OpenAI、DALL-E 3 で画像生成 AI ツールを強化

DALL-E 3 は、説明の詳細やニュアンスを把握することで、より正確な画像を生成することをお約束します。自分で見て！

OpenAI は、次世代の画像作成ツールを発表しました。 DALL-E 3 として知られるこの新しいバージョンは、テキストの説明をより深く理解し、より正確で忠実な画像を作成できるように設計されています。新しい DALL-E 3 Web ページで、OpenAI はこのツールについて多くを明らかにしませんでしたが、前任者の DALL-E 2 を超えることをどのように目指すかについてのヒントを提供しました。

OpenAIによると、DALL-E 3は、説明のニュアンスや詳細をより適切に把握できるように設計されており、それによってより正確な画像を作成できるという。現在の AI を利用した画像ジェネレーターは、説明内の単語を無視することがあり、その結果、的を外した画像が生成されてしまいます。 DALL-E 3 ページに表示されている画像に基づくと、新しいバージョンでは、より正確で詳細な想像力豊かな画像を作成できるようです。

AI に関する話題に伴い、画像ジェネレーターは個人や企業の間で人気が高まっています。 DALL-E 2、Microsoft の Bing Image Creator、Midjourney、Stable Diffusion、DreamStudio、Craiyon などのツールはすべて、ほぼ同じように機能します。プロンプトを使用して、生成するイメージを説明します。スタイルとその他の属性を選択します。それに応じて、ツールはリクエストに一致する 1 つ以上のイメージを作成します。

しかし、今日の AI ボットの多くと同様、これらの画像ジェネレーターは使用が難しい場合があります。通常、プロンプトは正しい方法で表現する必要があります。それでも、彼らはあなたのリクエストを常に正しく解釈するとは限りません。 OpenAI は、最新のテキストから画像へのシステムでは迅速なエンジニアリングを学ぶ必要があることを認識しており、DALL-E 3 は記述に忠実な画像を生成する上で飛躍的な進歩となるだろうと述べました。

DALL-E 3 は ChatGPT 上に構築されており、ChatGPT プラットフォームを通じてアクセスできます。ここでの利点は、ChatGPT を使用して画像のアイデアやプロンプトをブレインストーミングできることです。次に、簡単な文またはより詳細な段落を使用して、画像の作成をリクエストできます。

DALL-E 3 Web ページで提供されている例では、OpenAI が新しいバージョンがどのように動作するかを示しました。

1 つの画像は、「荘厳な王冠をかぶり、玉座に座り、ジャガイモの主題とジャガイモの城で満たされた広大なジャガイモの王国を監督している小さなジャガイモの王」という説明に基づいて生成されました。

2つ目は説明から作成されたものだ。「セラピストの椅子に座り、『中がとても空っぽな気がする』と言うアボカドのイラスト。中心には穴ほどの穴が開いている。セラピストはスプーンでメモを書き殴っている。」

そして、「星雲の爆発として描かれた、ダンクするバスケットボール選手の表情豊かな油絵」という説明に基づいて 2 つの画像が生成されました。 1 つのイメージは DALL-E 2 を使用し、もう 1 つのイメージは DALL-E 3 を使用しました。

OpenAIはまた、以前のバージョンと同様に、DALL-E 3の暴力的、成人向け、または憎悪に満ちたコンテンツを作成する能力が制限されていると強調した。著名人の創作や特定の有害な偏見などの分野で安全性が向上しました。たとえば、このツールは、著名人の名前を尋ねるプロンプトを拒否します。

AI によって生成された画像は、現実の人物や出来事を描写するために使用された場合にも問題が発生し、人々にその画像が本物であるかのように誤解させる可能性があります。この問題に対処するために、OpenAIは、画像がDALL-E 3によって作成されたかどうかを判断できる新しい内部ツールをテストしていると述べた。

現在クローズド テスト中である DALL-E 3 は、10 月初旬に ChatGPT Plus および Enterprise の顧客に展開される予定です。