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
DeepMindのCEOハサビス氏:1日6時間睡眠し、通常午前1時頃に活力を感じます。
フォーチュンは最近、Google DeepMindのCEOであるデミス・ハサビスへのインタビューを掲載し、彼の休息と生産性に対する非伝統的なアプローチを明らかにした。ハサビスは、睡眠時間が非常に短いことを明かし、覚醒時間を2つの明確な作業ブロックに構造化していると語った。彼の睡眠習慣について、ハサビスは「6時間の睡眠を目標としているが、私の習慣は典型的ではない。一日中効果的に機能できる」と述べた。彼は、6時間未満の睡眠は脳の健康に悪影響を及ぼすことを強調した。2010年にDeepMindを共
OpenAIとAnthropic、収益の伸び悩みにもかかわらず市場シェア争いを繰り広げる
OpenAIが収益目標を達成できなかったとする最近の報道を受け、今週火曜日にハイテク株に売り圧力が生じたにもかかわらず、AI研究機関への民間投資家は依然として堅調だ。経験豊富な出資者たちは、メディアによる否定的な報道にもかかわらず、投資額を減らすつもりはないことを明らかにしている。アナリストらは、現在のAI競争はまだ初期段階にあると見ており、「勝者総取り」という結末はあり得ないと見ている。高いコン
カリフォルニア州の自動運転車規制:違反切符、ジオフェンス、そして100万マイルという新たな時代
Guident社は南フロリダでAuveTechのシャトルを運行しており、同社の遠隔監視技術を活用して、ウェストパームビーチでの4マイルのルートとボカラトンでの1マイルのルートを管理している。 | 提供:Guidentカリフォルニア州は、自動運転車の規制環境を再定義しつつあり、テクノロジー業界の「迅速に動き、失敗を恐れない」という考え方から、厳格な説明責任と厳しい走行距離要件へと移行している。Gui
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
DeepMindのCEOハサビス氏:1日6時間睡眠し、通常午前1時頃に活力を感じます。
フォーチュンは最近、Google DeepMindのCEOであるデミス・ハサビスへのインタビューを掲載し、彼の休息と生産性に対する非伝統的なアプローチを明らかにした。ハサビスは、睡眠時間が非常に短いことを明かし、覚醒時間を2つの明確な作業ブロックに構造化していると語った。彼の睡眠習慣について、ハサビスは「6時間の睡眠を目標としているが、私の習慣は典型的ではない。一日中効果的に機能できる」と述べた。彼は、6時間未満の睡眠は脳の健康に悪影響を及ぼすことを強調した。2010年にDeepMindを共
OpenAIとAnthropic、収益の伸び悩みにもかかわらず市場シェア争いを繰り広げる
OpenAIが収益目標を達成できなかったとする最近の報道を受け、今週火曜日にハイテク株に売り圧力が生じたにもかかわらず、AI研究機関への民間投資家は依然として堅調だ。経験豊富な出資者たちは、メディアによる否定的な報道にもかかわらず、投資額を減らすつもりはないことを明らかにしている。アナリストらは、現在のAI競争はまだ初期段階にあると見ており、「勝者総取り」という結末はあり得ないと見ている。高いコン





家






