GPT Image 2 แก้รูปเฉพาะจุดได้ไหม? Mask ช่วยชี้เป้า แต่ไม่ใช่ตัวล็อกพิกเซล

เวลานำ GPT Image 2 ไปใช้กับรูปคน รูปสินค้า หรือภาพสำหรับลงโซเชียล คำถามสำคัญมักไม่ใช่แค่ว่า “แก้ภาพได้ไหม” แต่คือ “แก้แค่จุดเล็ก ๆ แล้วส่วนอื่นไม่เพี้ยนได้แน่หรือเปล่า”

คำตอบที่ตรวจสอบได้ในตอนนี้ควรพูดแบบระมัดระวัง: เอกสาร API ของ OpenAI มีหน้าโมเดล GPT Image 2 จริง และตัวอย่างของ OpenAI Developers อธิบายเวิร์กโฟลว์แก้ภาพด้วย mask สำหรับ GPT Image แต่เอกสารทางการไม่ได้รับรองว่า mask จะทำหน้าที่เป็นตัวล็อกพื้นที่แบบพิกเซลต่อพิกเซล

สรุปก่อน: mask คือตัวช่วยชี้เป้า ไม่ใช่กุญแจล็อกภาพ

ในบริบทของการแก้ภาพด้วย AI, mask คือวิธีบอกโมเดลว่าบริเวณไหนควรถูกแก้หรือควรถูกหลีกเลี่ยง ไม่ใช่เลเยอร์ล็อกแบบที่คนทำงานกราฟิกอาจคุ้นจากซอฟต์แวร์แต่งภาพทั่วไป

ตัวอย่างของ OpenAI Developers ระบุว่าผู้ใช้สามารถใส่ mask ได้ หากไม่ต้องการให้โมเดลเปลี่ยนบางส่วนของภาพต้นฉบับ แต่ข้อจำกัดอยู่ในเอกสารเดียวกัน: OpenAI เตือนว่าแม้ใช้ mask แล้ว โมเดลก็ยังอาจแก้บางส่วนที่อยู่ใน mask ได้ เพียงแต่จะพยายามหลีกเลี่ยง

ถ้าต้องการ mask ที่แม่นยำจริง ๆ เอกสารทางการแนะนำให้ใช้โมเดล image segmentation หรือโมเดลแยกวัตถุ/แยกพื้นที่ภาพเข้ามาช่วย ดังนั้นคำอธิบายที่ปลอดภัยที่สุดคือ GPT Image ใช้ mask เพื่อ “กำกับ” การแก้เฉพาะจุดได้ แต่ไม่ควรมองว่า mask เป็นการรับประกันว่าส่วนอื่นของภาพจะไม่ถูกแตะเลย

เอกสารทางการยืนยันอะไรบ้าง

มี 3 เรื่องที่เอกสารทางการรองรับได้ชัดเจน

1. GPT Image 2 เป็นโมเดลที่ปรากฏในเอกสาร API ของ OpenAI หน้าเอกสารโมเดลของ OpenAI มีรายการ GPT Image 2 ข้อนี้ยืนยันการมีอยู่ของโมเดลในเอกสาร API แต่ไม่ได้แปลว่าในการแก้ภาพทุกครั้ง โมเดลจะรักษาใบหน้า แสง คอมโพส หรือพื้นที่ที่ไม่ได้เลือกไว้ได้สมบูรณ์

2. GPT Image มีตัวอย่างการแก้ภาพด้วย mask เอกสารตัวอย่างของ OpenAI Developers ระบุว่าสามารถให้ mask กับโมเดลได้ หากไม่ต้องการให้โมเดลเปลี่ยนบางส่วนของภาพต้นฉบับ และเมื่อใช้ mask ก็ยังต้องใช้ prompt หรือคำสั่งข้อความควบคู่กัน

3. เอกสารไม่ได้บอกว่า mask แม่นระดับพิกเซล ตรงกันข้าม เอกสารเตือนว่าโมเดลอาจยังแก้บางส่วนใน mask ได้ และถ้าต้องการขอบเขตที่แน่นอนควรใช้ image segmentation model

แล้วเรื่องหน้าคน แสง และคอมโพสล่ะ

ถ้าความต้องการคือ “ลบรอยเล็ก ๆ บนเสื้อ แต่หน้า สีผิว แสง ฉากหลัง และองค์ประกอบภาพต้องเหมือนเดิมทั้งหมด” หลักฐานทางการที่มีอยู่ยังไม่พอจะรับประกันระดับนั้น

mask อาจช่วยลดโอกาสที่พื้นที่ที่อยากเก็บไว้จะถูกเปลี่ยน แต่ถ้อยคำในเอกสารคือโมเดลจะ “หลีกเลี่ยง” ไม่ใช่ “ไม่มีวันเปลี่ยน” ความต่างนี้สำคัญมาก โดยเฉพาะกับงานที่ผิดเพี้ยนเล็กน้อยก็มีผล เช่น ภาพบุคคล ภาพสินค้า โลโก้ แพ็กเกจที่มีตัวอักษร ภาพติดบัตร หรือภาพเชิงพาณิชย์ที่ต้องการแสงและสัดส่วนคงที่

สำหรับภาพประเภทนี้ ไม่ควรตัดสินแค่ว่าภาพที่ AI สร้างออกมาดูสวยหรือดูธรรมชาติ แต่ควรเก็บไฟล์ต้นฉบับไว้ แล้วตรวจเทียบทีละภาพว่ารายละเอียดใบหน้า ขอบสินค้า ตัวอักษร โลโก้ สัดส่วน และทิศทางแสงถูกเปลี่ยนไปหรือไม่ นี่เป็นการควบคุมความเสี่ยงที่สอดคล้องกับข้อจำกัดเรื่อง mask ที่ OpenAI ระบุไว้

รายงานจากชุมชนนักพัฒนาบอกอะไรได้ และบอกอะไรไม่ได้

ใน OpenAI Developer Community มีหลายกระทู้ที่เกี่ยวกับการใช้ mask กับ gpt-image-1 โดยผู้ใช้รายงานปัญหา เช่น mask edits รักษาพื้นที่เดิมได้ไม่ดี, mask ไม่สามารถจำกัดการแก้เฉพาะบริเวณที่ต้องการ, inpainting with a mask กลายเป็นการแทนที่ทั้งภาพ หรือ mask ถูกมองว่าไม่ทำงานตามคาด

มีความเห็นหนึ่งในชุมชนอธิบายว่า masking ของ GPT Image เป็นลักษณะ prompt-based หรืออาศัยคำสั่งเป็นหลัก และโมเดลยังสร้างภาพใหม่ทั้งภาพ โดยพยายามวาดพื้นที่ที่ไม่ถูกแก้ให้ใกล้เคียงต้นฉบับมากที่สุด ความเห็นนั้นยังระบุด้วยว่าโมเดลอาจไม่ทำตามรูปทรงของ mask ได้อย่างสมบูรณ์

อย่างไรก็ตาม ข้อมูลเหล่านี้ส่วนใหญ่พูดถึง gpt-image-1 และเป็นรายงานจากชุมชนนักพัฒนา ไม่ใช่คำมั่นด้านประสิทธิภาพอย่างเป็นทางการของ OpenAI สำหรับ GPT Image 2 จึงไม่ควรสรุปตรง ๆ ว่า GPT Image 2 ต้องมีปัญหาแบบเดียวกันเสมอ แต่รายงานเหล่านี้สอดคล้องกับคำเตือนในเอกสารทางการว่า mask อาจไม่แม่นยำสมบูรณ์

ควรมองคำโฆษณาแนว “แก้ระดับพิกเซล” อย่างไร

มีเว็บไซต์ภายนอกที่อธิบาย “GPT Image 2 Edit” ว่าสามารถแก้ภาพอ้างอิงด้วยคำสั่งภาษาธรรมชาติ และใช้ถ้อยคำอย่าง “surgical pixel-level edits” พร้อมระบุว่าไม่ต้องใช้ masks, layers หรือ Photoshop

คำอธิบายแบบนี้อาจใช้ดูทิศทางการทำตลาดได้ แต่ถ้าคำถามคือ “จะแก้แค่จุดเล็ก ๆ และรับประกันว่าส่วนอื่นไม่เปลี่ยนได้ไหม” ควรให้น้ำหนักกับเอกสารทางการของ OpenAI และผลทดสอบของงานตัวเองมากกว่า

กล่าวให้ชัดคือ ข้อมูลทางการรองรับว่า GPT Image ใช้ mask เพื่อกำกับการแก้ภาพเฉพาะส่วนได้ แต่ไม่รองรับคำกล่าวว่า mask จะรับประกันว่าพื้นที่ที่ไม่ได้ต้องการแก้จะไม่ถูกโมเดลเปลี่ยนเลย

แนวทางใช้งานจริง: งานไหนพอลองได้ งานไหนต้องระวัง

ถ้าเป้าหมายคือทำคอนเซปต์เร็ว ๆ สร้างภาพทางเลือกสำหรับโซเชียล ลองเปลี่ยนฉากหลัง หรือสำรวจทิศทางภาพหลายแบบ การแก้ด้วย mask น่าทดลอง เพราะ OpenAI มีตัวอย่างเวิร์กโฟลว์นี้อยู่จริง

แต่ถ้าเป็นงานที่ต้องแม่น เช่น ภาพสินค้าไฟนอล ภาพบุคคล ภาพติดบัตร โลโก้ แพ็กเกจ หรือภาพที่มีข้อความสำคัญ ควรตั้งมาตรฐานตรวจรับให้เข้มขึ้น:

1. เขียน prompt ให้ชัด เมื่อใช้ mask ยังต้องมี prompt จึงควรบอกให้ชัดว่าต้องการแก้อะไร และส่วนใดต้องคงไว้
2. ถ้าขอบเขตต้องเป๊ะ ให้เตรียม mask ให้ดี OpenAI แนะนำว่าเมื่อต้องการ exact mask ควรใช้ image segmentation model เข้าช่วย
3. มองผลลัพธ์เป็นฉบับเสนอ ไม่ใช่ไฟล์จบ เอกสารทางการเตือนว่า mask ยังอาจถูกแก้บางส่วนได้ ดังนั้นใบหน้า ขอบสินค้า ตัวอักษร และองค์ประกอบแบรนด์ควรถูกตรวจด้วยคน
4. เก็บต้นฉบับและเทียบก่อน-หลัง สำหรับภาพที่ไวต่อสัดส่วน คอมโพส แสง หรือรายละเอียดสำคัญ ควรเปรียบเทียบกับไฟล์เดิมทีละจุด ไม่ใช่ดูแค่ว่าภาพใหม่ “เนียน” หรือไม่

ประโยคที่ปลอดภัยที่สุด

GPT Image 2 สามารถอยู่ในเวิร์กโฟลว์แก้ภาพเฉพาะจุดเพื่อทดลองใช้งานได้ แต่จากข้อมูลที่ตรวจสอบได้ในตอนนี้ ยังไม่ควรรับประกันว่าโมเดลจะแก้เฉพาะพื้นที่เล็ก ๆ ที่ระบุเท่านั้น โดยที่ใบหน้า แสง และคอมโพสทั้งหมดไม่เปลี่ยนเลย เอกสาร OpenAI รองรับการใช้ mask เพื่อกำกับการแก้ภาพ และในเวลาเดียวกันก็เตือนว่า mask อาจไม่แม่นยำสมบูรณ์ งานที่ต้องความเป๊ะสูงจึงควรใช้ image segmentation, ตรวจเทียบก่อน-หลัง และให้คนตรวจรับขั้นสุดท้าย