将图像生成从”所想即所得”进一步推进到”所控即所得”—— 模型不仅需要理解”画什么”，还需要准确执行”画在哪里”… 当前商业化模型，包括 ChatGPT Image 2.0 在内，面对”生成一只猫，并指定猫、猫爪、门、地板等元素在画面中的具体位置”这样的需求时，依然难以满足 … 某种意义上，这也代表着图像生成能力演进的一个重要方向 —— 从”所想即所得”，逐步走向”所控即所得”。
将图像生成从”所想即所得”进一步推进到”所控即所得”—— 模型不仅需要理解”画什么”，还需要准确执行”画在哪里”… 当前商业化模型，包括 ChatGPT Image 2.0 在内，面对”生成一只猫，并指定猫、猫爪、门、地板等元素在画面中的具体位置”这样的需求时，依然难以满足 … 某种意义上，这也代表着图像生成能力演进的一个重要方向 —— 从”所想即所得”，逐步走向”所控即所得”。