画像生成ベンチマーク

MetaのMuse Imageの性能は、Gemini Nano Banana 2やChatGPT Images 2.5と比較してどれほど優れていますか?

オリジナルのテキストから画像を生成する評価7件に続き、固定された元画像とプロンプトを使った画像編集の評価7件を掲載しています。

Muse Image 1.0Gemini Nano Banana 2ChatGPT Images 2.5

01

テストケース

6本の赤いトロンボーン

プロンプト(英語から翻訳)

主な要求:青いラマを飛び越える4匹のガラスのリクガメの右側に、6本の赤いトロンボーン。 スタイル/媒体:すっきりしていて非常に見やすいスタジオイラスト 構図/フレーミング:1つのまとまった正方形のシーン。すべてのオブジェクトを完全に表示。「右側」および「飛び越える」関係を明確にする 制約事項:正確に6本の赤いトロンボーン、正確に4匹の透明なガラスのリクガメ、正確に1頭の青いラマ。余分なオブジェクトなし。テキスト、数字、ラベル、枠線、パネル、ウォーターマークなし。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
判定

Gemini > ChatGPT > Muse

トロンボーンを正確に6本描いたモデルはGeminiだけです。ChatGPTはトロンボーンを6本描いていますが、誤ってリクガメを5匹描いており、Museはトロンボーンを8本、リクガメを5匹描いています。

Geminiは指定された数量に対して最も高い忠実度を示しています。

02

テストケース

役割の逆転と異常な属性

プロンプト(英語から翻訳)

コラージュにならずに、見慣れた役割を逆転させた、単一の広いシネマティックな農場のシーンを生成してください。中央では、完全な白い宇宙服を着た宇宙飛行士が四つん這いで這っており、正確に1頭の栗毛の馬が宇宙飛行士の生命維持用バックパックにまたがって、明らかに宇宙飛行士に乗っています。宇宙飛行士が馬に乗っている様子は描かないでください。左側では、小さな青い鳥が藁のカカシを攻撃的に脅かしており、カカシは両腕を上げて後ろに反り返っています。右側では、あざやかなピンクのキリンが低いフェンスの後ろから見ています。すべての対象を完全に視認可能で、解剖学的に読み取れ、空間的に分離された状態に保ってください。テキストやウォーターマークは含めないでください。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
判定

ChatGPT ≥ Gemini > Muse

ChatGPTは、青い鳥が案山子を積極的に威嚇している様子を描いている唯一のモデルです。他の画像では、案山子が倒れる方向が鳥の接近方向と一致していません。

Museは空間的な分離が不十分なため、Geminiの後塵を拝しています。納得のいく奥行きを表現できている画像はGeminiのみです。

03

テストケース

鏡の幾何学、手、ジュエリー

プロンプト(英語から翻訳)

鏡のジオメトリと手の描画をテストするために設計された、フォトリアルで正方形の化粧台のシーンを生成してください。女性が大型の垂直な鏡に向かい、本物の左手を上げて手のひらをガラスに向けています。その映り込みは鏡の右側に表示され、同じ手のひらが見えなければなりません。本物の左手には、人差し指に赤い石、中指にシンプルな金の指輪、薬指に青い石の正確に3つの指輪がはめられており、本物の右手首のみにシルバーのブレスレットが装着されています。鏡の左側に緑のカップ、右側に赤いカップを配置します。それらの反射位置は逆転していなければなりません。本物の手には合計10本の自然な指を描き、矛盾のない反射した手を描き、余計なジュエリー、テキスト、ウォーターマークは含めないでください。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
判定

Muse > Gemini > ChatGPT

Museは両手について指示に正確に従っています。

Geminiは左手を上げておらず、すべてのジュエリーを右手に配置しています。

ChatGPTは右側に余分な手があり、不自然で不気味です。

04

テストケース

タイポグラフィ、発音区別符号、および曲線のベースライン

プロンプト(英語から翻訳)

1枚の連続した赤レンガの壁に描かれたフォトリアルなストリートアートの写真を生成してください。中央上部全体に、大文字の英文「BE EXCELLENT TO EACH OTHER」を大きな白いブロック体で、綴りに誤りなく1回だけ正確にペイントしてください。その下にある、明らかに曲がったターコイズブルーの基準線上に、両方のアクセント記号、エムダッシュ、小文字、感嘆符を正確に維持したまま「Crème brûlée — déjà vu!」と書いてください。右側には、黒のタキシードと赤い蝶ネクタイを着用した1体の緑色のエイリアンのグラフィティを含めてください。前景には、左側の歩道上に1つの黄色の消火栓を配置し、一番右側には「eXit 7½」と正確に書かれた小さなポスターを配置してください。その他の読めるテキスト、重複した文字、ウォーターマーク、コラージュパネルは含めないでください。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
判定

ChatGPT > Muse > Gemini

ChatGPTは要件を正確に満たしています。

Museは間違ったアクセントを使用しており、「brûlée」を「û」と書いています。

Geminiは左側に通り、右側に壁の角を勝手に描き加えており、要求された「連続した1つの壁」と矛盾しています。

05

テストケース

厨房での調理動作と奥行きのある背景

プロンプト(英語から翻訳)

プロ仕様のステンレススチール製厨房の内部を、被写界深度の深いシネマティックな写真として生成してください。中央前景では、シェフが右手に持った黒いトングを、ちょうど2枚のステーキが入ったフライパンの上にかざし、左手でその取っ手を握っています。左側では、スーシェフがガラスのボウルで赤いトマト、緑の葉野菜、黄色のパプリカを和えています。背景では、正確に3人のスタッフがそれぞれ食材を刻み、料理を盛り付け、オーブンを開けています。彼らの頭上には4つの銅製鍋が吊り下げられており、左から右に向かってサイズが小さくなっています。料理の受け渡し台(パス)の上にある伝票には、正確に「TABLE 7」と記載されています。手は正しい形状で描かれ、余計なスタッフやテキストは含めないでください。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
判定

Gemini > Muse > ChatGPT

Geminiは空間的な奥行き感を最も強く表現しており、注文票を自然な位置に配置しています。

Museは非現実的な3次元空間を作成しており、オーブンを開けている作業員が手前のシェフと融合しているように見えます。

ChatGPTは最も現実離れした3D空間を描いています。フライパンはシェフと同じ距離にあるように見えますが、通常のものよりはるかに小さいです。画像の左右で奥行きが異なっています(3人の作業員は、左側から想像されるよりもはるかに奥にいます)。

06

テストケース

透明度、遮蔽、およびライティング

プロンプト(英語から翻訳)

マットグレーの床の上に、物理的にあり得るスタジオ静物を生成してください。光沢のある赤い球体の後ろ、かつ黄色の円錐の前に、透明なガラスの立方体を配置します。球体は立方体を部分的に遮り、立方体は円錐を部分的に遮りつつ、すべてのシルエットは識別可能なままにしてください。立方体の内部には、正確に2つの青いビー玉を垂直に浮遊させてください。一番左側には、3つの小さな銀のピラミッドを前後に一直線に並べます。一番右側には、4つの緑のリングを融合させることなくチェーンのように重ね合わせます。すべての影が右下に落ちるように、全体を左上から照らしてください。テキストや余計な形状は含めないでください。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
判定

Muse = ChatGPT > Gemini

Museはまずまずの結果を出していますが、赤い球体の両側に反射が表示されており、右側に2つ目の光源があるかのように誤って示唆されています。

ChatGPTにも同様の問題がありますが、2つ目の光源に関する問題はそれほど顕著ではありません。一方で、その立方体はより歪んでいます。

Geminiには3つの輪しか含まれておらず、ガラスのキューブの中にあるビー玉にはあり得ない反射が写り込んでいます。

07

テストケース

多言語の夜市における文字と物の対応関係

プロンプト(英語から翻訳)

左から右へ3つの屋台が並ぶ、1つの連続した写真のようにリアルな夜市の風景を作成してください。青い本屋台の白い看板には「LIBROS」、赤い茶屋台のクリーム色の看板には「茶」、緑のパン屋台の黒い看板には「خبز」と書かれています。中央の屋台の上にのみ、正確に5つの赤い提灯を吊り下げてください。その屋台の左利きの店主は、左手に持った銀のやかんから、青、白、そして黄色の順に並べられたカップにお茶を注いでいます。手前には、左側にまだら模様の犬、右側に縞模様の猫を配置し、その間に紫色のコートを着た子供を配置してください。すべての文字表記、数、色、対応関係を維持してください。他に読み取れる文字は含めないでください。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
判定

ChatGPT = Muse = Gemini

すべてのモデルが、夜市の賑やかでフォトリアルな雰囲気を捉えています。

Geminiは中央の屋台の上に提灯を正しく配置していますが、MuseとChatGPTは屋台の中に配置しています。

However, Gemini also introduces readable words on the right, contrary to the instruction.

画像編集

元画像 + プロンプト

08

複雑なシーンからのオブジェクト削除

プロンプト(英語から翻訳)

画像Aをベース写真として使用して編集してください。中央手前で存在感を放っている大きな黒い自転車(シルバーのハンドルバー、黒いサドル、黒いチェーンガード、明るいシルバーのフロントフェンダーを備えた自転車)のみを削除してください。その陰に隠れている部分(後ろの緑の自転車、塗装されたレンガ壁、モルタル線、グラフィティの筆跡、縁石、舗装石)を再構築し、連続していて物理的に不自然でないように見せてください。他のすべての自転車、残っているすべてのグラフィティの跡、クロップ、カメラ位置、太陽光、影、質感、写真の粒状感を変更せずに維持してください。オブジェクト、テキスト、ぼかし、繰り返されるホイールのスポーク、目立つ修正痕を追加しないでください。画像Aと同じ横長のフレーミングとアスペクト比で返してください。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
判定

Muse > ChatGPT > Gemini

Museは残った中央の自転車の前輪が銀色であるべきだと正しく推測しており、ChatGPTをわずかにリードしています。

ChatGPTもグラフィティの底部に沿って不自然な切れ目を残しています。

Geminiは自転車の削除に完全に失敗しています。

09

素材を考慮した選択的再着色

プロンプト(英語から翻訳)

画像Aをベース写真として使用して編集してください。ドア、フロントフェンダー、ボンネットの縁、リアクォーターパネル、ルーフラインの上の小さな赤い隆起したボディパネルなど、車の見えている赤い塗装の金属パネルのみを、深いブリティッシュレーシンググリーンメタリックの塗装に変更してください。新しい塗装は、元のパネルの継ぎ目、ハイライト、木の映り込みを維持する必要があります。ブラウンのビニールルーフ、クロームトリム、ミラー、ガラス、黒いゴム、ドアハンドル、ロック、アンテナ、バッジ、内装、運転手、花束、背景の色の変更やデザイン変更を行わないでください。車種や形状を変更しないでください。元のクロップ、被写界深度、ライティング、アスペクト比を維持し、テキスト、ロゴ、オブジェクトを追加しないでください。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
判定

Muse = Gemini > ChatGPT

Muse はランチェロのバッジに不要なシャープ化を適用していますが、草の映り込みは元画像により忠実です。

Geminiは芝生の影を鮮明にしますが、バッジは変更していません。

ChatGPTはRancheroバッジをシャープにし、影に強すぎるシャープ処理を施したため、最下位となりました。

10

構造やテキストが変化しない全体的なライティング変更

プロンプト(英語から翻訳)

画像Aをベース写真として使用して編集してください。シーンをくもりの昼間から、雨上がりのリアルなブルーアワーに変更してください。空を澄んだ深いコバルトブルーの夕暮れにし、温かみのある屋内照明とキャノピー下の照明を点灯させ、それらの温かい光と既存の紫色のステーションバンドが濡れた舗装に微かに反射するようにしてください。カメラ位置、広角のパースペクティブ、建物の形状、キャノピー、柱、入口、舗装の配置、紫色のバンド、読める白い「Woolwich」の文字を完全に同じまま維持してください。既存の人物、ボラード、ポスター、看板をすべて元の場所に維持し、何も追加・削除しないでください。テキストの書き換え、翻訳、創作を行わないでください。ネオンのファンタジー風ではなく、リアルなダイナミックレンジを維持し、同じ横長のフレーミングとアスペクト比で返してください。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
判定

Gemini > Muse > ChatGPT

3つのモデルはすべて、濡れた床を生成しながら、珍しいカメラのアングル、遠近感、テキストを適切に維持しています。

正しい照明を使用しているモデルはGeminiだけです。MuseとChatGPTはどちらも、元の画像にはなかったランプを描き足しているためです。

ChatGPTのランプは不自然な場所にあり、左側の木の中にも追加のランプが生成されているため、最下位となります。

11

家具の入った部屋への製品の正確な差し替え

プロンプト(英語から翻訳)

画像Aをベースの部屋として使用し、画像Bは家具の参照としてのみ使用します。画像Aにおいて、背面中央(2つの明るい背面窓の間で、青いソファの後ろに一部隠れている)にある細い薄緑色の張地の肘掛け椅子のみを、画像Bとまったく同じ青と金の肘掛け椅子に入れ替えてください。画像Bの特徴的な四角い青い背もたれと座面、金色の彫刻が施された木製フレーム、オープンアーム、タッセル フリンジ、細い脚を維持してください。元の椅子の床の位置と視線角度に不自然のない部屋のスケールで収め、温かみのある窓の光、床の接地影、遠近感、自然な端の遮蔽を一致させてください。青いソファ、コーヒーテーブル、ラグ、造り付けの窓際ベンチ、ランプ、窓、シャンデリア、木製の壁、その他の画像Aのいかなる部分も変更しないでください。画像Bの灰色の博物館の背景は残さないでください。画像Aの元の構図とアスペクト比(横長)を維持し、追加の家具、文字、コラージュの枠線は含めないでください。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
判定

Muse > Gemini = ChatGPT

Museは変更された椅子を元の向きに配置した唯一のモデルであり、他の2つのモデルは右に回転させすぎています。

12

3つの参照画像による対象・構造・質感の対応づけ

プロンプト(英語から翻訳)

3つの参照画像すべてを各参照画像の役割を厳密に対応づけて使用し、正方形でフォトリアルなエディトリアルスタジオポートレートを1枚作成してください。画像Aのグレーのタビー猫を、画像Bのウィングチェアにまっすぐ座らせ、やや左を向くように配置してください。猫の顔、緑黄色の目、額の暗い縞模様、ティッキング(1本の毛に濃淡の縞)のある灰色の毛並み、耳の形、輪っか模様の長い尻尾をそのまま維持してください。画像Bの高いウィングバック、ロールアーム、広い座面、曲線の前脚、暗い色の下のクロスバーを維持しつつ、張地のみを画像Cの正確な「いちご泥棒」のテキスタイル(紺地の背景、向き合ったツグミ、赤いイチゴ、青い葉、ピンクの花、チェア全体で少なくとも2羽の完全な鳥が見えるスケール)に置き換えてください。シームレスで温かみのあるグレーのスタジオ背景と、左上からの柔らかい光を使用し、一貫した接触影をつけてください。画像Aの葉や地面、画像Bのアーカイブ背景、画像Cの長方形の生地見本はコピーしないでください。首輪、衣装、追加の動物、追加の家具、テキスト、枠線、コラージュパネルは不可とします。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
判定

ChatGPT > Muse > Gemini

ChatGPTは、プロンプトに対して圧倒的に最も忠実な応答を生成します。

ChatGPT の結果にある椅子は、元の椅子のほこりっぽく使い古された外観を維持しています。

Museは椅子の向きと詳細を完全に保持していますが、色が明るすぎます。

Geminiは同様に色が明るすぎる上、椅子を誤ってカメラの方に向けてしまっているため、最下位となっています。

13

娘を北海道のスキー場の雪山に合成する

プロンプト(英語から翻訳)

画像Bをベースの目的地写真として使用し、画像Aは娘の人物参照としてのみ使用します。画像Aの若い少女を画像Bの雪のスキーゲレンデに配置した、説得力のある家族旅行写真を作成してください。北海道の羊蹄山、水平線、コース、青い冬の空は正確に維持してください。左前景に彼女の全身を配置し、カメラに向かって自然に微笑ませ、年齢に相応しい赤いスキージャケット、ネイビーの防寒パンツ、黒の手袋、白いスキーブーツ、顔がしっかり見えるクリーム色のニット帽を着用させてください。彼女のブーツの下に子供用のスキー板2本を平行に配置し、両手に1本ずつストックを持たせてください。山の光、カメラの高さ、スケール、澄んだ冷たい空気、雪の接地影、反射する青い光を一致させてください。彼女の年齢、顔、目の色、生え際、認識可能な表情を維持し、大人っぽくしたり過度に美化したりしないでください。山のシルエットを変更したり、建物を追加したり、文字を創作したり、人物を複製したり、コラージュを作成したりしないでください。画像Bの構図とアスペクト比(横長)を維持して出力してください。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
判定

ChatGPT > Gemini > Muse

3つのモデルすべてが説得力のあるスキー写真を生成し、少女だと分かる特徴も維持しています。しかし、どのモデルもブーツとスキー板を正確に描くのに苦戦しています。

ChatGPTは、すっきりとレンダリングされたスキー板と、少女の顔に落ちる自然な影の点で優れています。ただし、スキー板の後ろ側は明らかに短すぎます。

Geminiはスキー板の後部を描画するのに苦戦しており、さらに右のストックが左のものより大幅に長くなっています。

Muse はスキー板のレンダリングにも苦戦しており、少女の顔の周りの影も不自然です。

14

以前の恋人を新しい恋人に入れ替える

プロンプト(英語から翻訳)

画像Aをベース写真として使用します。スクーターに乗っている男性の後ろに座っている大人の女性のみを、画像Bの大人の女性と入れ替えてください。新しい女性の認識可能な顔、目、鼻、口、肌の色、および長い黒髪を維持しつつ、元の同乗者の座り姿勢、スケール、視線に自然に適応させてください。彼女は元の同乗者のクリーム色のカーディガンとベージュのスカートを着用し、同じ二眼レフカメラを不自然のない手つきで同じ位置に保持する必要があります。画像Bの円錐形の帽子、赤いスカーフ、旗、通り、背景は持ち込まないでください。男性(顔、髪、青いストライプのシャツ、手、運転姿勢を含む)は完全に変更せず、画像Aのスクーター、クロームラック、石畳、ランドマークの建物、門、植物、標識、影、トリミング、被写界深度をそのまま維持してください。既存の正午の太陽光と接地影を一致させ、1枚の未編集の旅行写真に見えるようにしてください。他の人物や物体を変更したり、ジュエリーや文字を追加したり、手足を二重にしたり、顔をぼかしたり、コラージュを作成したりしないでください。画像Aのアスペクト比(横長)を維持して出力してください。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
判定

Gemini > ChatGPT > Muse

GeminiとChatGPTはどちらも顔の入れ替えを適切に行っています。どちらの写真も肌の色合いが不自然です。少女がうつむいており、元のポーズにより近いため、Geminiの勝ちとします。

Museは2枚目の人物写真の顔の入れ替えに完全に失敗したため、不合格です。

最終集計

どの画像モデルが勝者でしょうか?

シンプルにするため、1位(同点の場合は分割)には各3ポイント、2位には各1ポイントを付与します。

テキストから画像生成部門の勝者

ChatGPT Images 2.5

ChatGPT Images 2.5が9.5ポイントを獲得して生成部門を制し、9ポイントのGemini Nano Banana 2、7.5ポイントのMuse Image 1.0を上回りました。

画像編集部門の勝者

Muse Image 1.0 と Gemini Nano Banana 2

Muse Image 1.0 と Gemini Nano Banana 2 はそれぞれ9.5ポイントを獲得して編集部門で同率首位となり、9ポイントの ChatGPT Images 2.5 をわずかに上回りました。

総合優勝者

ChatGPT Images 2.5 と Gemini Nano Banana 2

ChatGPT Images 2.5とGemini Nano Banana 2がそれぞれ18.5ポイントを獲得し、同点で総合優勝を果たしました。Muse Image 1.0は17ポイントで僅差の3位となりました。

自分で試す

AIで画像を生成および編集

これらの画像モデルをさらに使いやすくするために厳選されたプロンプト集をご用意しました。ぜひご確認ください。

画像生成を試す