Прорыв в мультиперсонной генерации
Проект WithEveryone, опубликованный на GitHub, представил новую архитектуру GPT-Image-2, решающую критическую проблему современных диффузионных моделей — искажение лиц и анатомии при генерации изображений с несколькими персонажами. В отличие от предыдущих решений, новая модель сохраняет высокую идентичность каждого объекта в кадре.
Ключевые метрики качества
Основным показателем эффективности выбрана метрика ArcFace similarity, измеряющая сходство сгенерированных лиц с эталонными. Чем выше значение, тем лучше модель справляется с сохранением черт лица. GPT-Image-2 показал результат 0.614, что является текущим лидером (SOTA) в данной категории.
| Модель | Метрика ArcFace similarity | Статус |
|---|---|---|
| GPT-Image-2 (WithEveryone) | 0.614 | Лидер (SOTA) |
| Предыдущие аналоги | 0.566 | Базовый уровень |
Почему это важно
Разрыв в 0.048 по метрике ArcFace — это существенное улучшение, означающее, что сгенерированные лица становятся практически неотличимыми от оригиналов в контексте мультиперсонных сцен. Это открывает новые возможности для создания реалистичных групповых портретов, рекламных материалов и контента для игр без необходимости ручной постобработки или использования сложных промптов.
Доступность
Код проекта и предобученные модели доступны в открытом доступе на платформе GitHub, что позволяет разработчикам и исследователям интегрировать эти решения в свои пайплайны генеративного ИИ.
Источник: Github ↗