GPT Image 2 แก้ภาพเฉพาะจุดได้ไหม? เข้าใจ mask ก่อนใช้กับงานจริง

เอกสารทางการบอกอะไรได้บ้าง

OpenAI API Reference มีเมธอด Create image edit สำหรับการแก้ไขภาพที่มีอยู่ ส่วนคู่มือ Image generation ของ OpenAI ก็จัด Edits เป็นหนึ่งในความสามารถด้านภาพ และอธิบายว่าเป็นการปรับแก้ภาพเดิม นอกจากนี้ เอกสาร API ของ OpenAI ยังมีหน้า model สำหรับ GPT Image 2 ด้วย

หลักฐานเหล่านี้พอจะสรุปได้อย่างระมัดระวังว่า GPT Image 2 อยู่ในกลุ่มเวิร์กโฟลว์ GPT image ที่มีความสามารถด้านการแก้ไขภาพ แต่ “มี image edit” กับ “รับประกันว่าแก้เฉพาะพิกเซลใน mask เท่านั้น” เป็นคนละเรื่องกัน ประเด็นแรกคือทางเข้าของฟังก์ชัน ส่วนประเด็นหลังคือคำมั่นเรื่องความคงเดิมของภาพ ซึ่งเอกสารสาธารณะที่อ้างได้ในตอนนี้ยังไม่เพียงพอจะรองรับคำกล่าวว่า พื้นที่นอก mask จะเหมือนเดิมทุกพิกเซล

Mask ไม่ใช่เส้นเลือกพื้นที่แบบแข็ง

ใน OpenAI Developer Community มีการพูดคุยเกี่ยวกับ masking ของ GPT Image 2 และมีคำตอบที่ระบุว่า API ของ gpt-image-2 รองรับ mask field นั่นแปลว่า mask สามารถเป็นส่วนหนึ่งของขั้นตอนทำงานได้ แต่ไม่ได้แปลว่ามันทำหน้าที่เหมือนเส้น selection หรือ layer mask ในโปรแกรมแต่งภาพทั่วไปที่ห้ามโมเดลแตะพื้นที่นอกขอบเขตอย่างเด็ดขาด

เหตุผลคือการแก้ภาพแบบนี้ยังเป็นการแก้ไขเชิงสร้างสรรค์ ไม่ใช่การคัดลอกพิกเซลแบบกลไก รายงานจากชุมชนนักพัฒนาระบุว่า mask ใน images.edit ไม่สามารถจำกัดการเปลี่ยนแปลงให้อยู่เฉพาะพื้นที่ที่กำหนดได้เสมอ อีกความเห็นหนึ่งระบุว่า ต่างจาก DALL·E 2 การ masking ใน GPT Image มีลักษณะเป็น prompt-based guidance มากกว่า กล่าวคือโมเดลใช้ mask เป็นแนวทาง แต่ไม่ได้จำเป็นต้องทำตามอย่างสมบูรณ์

หลักฐานที่หนักขึ้นคือผลงานประเมินบน arXiv ซึ่งระบุว่าโมเดลอย่าง GPT-Image ไม่สามารถจำกัดการแก้ไขให้อยู่เฉพาะในบริเวณ mask ได้อย่างน่าเชื่อถือในงาน masked edit นี่ไม่ได้แปลว่า GPT Image 2 จะแก้เฉพาะจุดล้มเหลวทุกครั้ง แต่เพียงพอจะหักล้างคำโฆษณาแบบเด็ดขาดว่า “แก้เฉพาะตรงที่เลือกเท่านั้น ส่วนอื่นไม่เปลี่ยนแน่นอน”

ใช้งานยอดฮิต 3 แบบ เสี่ยงตรงไหน

1. เปลี่ยนพื้นหลัง

การใช้ GPT Image 2 เพื่อเปลี่ยนพื้นหลังเป็นงานแก้ไขภาพที่สมเหตุสมผล เพราะเอกสาร image edit และ Edits ของ OpenAI ครอบคลุมการปรับแก้ภาพที่มีอยู่แล้ว แต่หลังได้ภาพใหม่ อย่าดูแค่ว่าพื้นหลังเปลี่ยนเป็นสไตล์ที่ต้องการหรือไม่

ควรตรวจขอบสินค้า เงา แสงสะท้อน สัดส่วน สี และดูว่าวัตถุหลักถูกตีความใหม่หรือเปลี่ยนรูปไปหรือเปล่า เพราะ mask อาจไม่สามารถจำกัดพื้นที่แก้ไขได้อย่างเสถียร วิธีปลอดภัยคือวางภาพต้นฉบับกับภาพผลลัพธ์เทียบกันทีละจุด

2. แก้แพ็กเกจจิ้ง

การแก้แพ็กเกจเหมาะกับงาน mockup การสำรวจทิศทางงานออกแบบ หรือทำหลายเวอร์ชันเพื่อเลือกแนวทาง แต่ถ้าภาพจะถูกใช้ส่งลูกค้า ใช้ในแคมเปญ หรือใช้เป็นสื่อเชิงพาณิชย์ ต้องระวังมากขึ้น

ความเสี่ยงไม่ได้มีแค่ว่าโมเดลอาจแก้แพ็กเกจไม่ตรงคำสั่ง แต่อาจเปลี่ยนโลโก้ ตัวอักษร สัดส่วน หรือรายละเอียดรอบ ๆ ที่ตั้งใจจะเก็บไว้ด้วย นี่คือเหตุผลที่ไม่ควรนำ mask ไปอธิบายเหมือนเป็นการรับประกันความแม่นยำระดับพิกเซล

3. รีทัชเฉพาะตำแหน่ง

ถ้าต้องการลบรอยตำหนิ เปลี่ยนวัตถุเล็ก ๆ หรือปรับเฉพาะบางจุด สามารถใช้ mask ร่วมกับ prompt ที่ชัดเจนเพื่อทดลองได้ วิธีเขียน prompt ที่ปลอดภัยกว่าคือไม่บอกแค่ว่าต้องการเปลี่ยนอะไร แต่ต้องบอกด้วยว่าอะไรห้ามเปลี่ยน เช่น ใบหน้า รูปทรงสินค้า โลโก้ ข้อความ พื้นหลัง และทิศทางแสง

ถึงอย่างนั้น ผลลัพธ์ยังเป็นการแก้ไขเชิงสร้างสรรค์ หลังสร้างภาพเสร็จจึงต้องตรวจว่าพื้นที่นอก mask หรือพื้นที่ที่ไม่ได้สั่งแก้มีการ drift หรือเปลี่ยนรายละเอียดไปหรือไม่

เวิร์กโฟลว์ที่ช่วยลดความเสี่ยงว่าทั้งภาพจะเปลี่ยน

1. เก็บไฟล์ต้นฉบับไว้เสมอ อย่าเขียนทับไฟล์ master เพื่อให้ย้อนกลับและเทียบผลลัพธ์ได้ง่าย
2. แก้ทีละเรื่อง เช่น เปลี่ยนพื้นหลังก่อน แล้วค่อยแก้แพ็กเกจ จากนั้นจึงรีทัชรายละเอียดเล็ก ๆ อย่าสั่งให้โมเดลทำหลายอย่างพร้อมกันเกินไป
3. เขียนสิ่งที่ต้องเก็บไว้ใน prompt เช่น ต้องการเปลี่ยนเฉพาะพื้นหลัง แต่ให้คงตัวสินค้า โลโก้ ข้อความ สัดส่วน สี และแสงเงาไว้
4. ใช้ mask แล้วก็ยังต้องระบุพื้นที่ห้ามเปลี่ยน หลักฐานสาธารณะยังไม่รองรับการมอง mask เป็นขอบเขตพิกเซลแบบบังคับเด็ดขาด
5. เทียบกับภาพต้นฉบับเสมอ ตรวจพื้นที่ที่ไม่ได้สั่งแก้ ใบหน้า สัดส่วนสินค้า ข้อความ องค์ประกอบแบรนด์ และรายละเอียดแพ็กเกจ
6. ให้มนุษย์ตรวจและเก็บงานก่อนส่งจริง ถ้างานต้องการความสอดคล้องของแบรนด์ ข้อความบนแพ็กเกจที่ถูกต้อง หรือความแม่นยำระดับพิกเซล ควรมีนักออกแบบหรือรีทัชเชอร์ตรวจซ้ำ

ถ้าต้องอธิบายให้ลูกค้าหรือทีมฟัง ควรพูดอย่างไร

ถ้อยคำที่ปลอดภัยกว่าคือ: GPT Image 2 มีพื้นฐานเวิร์กโฟลว์แก้ไขภาพ และสามารถใช้ร่วมกับ mask หรือ prompt ที่ระบุตำแหน่งเพื่อพยายามแก้เฉพาะจุดได้ แต่ข้อมูลสาธารณะยังไม่สนับสนุนการรับประกันว่าโมเดลจะแก้เฉพาะพิกเซลหรือเฉพาะบริเวณที่กำหนด โดยที่พื้นที่อื่นไม่เปลี่ยนเลย

ควรหลีกเลี่ยงการพูดว่า GPT Image 2 รับประกันการเปลี่ยนเฉพาะพื้นหลัง แพ็กเกจ หรือจุดที่เลือก โดยส่วนอื่นของภาพเหมือนเดิมทั้งหมด สำหรับภาพสินค้า ภาพแพ็กเกจ และสื่อเชิงพาณิชย์ แนวทางที่มั่นคงกว่าคือใช้มันเป็นเครื่องมือแก้ไขภาพเชิงสร้างสรรค์ที่ช่วยทำงานเร็วขึ้น แล้วตามด้วยการตรวจคุณภาพโดยมนุษย์เพื่อยืนยันว่าไม่มีส่วนที่ไม่ควรเปลี่ยนถูกแก้ไปโดยไม่ตั้งใจ