定された抽象的な人物関係を正しく解くこと
は別の能力である可能性が高い。
Sunburstは、選んだ構図を丁寧に仕上げる能力は高い。
しかし、構図選択そのものが誤っていれば、
誤った構図を非常に綺麗に描く
こともある。
ChatGPTアプリでは前段処理の強さが見えた
今回もう一つ印象的だったのが、ChatGPTアプリ側である。
人物間左右接触の修正版では、アプリだけが一発で、
コハネを反対側へ移動させれば条件が成立する
という構図を選んだ。
Playground側では、同じ日本語プロンプトを入力しても、Image 2やSunburstは自然な定番構図へ寄った。
Flareは生成によって両方の結果が出た。
このことから、ChatGPTアプリでは画像モデルへ渡す前に、
- 人物配置
- 接触関係
- 条件同士の衝突
- 自然な成立方法
を整理する前段処理が効いている可能性がある。
今回の比較では、
画像モデル本体の能力だけでなく、前段で誰が構図を考えるかでも結果が変わる
ことがかなり分かりやすく出た。
今回も観測コメント側はPONした
今回も検品側は無傷ではなかった。
むしろ最初からかなりPONした。
主なものは、
- コハネに存在しない髪飾りをプロンプトへ追加した
- レンチへ男性的に見えやすい衣装を指定した
- 画面左配置と右手→左肩接触が衝突する構図を作った
- 最初の左右検品で本人基準を見誤った
- 修正版Image 2を一度成功と判断しかけた
などである。
特に左右判定では、画像生成側と同じように、観測コメント側も、
画面上の左右と人物本人の左右を一瞬混同した。
今回のテストは、生成モデルだけではなく、
プロンプト生成側と検品側も同時に試される
結果になった。
一方、このPONによって、
構図条件そのものが不自然なら、画像生成モデルの左右性能だけを公平に評価できない
ことも確認できた。
今回わかったこと
今回の主な収穫は次のとおり。
一つ目は、二人人物参照と単純な衣装変更だけなら、Image 2でも非常に強いこと。
二つ目は、単独人物内の右手・左手と小物指定も、4条件すべてかなり安定していたこと。
三つ目は、人物間接触を含む左右指定では、自然な構図と指示条件が衝突すると、モデルが自然な鏡像構図へ逃げる場合があること。
四つ目は、その構図制約を外したとき、ChatGPTアプリは人物配置を組み替えて条件を成立させたこと。
五つ目は、Image 2は修正版でも鏡像構図へ寄ったこと。
六つ目は、Flareは同じプロンプトでも成功と失敗の両方が出て、構図選択にばらつきが見られたこと。
七つ目は、Sunburstは今回の小標本では同じ鏡像構図へ非常に強く収束したこと。
八つ目は、Sunburstの精密さは、一発生成の空間関係を必ず正しく解くこととは別だったこと。
九つ目は、Sunburstは連続局所編集で人物・構図・編集対象をかなり安定して維持したこと。
十個目は、Image 2も単独対象の局所編集まではかなり強かったこと。
十一個目は、Image 2では複数人物へ別々の編集を同時適用した瞬間、人物間で編集内容が混線したこと。
十二個目は、その混線が大規模衣装変更でも再現したこと。
十三個目は、Sunburstでは同じ複数人物編集を対象別に処理できたこと。
十四個目は、Sunburstでも連続編集を重ねると背景や細部の描き込みが少し落ちるように見えたこと。
十五個目は、画像モデル単体だけではなく、ChatGPTアプリの前段解釈が最終結果へかなり影響する可能性があること。
まとめ
今回、GPT-Image 2、GPT-Image 2.5 Flare、Sunburst、ChatGPTアプリを使い、二人人物参照から一発生成と連続編集を比較した。
最初の衣装変更では、4条件ともかなり安定した。
左右と小物を増やしても大きな差は出なかった。
人物間接触まで入れると、4条件とも自然な鏡像構図へ逃げた。
ただしこの最初の問題には、プロンプト側の構図制約にも無理があった。
横方向の位置指定を外すと、ChatGPTアプリだけは一発で人物を反対側へ移動し、指定された右手→左肩接触を成立させた。
Image 2は鏡像のまま。
Flareは成功と失敗の両方が出た。
Sunburstは複数回試しても、同じ自然な鏡像構図へ強く収束した。
ここだけを見ると、2.5の「精密さ」が複雑指示への絶対的な強さとして現れたわけではなかった。
しかし、連続編集へ移ると結果が変わった。
Sunburstは、
- 本の色変更
- 一人だけの衣装色変更
- 二人へ別々の衣装変更
- 二人へ別々の大規模衣服形状変更
を順番に重ねても、人物と編集内容の対応を維持した。
一方Image 2は、単独対象の局所編集までは成功したが、二人へ別々の変更を同時適用すると、
コハネへ指定した変更をレンチへ適用する
という人物間混線を起こした。
さらに大規模衣装変更でも、同じ種類の混線が再現した。
今回の結論はこうなる。
GPT-Image 2.5の強みは、単純な一発生成で常にImage 2を圧倒することではない。
少なくとも今回のテストでは、Sunburstの優位が最も明確に出たのは、複数人物を含む継続編集で「誰に何を変更するか」を維持する能力だった。
一方で、
Sunburstの精密さは、複雑な左右関係や人物間接触を必ず正しく解くことを意味しなかった。
そしてChatGPTアプリでは、画像モデルそのものとは別に、
前段で条件を整理し、成立する構図へ組み替える能力
が結果へ強く影響しているように見えた。
今回の比較では、
「どの画像モデルが一番きれいか」
よりも、
「どの段階で、どの種類の判断を誰が担当しているのか」
のほうが重要な観測点になった。
Sunburstについては、まだ、
- さらに長い連続編集で人物対応を維持できるか
- 何ターン目から背景や細部の劣化が目立つか
- 小物、衣装、ポーズを同時に大きく変更しても対象を取り違えないか
- Flareとの編集安定性にどの程度差があるか
など、追加で確認したい点が残っている。
ただし今回はここまでとした。
数時間で何十枚も生成・比較すると、別の意味でシステム側との耐久テストが始まるためである。
*お約束:このサイトの文・画像はほぼ全てAI製です*
