最新AI画像生成モデルが直面する課題
- •MetaのMuse、Gemini Nano Banana 2、ChatGPT Images 2.0は、構造的な一貫性とテキストレンダリング能力が向上した。
- •現在のAI画像生成モデルは、生々しいリアリズムよりも、洗練された「プレミアム」な美学を優先する傾向にある。
- •モデルは本格的な質感の再現に苦戦しており、過度に滑らかで温かみのあるフィルターがかかったような出力が定着している。
MetaのMuse、GoogleのGemini Nano Banana 2、OpenAIのChatGPT Images 2.0は、手足の欠損や顔の歪みといった一般的な生成エラーを大幅に解消した高品質な画像を出力する。初期のモデルで見られた構成の崩れは改善され、文字の描写精度も向上した。Metaはソーシャルエコシステム内でのMuseの活用を推進し、GoogleはGeminiフレームワークにおける速度と編集機能を強調し、OpenAIはテキストレンダリングとプロンプトの制御能力を市場に打ち出している。戦略は異なるものの、いずれのモデルも、生の現実味よりも洗練された「プレミアム」な外観を重視する傾向にある。
テストでは、雑然としたキッチンにいるオフィスワーカーやマニラの屋台といった複雑なシーンを正確に生成し、指示されたオブジェクトも適切に配置された。特に架空の店舗ポスターの文字描写において、以前のような支離滅裂な文字の羅列が大幅に改善された。その一方で、すべてのプラットフォームで共通して、温かみのある黄色い色調や過度に滑らかな表面仕上げが目立つ。オープンイヤー型ワイヤレスイヤホンのような製品画像では、特定のデザインの再現に苦戦し、汎用的な描写に終始する傾向があった。ChatGPT Images 2.0では、コンテンツ生成の際に複数回の試行やチャットの再起動が必要となる信頼性の課題も確認された。
技術的なエラーが解消されたことで、課題は生成失敗から「質感とリアリズム」へと移行している。モデルは複雑なプロンプトに従い一貫したシーンを構成できるようになったものの、最終的な出力はプロ向けパンフレットのように演出されすぎており、実生活の生々しい質感が欠けている。この「偽のプレミアム」感は、SNSでの閲覧時には十分な説得力を持ってしまうため、ポスト真実時代の情報環境における合成画像の信頼性について新たな議論を提起している。