Nemrégiben jelent meg az OpenAI legújabb képgeneráló modellje az Image 2.5 formájában, amely a frissítésekkor megszokott javításokon (jobb, élethűbb képminőség, stb.) túl a használhatóság, pontosabb irányíthatóság szempontjából is új tulajdonságokkal bír. Ezeket foglaljuk össze ebben a cikkben.
A bejelentés szerint a jövevény fejlesztésénél elsősorban meglévő képek szerkesztése, és kevésbé teljesen új képek generálása volt a fő céltulajdonság. Ez orvosolja azt a gyakran tapasztalt problémát, hogy míg a létrehozáskor már most is sok modell kielégítő eredményt képes nyújtani, ám amikor különféle speciális kéréseink vannak egy meglévő fotó esetében, ott általában adódnak kihívások. A gyártó konkrétan a következő képességekre hívja fel a figyelmet:
Referenciakép-hűség
Amikor egy meglévő képből kiindulva valamilyen változtatással származtatunk egy újat, akkor általában a konkrétan kért módosításokon kívül a többi részletet (tárgyak, megvilágítás, textúrák stb.) szeretnénk eredeti formában megőrizni. Ez most a korábbiaknál tökéletesebben megvalósul.
Átemelt portréfotó
Gyakori felhasználási eset, hogy egy alakot adott környezetből másikba szeretnénk átemelni úgy, hogy a figurán semmi érdemi változás ne történjen. Erre is jó lehetőségünk lesz.
Csoportosfotó-összetétel
Szintén gyakori igény, hogy különböző képeken szereplő alakokat egy, közös fotón szeretnénk megjeleníteni természetes módon – ez a referenciaképek jelentősebb átalakításával jár. Most ezzel is könnyebben megbirkózhatunk.
A fentieken túl még a következő tulajdonságokat érdemes megjegyezni:
Vázlatból fotó
Néhány vonallal, kézzel összeállított vázlatból fotorealisztikus kép előállítása (adott esetben szöveges formában pontosabb instrukciók kíséretében).
Predefiniált templatek
Új képet – mondjuk posztert, naptárat vagy valamilyent termékfotót – manapság nem szokás teljesen a kezdetektől létrehozni magunknak, hanem templatek (előre meghatározott vizuális elemekből összeálló formátum) közül választunk. Ilyenek már eleve rendelkezésre állnak a modellben, de magunk is definiálhatunk ilyeneket későbbi rendszeres felhasználásra.
Megosztott promptok
Lehetőség van arra is, hogy promptokat és akár a használatukkal létrehozott fotókat megosszunk ismerősökkel, lehetővé téve nekik, hogy ugyanilyen stílusú vagy módosításokkal bíró hasonlókat hozzanak létre saját képi anyagokból.
Végül említsük meg, hogy az interaktív, ChatGPT-s felhasználás mellett természetesen API-n keresztül is elérhetjük a modellek változatait:
GPT-Image-2.5 Flare: alapértelmezett, normál felhasználói igényekre szabott, a Sunburst-nél nagyjából kétszer gyorsabb verzió.
GPT-Image-2.5 Sunburst: high-end változat komolyabb feladatokra, nagyobb fokú kontroll lehetőségével, lassabb generálási idővel.