ガイド
定義
個数・配置指定の精度とは、画像生成AIに「りんごを3個」「左に犬、右に猫」のように数や配置を指示した際、その通りに描き分けられる度合いのこと。
個数・配置指定の精度 (Counting)とは — 詳しく解説
拡散モデル型の画像生成AIは、アテンション機構がテキストの意味的な塊(物体の数量やレイアウト指示)をピクセル単位の空間配置に正確にマッピングすることが構造的に苦手とされ、4つ以上の物体数や複雑な配置(左右・前後関係)を指定すると誤差が増える傾向が広く知られている。2026年時点では後発モデルほど改善が進んでいるとされるが、依然として「3個と指定したのに2個や4個になる」「指定した位置と逆になる」といった破綻は実運用でしばしば発生する。現場での落とし穴は、破綻に気づかず生成物をそのまま採用してしまうことで、特に商品パッケージや人数指定のあるビジュアルでは事後の目視チェックが必須になる。コスト感としては、1枚あたりの生成コスト自体は低くても、狙った個数・配置に当たるまで複数回リトライする前提になるため実質コストが数倍に膨らむ場合がある。現場での選び方は、単純な物体数や大まかな左右配置ならどのモデルでも実用的だが、精密な個数・配置が必須の用途では、生成後の画像編集で個別に配置し直す運用と組み合わせるのが実務的とされる。
個数・配置指定の精度 (Counting)の使用例
- 「白い皿にいちごを5個、等間隔に並べて」と指定しても、実際は4個や6個になることがある。
- 「犬を左、猫を右に」という配置指定は、モデルによって左右が入れ替わって生成されることがある。
