画像生成AI「Gemini 3(Nano Banana Pro)」恐るべし。ピンボケ文書をヒントを基にクッキリ文書に。
昨日、画像生成AIを用いて、ピンボケ写真の文字を判読可能にできるか検証した。
試したのは「Seedream 4」と「Gemini 3(Nano Banana Pro)」。軽度のピンボケであれば読みやすい画像に補正できたが、ピンボケが大きい写真の場合、画質自体は鮮明になるものの、無関係な文字が勝手に割り当てられる現象が見られた。
今回、あえてピントを外し斜めの角度から撮影した文書画像を用いて実験を行った。 単に画像を渡すだけでは再現できなかったため、プロンプトで次のようなヒントを与えた。「この写真は清少納言の『枕草子』を撮影したものである。ピントを合わせ、文字を読めるようにせよ」。つまり、被写体の正体を教えることで再現精度が上がるかを試した。
結果として、「Seedream 4」では再現できなかった。一方、「Gemini 3(Nano Banana Pro)」は一箇所を除いて見事に文章を再現した。おそらくウェブ上のテキスト情報を参照し、それを画像の文字配置に合わせて合成したのだろう。「Gemini 3(Nano Banana Pro)」恐るべし。
【ピントを外して撮影した元の文書(トリミング)】

【オリジナル写真】

【Seedream 4 の結果】

【Gemini 3(Nano Banana Pro)の結果】











