ทำไมภาพที่ Gemini สร้างจากรูปเก่าถึงดูแปลกๆ หน้าไม่เหมือน หาสาเหตุที่แท้จริง

หลายคนที่ลองใช้ฟีเจอร์สร้างภาพของ Google Gemini กับภาพถ่ายเก่าของตัวเองหรือคนในครอบครัว มักพบปัญหาคล้ายกัน คือภาพที่ได้ออกมาไม่ชัด ใบหน้าดูเพี้ยนไปจากต้นฉบับ หรือสัดส่วนใบหน้าผิดเพี้ยนจนแทบจำไม่ได้ว่าเป็นคนเดียวกัน ในกลุ่มสนทนาและฟอรัมภาษาไทยหลายแห่ง มีการบ่นถึงปัญหานี้ในลักษณะเดียวกันซ้ำๆ ว่า "Gemini สร้างภาพแล้วไม่ชัด หน้าไม่เหมือน"

คำถามที่ตามมาคือ ปัญหานี้เกิดจากอะไรกันแน่ เป็นข้อบกพร่องของตัว Gemini เอง หรือเป็นเพราะปัจจัยอื่นที่ผู้ใช้ควบคุมได้ บทความนี้จะอธิบายสาเหตุที่แท้จริงตามหลักการทำงานของโมเดลสร้างภาพ และชี้ให้เห็นว่าจุดเริ่มต้นของปัญหาส่วนใหญ่อยู่ที่ไหน

โมเดลสร้างภาพทำงานอย่างไรเมื่อรับภาพต้นฉบับ

เครื่องมือสร้างภาพที่ใช้ภาพอ้างอิงประกอบการสร้างผลลัพธ์ใหม่ ทำงานโดยการวิเคราะห์ข้อมูลภาพที่อัปโหลดเข้าไป แล้วดึงลักษณะเฉพาะ เช่น รูปทรงใบหน้า ตำแหน่งของตา จมูก ปาก และโทนสีผิว มาใช้เป็นข้อมูลอ้างอิงในการสร้างภาพใหม่ กระบวนการนี้ไม่ใช่การคัดลอกภาพต้นฉบับมาตรงๆ แต่เป็นการตีความและสร้างใหม่ตามรูปแบบที่โมเดลเรียนรู้มา

จุดสำคัญคือ คุณภาพของผลลัพธ์ขึ้นอยู่กับปริมาณและความชัดเจนของข้อมูลที่โมเดลได้รับจากภาพต้นฉบับโดยตรง ถ้าภาพต้นฉบับมีข้อมูลครบถ้วนและชัดเจน โมเดลก็มีโอกาสสร้างผลลัพธ์ที่ใกล้เคียงต้นฉบับมากขึ้น แต่ถ้าภาพต้นฉบับขาดข้อมูลสำคัญไปตั้งแต่ต้น ไม่ว่าจะด้วยเหตุผลใดก็ตาม ผลลัพธ์ก็จะมีความคลาดเคลื่อนตามไปด้วยเสมอ

ทำไมภาพเก่าถึงมักมีข้อมูลไม่เพียงพอ

ภาพถ่ายเก่าที่ถ่ายมาหลายสิบปีก่อนมักผ่านกระบวนการที่ทำให้ข้อมูลในภาพลดลงไปหลายชั้น เริ่มจากคุณภาพกล้องและฟิล์มในยุคนั้นที่ให้ความละเอียดต่ำกว่ากล้องดิจิทัลปัจจุบันมาก ตามด้วยการเก็บรักษาที่ทำให้สีซีดจางลงตามกาลเวลา และท้ายที่สุดคือกระบวนการสแกนหรือถ่ายภาพซ้ำจากภาพถ่ายจริงเพื่อแปลงเป็นไฟล์ดิจิทัล ซึ่งหากใช้เครื่องสแกนคุณภาพต่ำหรือถ่ายภาพจากอัลบั้มด้วยกล้องมือถือ ก็จะสูญเสียรายละเอียดเพิ่มเติมอีกชั้นหนึ่ง

เมื่อภาพผ่านการสูญเสียข้อมูลหลายชั้นแบบนี้ ตำแหน่งของดวงตา รูปทรงจมูก และเส้นขอบใบหน้าที่เคยชัดเจนในภาพต้นฉบับจริงอาจเลือนหายไปจนโมเดลสร้างภาพไม่สามารถระบุตำแหน่งที่แน่นอนได้ เมื่อไม่สามารถระบุได้ โมเดลก็จะใช้วิธีเติมรายละเอียดที่สมเหตุสมผลตามรูปแบบทั่วไปแทน ซึ่งอาจใกล้เคียงแต่ไม่ตรงกับใบหน้าจริงเป๊ะ นี่คือจุดที่ทำให้เกิดอาการ "หน้าไม่เหมือน" ที่หลายคนพบเจอ

ความเข้าใจผิดที่พบบ่อยเกี่ยวกับปัญหานี้

ความเข้าใจผิดที่พบบ่อยที่สุดคือการคิดว่าปัญหานี้เป็นข้อบกพร่องของ Gemini โดยตรง และคิดว่าถ้าลองพิมพ์คำสั่งใหม่หรือลองซ้ำหลายๆ ครั้งก็จะได้ผลลัพธ์ที่ดีขึ้นเอง ในความเป็นจริง การลองซ้ำหลายครั้งด้วยภาพต้นฉบับเดิมที่มีคุณภาพต่ำ มักได้ผลลัพธ์ที่คลาดเคลื่อนในรูปแบบต่างกันไปแต่ละครั้ง มากกว่าจะได้ผลลัพธ์ที่แม่นยำขึ้นเรื่อยๆ เพราะต้นตอของปัญหาคือข้อมูลในภาพต้นฉบับที่ไม่เพียงพอ ไม่ใช่จำนวนครั้งที่ลอง

อีกความเข้าใจผิดหนึ่งคือการคิดว่าการเขียนคำบรรยายเพิ่มเติมในพรอมต์ เช่น อธิบายลักษณะใบหน้าเป็นข้อความ จะช่วยแก้ปัญหาได้ทั้งหมด ความจริงคือคำบรรยายข้อความช่วยได้ในระดับหนึ่งสำหรับบริบทและสไตล์ของภาพ แต่ไม่สามารถทดแทนข้อมูลภาพจริงที่ขาดหายไปได้ เพราะโมเดลยังต้องอาศัยพิกเซลจริงจากภาพต้นฉบับเป็นหลักในการสร้างใบหน้าที่ตรงกับคนจริง

วิธีตรวจสอบว่าภาพต้นฉบับของเรามีปัญหาหรือไม่

ก่อนจะโทษเครื่องมือสร้างภาพ ควรตรวจสอบภาพต้นฉบับของตัวเองก่อนด้วยการดูสามจุดหลัก จุดแรกคือความคมชัดของเส้นขอบใบหน้า ลองซูมเข้าไปดูใกล้ๆ ว่ายังแยกเส้นขอบตา จมูก และปากได้ชัดเจนหรือไม่ จุดที่สองคือความต่างของสีระหว่างผิวหน้ากับพื้นหลัง ถ้าภาพซีดจนสีผิวกับพื้นหลังใกล้เคียงกันมาก โมเดลจะแยกขอบเขตใบหน้าได้ยากขึ้น จุดที่สามคือความละเอียดของไฟล์ภาพโดยรวม ถ้าไฟล์มีขนาดเล็กมากหรือภาพขยายแล้วแตกเป็นบล็อกสี่เหลี่ยม แสดงว่าข้อมูลในภาพมีไม่เพียงพอสำหรับใช้งานต่อ

ถ้าพบว่าภาพต้นฉบับมีปัญหาตามข้อใดข้อหนึ่งข้างต้น นั่นคือสัญญาณว่าควรแก้ไขภาพต้นฉบับก่อน แทนที่จะพยายามลองสร้างภาพซ้ำไปเรื่อยๆ ด้วยความหวังว่าจะได้ผลลัพธ์ที่ดีขึ้นเอง

แนวทางแก้ไขที่จุดต้นตอของปัญหา

เมื่อทราบแล้วว่าต้นตอของปัญหาคือคุณภาพของภาพต้นฉบับ แนวทางแก้ไขที่ตรงจุดที่สุดคือการปรับปรุงภาพต้นฉบับให้ดีขึ้นก่อนนำไปใช้กับเครื่องมือสร้างภาพใดๆ ไม่ใช่แค่กับ Gemini เท่านั้น สำหรับปัญหาเล็กน้อย เช่น ภาพมืดไปหรือสีเพี้ยนเล็กน้อย การปรับด้วยแอปแต่งภาพทั่วไปอาจเพียงพอ

แต่สำหรับภาพที่มีปัญหาลึกกว่านั้น เช่น ใบหน้าเบลอจนแยกรายละเอียดไม่ออก ความละเอียดต่ำมาก หรือสีซีดจนขอบเขตใบหน้าไม่ชัดเจน จำเป็นต้องใช้เครื่องมือที่ใช้โมเดล AI เฉพาะทางสำหรับซ่อมแซมภาพถ่ายเก่า โมเดลอย่าง Real-ESRGAN ช่วยเพิ่มความละเอียดของภาพ NAFNet ช่วยลดความหยาบและสัญญาณรบกวนของพื้นผิว และ GFPGAN ช่วยฟื้นฟูรายละเอียดใบหน้าโดยเฉพาะ เมื่อภาพผ่านการซ่อมแซมด้วยโมเดลเหล่านี้แล้ว ข้อมูลในภาพจะครบถ้วนขึ้นมาก ซึ่งช่วยเพิ่มโอกาสให้เครื่องมือสร้างภาพใดๆ รวมถึง Gemini สร้างผลลัพธ์ที่ใกล้เคียงใบหน้าจริงมากขึ้น

หากต้องการลองแก้ภาพต้นฉบับที่เบลอหรือซีดก่อนนำไปใช้กับเครื่องมือสร้างภาพ สามารถลองใช้เครื่องมือซ่อมแซมภาพถ่ายที่ old-photo-restoration ได้ ค่าบริการอยู่ที่ $9.90 แบบจ่ายครั้งเดียวต่อการใช้งาน ไม่มีค่าสมาชิกรายเดือน ใช้เวลาประมวลผลไม่ถึงสองนาทีต่อภาพ

สรุป

ปัญหาที่ภาพจาก Gemini ดูแปลกๆ หรือหน้าไม่เหมือนคนในภาพจริง ส่วนใหญ่ไม่ใช่ข้อบกพร่องของตัวเครื่องมือสร้างภาพเอง แต่เป็นผลจากคุณภาพของภาพต้นฉบับที่นำไปใช้ ภาพเก่าที่เบลอ ซีด หรือมีความละเอียดต่ำมักให้ข้อมูลไม่เพียงพอสำหรับโมเดลในการสร้างผลลัพธ์ที่แม่นยำ การแก้ปัญหาที่ตรงจุดที่สุดคือการปรับปรุงภาพต้นฉบับให้มีข้อมูลครบถ้วนก่อน ไม่ว่าจะด้วยการปรับแต่งเบื้องต้นด้วยตัวเอง หรือใช้เครื่องมือซ่อมแซมภาพถ่ายเฉพาะทางสำหรับกรณีที่ปัญหาลึกกว่านั้น

บทความนี้เขียนขึ้นเพื่ออธิบายหลักการทำงานของโมเดลสร้างภาพตามข้อเท็จจริงทางเทคนิคเท่านั้น ArtImageHub ไม่มีความเกี่ยวข้อง ความร่วมมือ หรือการรับรองใดๆ จาก Google หรือทีมพัฒนา Gemini