ซีดรีม 5.5 แก้ภาพนาฬิกา 100 ครั้ง เทียบ GPT Image 2.5 และ 2.6

การแก้ภาพนาฬิกาข้อมือต่อเนื่อง 100 ครั้งเผยให้เห็นความแตกต่างระหว่างซีดรีม 5.5 กับ GPT Image 2.5 และ 2.6 ในการทดสอบที่ปรับการแสดงวินาทีทีละ 1 วินาที ซีดรีมยังรักษาองค์ประกอบรอบข้างไว้ได้ ขณะที่ภาพจาก GPT บางส่วนเบลอหรือเปลี่ยนองค์ประกอบ

ไบต์แดนซ์ (ByteDance) เปิดตัวโมเดลสร้างและแก้ไขภาพ ซีดรีม (Seedream) 5.5 เมื่อวันที่ 9 บริษัทระบุในการประกาศอย่างเป็นทางการว่าได้ปรับปรุงความเสถียรในการแก้ไขต่อเนื่อง การสร้างพื้นหลังโปร่งใส ตลอดจนการแสดงพื้นผิวและตัวอักษรขนาดเล็ก

การสาธิตอย่างเป็นทางการของไบต์แดนซ์แสดงการเปลี่ยนเสื้อผ้า เครื่องประดับ และสิ่งของบนโต๊ะในภาพบุคคลตามลำดับ โดยใช้ผลลัพธ์จากการแก้ไขครั้งก่อนเป็นข้อมูลนำเข้าสำหรับครั้งถัดไป บริษัทระบุว่ายังแก้รายละเอียดเล็ก ๆ เช่น แหวนและกรอบแว่นได้หลังแก้ไขครบ 100 ครั้ง

การทดสอบของผู้ใช้อีกรายใช้ภาพคนสวมนาฬิกา Casio G-Shock ที่ข้อมือ อลิสา เฉียน (Alisa Qian) โพสต์วิดีโอการทดสอบบน X โดยปรับการแสดงวินาทีของนาฬิกาทีละ 1 วินาที และนำผลลัพธ์ก่อนหน้าไปใช้เป็นภาพต้นทางสำหรับการแก้ไขครั้งต่อไป

ในวิดีโอ ทั้งสามโมเดลปรับการแสดงวินาทีได้ ภาพจากซีดรีม 5.5 ยังคงรักษาข้อมือ ตัวอักษรบนบรรจุภัณฑ์ และสายไฟด้านหลังไว้ได้ โดยมองด้วยตาเปล่าแล้วแทบไม่เปลี่ยนหลังทำซ้ำ 100 ครั้ง ส่วน GPT Image 2.5 ทำให้ตัวอักษรบางส่วนและภาพเบลอ ขณะที่สีของ GPT Image 2.6 เข้มขึ้น ก่อนภาพจะเปลี่ยนเป็นภาพสินค้าและไม่เห็นข้อมือกับพื้นหลังเมื่อทำไปได้ประมาณ 85 ครั้ง

วิดีโอจากผู้ใช้มีเงื่อนไขการทดสอบต่างจากการสาธิตอย่างเป็นทางการของไบต์แดนซ์ โดยเป็นกรณีเปรียบเทียบ GPT Image 2.5 และ 2.6 กับภาพถ่ายของผู้ใช้

ความคิดเห็นใต้โพสต์บางส่วนระบุว่าการเปรียบเทียบอาจไม่เท่าเทียมกัน เพราะซีดรีมดูเหมือนแก้เฉพาะจุดที่สั่ง ส่วน GPT ดูเหมือนสร้างภาพขึ้นใหม่ทั้งภาพ อีกความเห็นระบุว่า หากใช้ GPT แล้วเริ่มแก้จากภาพต้นฉบับทุกครั้งแทนการใช้ผลลัพธ์ล่าสุด ก็อาจไม่เกิดการเปลี่ยนแปลงสะสม

ไบต์แดนซ์ประเมินเองว่าคุณภาพและการใช้งานของผลลัพธ์ดีขึ้นจากรุ่นก่อนใน 6 ด้าน ได้แก่ อีคอมเมิร์ซ การตลาด วิดีโอ เกม งานสำนักงาน และแฟชั่น สำหรับการประเมินตัวอักษรขนาดเล็กในภาษาจีนและอังกฤษ บริษัทระบุว่าอัตราความผิดพลาดรุนแรงอยู่ที่ 0.4% และความผิดพลาดเล็กน้อยอยู่ที่ 1.7% ส่วนการเปรียบเทียบกับโมเดลอื่นมี GPT Image 2.5 แต่ไม่มี GPT Image 2.6

คู่มือนักพัฒนาของโอเพนเอไอ (OpenAI) แนะนำให้ระบุในคำสั่งว่าต้องการแก้ส่วนใดและให้คงส่วนใดไว้ พร้อมอธิบายว่ามาสก์สำหรับกำหนดพื้นที่แก้ไขอาจไม่ได้ทำตามขอบเขตที่ระบุอย่างแม่นยำเสมอไป

ตัวอย่างนี้แสดงให้เห็นว่าเมื่อต้องแก้บางส่วนของภาพซ้ำ ๆ เช่น ราคาในภาพสินค้า หรือวันที่บนสื่อประชาสัมพันธ์ การรักษาส่วนอื่นของภาพไว้ก็เป็นอีกประเด็นที่ควรพิจารณา ไบต์แดนซ์ระบุในการประกาศเมื่อวันที่ 9 ว่าจะทยอยนำซีดรีม 5.5 ไปใช้ในบริการของบริษัท และมีแผนเปิดตัวรุ่นโปรในลำดับถัดไป