GPT Image 2: Yeni nəsil şəkil generasiyası

GPT Image 2 OpenAI-nin multimodal arxitekturasının mətn əsasında şəkil generasiyası tapşırıqları üçün optimallaşdırılmış ikinci nəslidir. Model hesablama mürəkkəbliyini azaldan və real dünyanın obyektiv xüsusiyyətləri ilə semantik uyğunluğu yaxşılaşdıran, bir keçiddə çıxarış alqoritminə malik yenilənmiş neyron şəbəkə strukturu üzərində qurulub. Əsas iş axını belədir: mətn sorğusunun daxil edilməsi → rastr təsvirin yaradılması. Modelə həmçinin şərti redaktə modulu inteqrasiya edilib. Bu modul istifadəçilərə istinad şəkli yükləməyə və orijinal obyektin həndəsəsini və vizual kimliyini qoruyaraq məqsədyönlü dəyişikliklər (fon, geyim elementləri, üz ifadələri, stilizasiya) etməyə imkan verir.

GPT Image 1.5 ilə müqayisədə əsas memarlıq və funksional fərqlər:

• Tipoqrafik dəqiqlik: Kiril əlifbası da daxil olmaqla mətn elementləri həndəsi təhrif olmadan yaradılır. Bildirilən dəqiqlik səviyyəsi 99%-dən yüksəkdir.


• Rənglərin təsviri və qamma korreksiyası: Həddindən artıq sarımtıl parıltı çaları yaradan sistematik artefakt aradan qaldırılıb; rəng palitrası normallaşdırılıb, bununla da daha təbii və kontrastlı təsvir təmin edilib.


• Kommersiya brendlərinin və istifadəçi interfeyslərinin semantik tanınması: Model real brendləri və istifadəçi interfeyslərini (YouTube, Ozon, Apple) əhatə edən genişləndirilmiş verilənlər dəstləri əsasında təlim keçib. Bu, vizual identifikatorların və UX elementlərinin dəqiq əks etdirilməsini təmin edir.


• Obyekt ardıcıllığı: Bir sıra şəkillər boyunca personajların eyniliyi sabit şəkildə qorunur. Bu, vizual hekayələr və korporativ maskotlar yaratmaq üçün iş axınını optimallaşdırır.


• Çıxarış performansı: Hesablama iş axınının optimallaşdırılması və bir keçiddə təsvir yaratma üsulunun tətbiqi sayəsində generasiya sürəti əvvəlki buraxılışla müqayisədə təxminən iki dəfə artıb.