Seedream 4 — เครื่องมือสร้างรูปภาพ AI ขั้นสูงของ ByteDance

Seedream 4 คือโมเดลสังเคราะห์ภาพรุ่นที่สี่ของ ByteDance ซึ่งสร้างขึ้นบนโครงสร้างพื้นฐานการวิจัย AI อันกว้างขวางของบริษัทที่เป็นขุมพลังให้กับผลิตภัณฑ์อย่างเอนจินเอฟเฟกต์ภาพของ TikTok โมเดลนี้ใช้สถาปัตยกรรมแบบไฮบริดที่รวมการสร้างภาพแบบ Diffusion เข้ากับการประมวลผลคำสั่งแบบ Transformer ทำให้สามารถจัดการคำสั่งที่ซับซ้อนและมีหลายองค์ประกอบได้อย่างแม่นยำ การเข้าถึงชุดข้อมูลเนื้อหาภาพที่ใหญ่ที่สุดในโลกชุดหนึ่งของ ByteDance ช่วยให้ Seedream 4 พัฒนาความสามารถที่แข็งแกร่งเป็นพิเศษในการทำความเข้าใจความสัมพันธ์ขององค์ประกอบภาพ สไตล์ศิลปะ และบริบททางวัฒนธรรม

สถาปัตยกรรมทางเทคนิคของ Seedream 4 ใช้กลยุทธ์การแยกย่อยคำสั่ง (Prompt Decomposition) แบบใหม่ที่แบ่งคำบรรยายที่ซับซ้อนออกเป็นงานย่อยตามลำดับชั้น เมื่อประมวลผลคำสั่ง เช่น "ซามูไรยืนบนหน้าผามองลงไปยังหุบเขาดอกซากุระในช่วงพระอาทิตย์ตก" โมเดลจะแยกจัดการการออกแบบตัวละคร องค์ประกอบของสภาพแวดล้อม สภาพแสง และเอฟเฟกต์บรรยากาศก่อนจะรวมเข้าด้วยกันเป็นผลลัพธ์เดียว แนวทางการแยกย่อยนี้ส่งผลให้ได้ภาพที่มีความสอดคล้องกันมากขึ้นและมีรอยด่างพร่าน้อยลง โดยเฉพาะในฉากที่มีองค์ประกอบหลายอย่างที่ต้องโต้ตอบกันอย่างเป็นธรรมชาติ

Seedream 4 รองรับการใช้งานสร้างสรรค์ที่หลากหลาย ตั้งแต่การถ่ายภาพสินค้าที่ดูสมจริงไปจนถึงภาพประกอบแฟนตาซี งานศิลปะสไตล์อนิเมะ และการจำลองสถาปัตยกรรม ระบบควบคุมอัตราส่วนภาพช่วยให้สามารถสร้างภาพตามขนาดจริงที่ปรับให้เหมาะกับแพลตฟอร์มและกรณีการใช้งานที่แตกต่างกันได้ ByteDance ให้ความสำคัญเป็นพิเศษกับการปรับปรุงการวาดมือและกายวิภาค ซึ่งเป็นจุดอ่อนดั้งเดิมของโมเดลประเภท Diffusion ส่งผลให้ได้รูปร่างมนุษย์ที่ดีขึ้นอย่างเห็นได้ชัดเมื่อเทียบกับรุ่นก่อนหน้า นอกจากนี้โมเดลยังแสดงประสิทธิภาพที่แข็งแกร่งในการสร้างแสงที่สม่ำเสมอในฉากที่ซับซ้อน คุณสมบัติของวัสดุที่แม่นยำ และเอฟเฟกต์หน้าชัดหลังเบลอที่เป็นธรรมชาติ