最近新しいモデルがいろいろ登場していますが、画像生成結果の性能も良くなっているのでしょうか?
新しいモデルでの画像生成結果の比較をします。
非常階段に3人が座っている画像を生成して比較します。以下のプロンプトを利用します。
画像生成結果は以下です。
プロンプト通りの画像が生成できています。キャラクターにフォーカスした構図になります。構図のバリエーションはやや狭い印象です。
ちょっと階段が錆びすぎているのではとの印象もあります。
バリエーションの幅はかなり狭い印象です。構図は Hunyuan Image, Chat GPT 5に近いです。
Turboモデルと異なり、バリエーションはやや広めです。
階段にキャラクターが座った画像は生成できていますが、非常階段や"japanese school"が理解できていない印象です。
"on the fifth floor"がうまく反映できていない印象です。地面に近い場所に座ってしまっています。構図のバリエーションは狭い印象です。
アニメ的な絵は弱い印象です。背景がリアリスティックな表現となっています。こちらも"on the fifth floor"がうまく反映できていない印象です。構図のバリエーションは狭い印象です。
貨物列車の操車場のガスタンク車を表現します。以下のプロンプトで画像生成します。
画像生成結果は以下です。
プロンプト通りに操車場感、ガスタンク車が表現できています。"low angle" については反映される場合とされない場合があります。
ガスタンク車や貨車の錆びや汚れの表現が強い印象です。リアリティはありますが、もう少しきれいな結果も出てきてよいかなと思いました。
生成画像のバリエーションはやや狭い印象です。
構図やデザインのバリエーションはやや狭い印象があります。Qwen-ImageやHunyuan Imageのようなのっぺり感は少ないです。
Turboモデルと異なり、バリエーションがあります。発色が鮮明で鮮やかな印象です。
操車場感は出ています。"low angle"があまり反映されない結果となりました。
ものすごい大きなガスタンク車が生成されたりするなど、スケール感があっていないものもあります。
操車場感、ローアングル、ガスタンク車は表現できています。若干のっぺりした画像が生成される印象があります。バリエーションはだいぶ狭い印象です。
ローアングル、ガスタンク車は表現できています。やややフラット感のある画像が生成される印象があります。バリエーションは狭い印象です。
どのモデルにおいてもプロンプト追従も良く、指定通りの画像が生成できています。
Qwen-Image,Hunyuan Imageは画像生成結果が若干フラットになる印象です。
