4か月にわたる再設計を経て、GPT Image2の13名からなるコアチームが明らかに
最近、GPT Image2はその 驚くほどリアルな画像生成能力で、ソーシャルメディアを席巻しています。プロジェクトの人気が急上昇するにつれ、その背後にいた小規模で目立たないチームが脚光を浴びることになりました。 情報によると、中核となるチームはわずか13名で構成されており、彼らはわずか4ヶ月という短期間で基盤となるアーキテクチャを完全に書き換えることに成功しました。研究リーダーの陳博元氏は具体的な技術的詳細については明らかにしていませんが、この新しいモデルを「視覚領域におけるGPT」と表現しており、汎用能力における大きな飛躍を示唆しています。
チームの中心人物である陳博元氏の 経歴は特筆すべきものだ。博士課程在籍中、「ディフュージョン・フォーシング(Diffusion Forcing)」といった革新的な手法を開拓し、後にGoogleのGemini 2.0で採用されたインストラクション・チューニング技術の開発にも貢献した。興味深いことに、彼が初めて高校の科学キャンプに参加した際、Pythonの知識すらなかったという。 OpenAIに移籍後、彼はGPT画像モデルの全トレーニングを主導しただけでなく、Sora動画生成チームの中心メンバーとしても活躍した。あるデモンストレーションでは、中国語、韓国語、ベンガル語で完璧にレンダリングされたテキストを含むポスターを生成し、モデルの高度な言語理解能力を強調した。

テキストのレンダリングにとどまらず、GPT Image2は 世界知識の理解や複雑な指示の追従において新たな高みに到達した。中国科学技術大学のJianfeng Wang博士が率いるこのモジュールは、AI画像生成における長年の課題——例えば旧モデルが常に10時10分の時計を描いてしまうといった問題——に取り組んでいる。新モデルは、指定された時刻や複雑な空間レイアウトを正確に解釈する。 王博士は、このモデルがユーザーの創造的なビジョンと最終的に生成される結果との間のギャップを効果的に埋めていると指摘している。
生産性の面では、浙江大学朱源学院のYuguang Yang氏が、長文の研究論文を瞬時に高精度なPowerPointプレゼンテーションやインフォグラフィックに変換する本ツールの能力を披露しました。この機能は、マルチモーダル理解、Mixture of Experts(MoE)アーキテクチャ、および長文コンテキストガイダンス技術の深い統合によって実現されています。
初期のDALL-Eから今日のGPT Image2 まで
関連記事
スウェーデンのAIスタートアップ「Lovable」が主要な資金調達ラウンド終了後、132億ドルの評価額を達成
AI駆動のコーディングツールが注目を集める中、スウェーデンのスタートアップ企業Lovableは大型の資金調達ラウンドを獲得した。同社は30億ドルの調達を目指しており、これにより評価額が昨年12月に記録された66億ドルの倍となる132億ドルに達する可能性がある。この投資をリードするのはMenlo Venturesと見られている。Lovableの魅力は、複雑なコーディングスキルを不要とし、ソフトウェア作成を簡素化する中核の「ヴァイブコーディング」技術に由来する。ユーザーは自然言語で要件を記述するだ
Google、Geminiへの焦点がユーザー制御へシフトする中で、Remy AIエージェントをテスト
『Business Insider』によると、GoogleはGemini向けの新しいAIパーソナルエージェント「Remy」をテスト中である。このツールはユーザーに代わってタスクを実行することを目的としており、業務フローと日常のルーチンの両方を効率化する。現在、RemyはGeminiアプリケーションの社内限定版においてテストが行われている。この報道は社内文書と、プロジェクトに精通した2人の人物へのインタビューを引用している。社内資料では、Remyを「24時間365日のパーソナルエージェント」と位
Core Web Vitalsを修正してSEOランキングを向上させる方法
AIツールで報告書コメントの作成を効率化はじめに報告書コメント生成用のAIツールMagic SchoolAlmanac AIChat GPTMagic Schoolを使用した報告書コメントの生成Magic Schoolへのログイン報告書コメントツールの選択生徒向けのコメントのカスタマイズAlmanac AIを使用した報告書コメントの生成コースと評価基準の設定報告書の長さと生徒設定の構成Almanac AIによるコメントの生成Magic SchoolとAlmanac A
関連特集おすすめ
コメント (0)
0/500
最近、
チームの中心人物である

テキストのレンダリングにとどまらず、
生産性の面では、浙江大学朱源学院のYuguang Yang氏が、長文の研究論文を瞬時に高精度なPowerPointプレゼンテーションやインフォグラフィックに変換する本ツールの能力を披露しました。この機能は、マルチモーダル理解、Mixture of Experts(MoE)アーキテクチャ、および長文コンテキストガイダンス技術の深い統合によって実現されています。
初期のDALL-Eから今日の
スウェーデンのAIスタートアップ「Lovable」が主要な資金調達ラウンド終了後、132億ドルの評価額を達成
AI駆動のコーディングツールが注目を集める中、スウェーデンのスタートアップ企業Lovableは大型の資金調達ラウンドを獲得した。同社は30億ドルの調達を目指しており、これにより評価額が昨年12月に記録された66億ドルの倍となる132億ドルに達する可能性がある。この投資をリードするのはMenlo Venturesと見られている。Lovableの魅力は、複雑なコーディングスキルを不要とし、ソフトウェア作成を簡素化する中核の「ヴァイブコーディング」技術に由来する。ユーザーは自然言語で要件を記述するだ
Core Web Vitalsを修正してSEOランキングを向上させる方法
AIツールで報告書コメントの作成を効率化はじめに報告書コメント生成用のAIツールMagic SchoolAlmanac AIChat GPTMagic Schoolを使用した報告書コメントの生成Magic Schoolへのログイン報告書コメントツールの選択生徒向けのコメントのカスタマイズAlmanac AIを使用した報告書コメントの生成コースと評価基準の設定報告書の長さと生徒設定の構成Almanac AIによるコメントの生成Magic SchoolとAlmanac A





家






