新清士の「メタバース・プレゼンス」 第156回

ChatGPTの画像生成AIは本当に最強か　Nano Bananaと比べて見えた“弱点”

GPT Image 2.0で作成したプールにいるこの連載のAIモデル・明日来子さん（筆者作成）

　OpenAIの画像生成AI「GPT Image 2.0」の高い能力が次々に明らかになっていますが、グーグルの「Nano Banana」と比べて劣っている部分もあるようです。その代表的な例が、実写人物の一貫性です。筆者の顔を再現しようと試みたのですが、なかなか似てくれません。それ以外にも、様々な制約があり、特有の癖があることもわかってきました。特に、人物の一貫性維持では、Nano Bananaに軍配が上がると考えられます。作例を通して、両者を比較していきます。

自分の顔がなかなか似ない

　過去のこの連載で、Nano Banana Proを使って、筆者自身の顔の画像を参照させることで、どこまで似た顔の再現が可能なのかを紹介しました。単に画像のリファレンスを与えるだけでは似ないため、顔を分析し、プロンプトを作成して、リファレンス画像と組み合わせることで、かなり近い顔が出せることを示しました（参考：AIフェイクはここまで来た　自分の顔で試して分かった“違和感”と恐怖）。

　そこで、GPT Image 2.0でも同じやり方が通用するかを試したのですが、なかなか似てくれません。

　画像の左側の4枚は、筆者のリファレンス画像を4枚与えて、表情差分を作らせたものですが、何か違う、という印象を受けます。右側の4枚は、1枚ずつリファレンス画像を参考に、プロンプトを作成させ、それを反映させて作った画像です。1枚出すごとに、プロンプトを再検討させて、微修正を加えているのですが、やればやるほど、どんどん筆者本人からは遠ざかっています。最後の右下の画像はもう完全に別人です。

GPT Image 2.0のリファレンスとプロンプトを使って作った筆者

GPT Image 2.0に与えた筆者のリファレンス画像4枚

　試行錯誤をする中で、突然似た顔が出てくるようになりました。リファレンス画像に、前回のNano Banana Proで作成した、比較的似ていると感じられる画像も追加したためです。Nano BananaにはProと「2」があります。テキスト表示の正確さでは2が優れていますが、人物の描写はProの方がより精密だと筆者は感じています。

　GPT Image 2.0は、どうも同じようなライティングや服装、髪型といった類似情報があり、AIを通じて整理された情報を扱うほうが、うまく処理してくれるようです。

Nano Banana Proで作成した筆者。若干美化されているが、かなり似ている

　また、生成時の解像度によって、再現精度も変わるようです。左は、ChatGPTのWebで生成したものですが、解像度が1086x1448（1K）です。右は、有料クラウドサービスのを利用して2048x2720（2K）と指定して生成したものですが、解像度が高い分、表現力が上がったことで、筆者により似た雰囲気になり、Nano Banana Proに匹敵する品質が出ています。ただ、GPT Image 2.0は、Nano Banana Proに匹敵する潜在的な能力を持っているのですが、特定の誰かに似た画像を作り出すのは、Nano Banana Proよりも劣る可能性がありそうです。

Nano Banana Proの画像をリファレンスとして加えてGPT Image 2.0で作成した筆者。クラウドサービスで高い解像度で作った方（右）の品質が高い

　この画像をリファレンス画像として、庶民派のイタリアンレストランチェーンで食事をしている設定にしたところ、かなり雰囲気が出ています。一緒に飲んでいる人たちを別人にするよう指示したところ、まったく違った顔が出せています。

庶民的イタリアンレストランでの会食