Translated by AI
Click to view the original post
【報告概要】
この報告は、ChatGPT アプリ上で「画像編集」として行われた処理について、ユーザーが観測できた事実だけを整理したものである。
結論は明確である。
この処理は、ユーザーがアップロードした原画像そのものを局所編集していない。
実際に起動している処理は image_gen.text2im であり、返却側には DALL-E generation metadata が表示され、edit_op: “inpainting” と表示された場合でも、出力は局所編集ではなく画面全体の再生成だった。
しかも、その前段階で、そもそも原画像ファイル本体がそのまま送信・保持・参照されていない。
したがって、このチャットで観測された「画像編集」は、原画像編集ではない。
縮小・変換済みの派生画像を参照入力にした text-to-image 全画面再生成である。
【最終結論】
1. ユーザーがアップロードした原画像ファイル本体は、そのまま処理されていない。
2. アップロード段階で、原画像とは別の縮小・変換済み派生画像が ChatGPT 側で扱われている。
3. 画像処理時に起動しているツールは image_gen.text2im である。
4. 返却結果には毎回 DALL-E generation metadata が表示される。
5. edit_op: “inpainting” と表示されても、実際の出力は局所編集ではなく全画面再生成である。
6. 修正範囲を明示し、マスク前提で進め、inpainting と表示されても、指定外の領域を含めて画面全体がピクセル単位で変質する。
7. 出力画像のハッシュも元画像とは完全に別物である。
8. したがって、これは「画像編集」ではない。原画像を参照した編集でもない。縮小・変換済み派生画像を入力にした image_gen.text2im / T2I 全画面再生成である。
【観測事実】
0. 原画像ファイル本体がそのまま送信されていない
ユーザーは、20MBまでアップロード可能と案内されている画像アップロード機能を使用している。
しかし、実際の通信監視では、大容量画像を選択してアップロードしても、動いている通信量は約300KB程度だった。
これは決定的である。
20MB級、または数MB級の原画像ファイル本体がそのままサーバーへ送信されているなら、それに見合う通信量が発生するはずである。
約300KB程度しか動いていない以上、原画像本体はそのまま送信されていない。
この時点で、「原画像をそのままアップロードし、その原画像を編集している」という前提は崩れている。
1. 原画像と、ChatGPT 側で扱われている画像は別物である
ユーザー側の原画像情報は以下だった。
- ファイル名: 1000045047_x4_drawing.png
- 形式: PNG
- 解像度: 2048 × 2048
- サイズ: 5.58 MB
- SHA-1: 69ba09b9718bc43947e0f6510bab65319e3e0a42
- SHA-256: 2d6a15d7deb517c5e8885512ec73d79bd2535d5d5311a8e76a793fed391ec114
一方、この会話内でアシスタントが参照できた画像は以下だった。
- 形式: JPEG
- 解像度: 1536 × 1536
- サイズ: 420,655 bytes
- SHA-1: deff635b673de90cbadf603ce81c548cb2a805a9
- SHA-256: 0239d63859547149e61e5c987897291713593da222a63f7f0635e3bc0bce4d53
形式、解像度、ファイルサイズ、ハッシュのすべてが一致していない。
つまり、アシスタントや画像処理側が参照しているのは、ユーザーの原画像ファイルそのものではない。
アップロード段階または内部展開段階で作られた、縮小・変換済みの派生画像である。
2. 「一時的に圧縮して送って、あとで元画像に戻している」という説明も成立しない
20MB級、または数MB級の画像を約300KBにして送っておき、あとで完全に元画像へ復元して使っている、という説明は成立しない。
もしその説明が成立するなら、以下が必要になる。
- 送信データから元画像を可逆復元できること
- 復元後の画像が元画像と同一の画素を持つこと
- ハッシュも元画像と一致すること
しかし実際には、アシスタントが参照できた画像は、形式も解像度もファイルサイズもハッシュも原画像と一致していない。
したがって、これは「一時的圧縮」ではない。
原画像はそのまま送られていないし、元画像に戻ってもいない。
派生画像が作られ、その派生画像が処理対象になっている。
3. 画像編集実行時にも、元画像本体を再取得・再展開している形跡がない
仮にアップロード時は軽量な派生画像だけを送っていても、画像編集の実行時に原画像本体または原画像相当データを取りに行き、そこで高品質に処理している、という言い訳が考えられる。
しかし、この言い訳も成立しない。
実際に画像編集を実行した際、
- 起動したツールは image_gen.text2im
- 返ってくる画像は約2メガピクセル
- その前後で、画像サイズ相当の通信増加は観測されない
- 動いているのは制御系・文字出力系の軽い通信だけ
- 生成後にダウンロードされるのも約2メガピクセルの画像
という状態だった。
もし編集時に原画像本体を再取得・再展開しているなら、画像サイズに見合う通信が発生するはずである。
しかし、発生していない。
したがって、画像編集実行時にも原画像本体は使われていない。
編集時に使われているのは、チャット上で扱われている派生画像である。
4. 起動ツールは image_gen.text2im であり、画像編集として起動していない
画像編集として使っているにもかかわらず、実際にアシスタントが起動しているツールは image_gen.text2im だった。
これは text-to-image 系の処理名である。
したがって、少なくともユーザーが観測できる実行情報では、起動処理は「画像編集」ではなく「text-to-image」である。
ここは極めて重要である。
なぜなら、局所編集・インペインティングなら、その処理名または処理構造がそれに対応しているはずだからである。
しかし、実際に起動しているのは text2im である。
5. 返却結果には毎回 DALL-E generation metadata が表示される
このチャットで画像生成結果として返ってきたものを確認したところ、少なくとも確認できた 16 回中 16 回で、DALL-E generation metadata が表示された。
つまり、ChatGPT アプリ上では GPT Images / ChatGPT Images 2.0 の画像編集として使っている文脈であるにもかかわらず、返却メタデータは毎回 DALL-E generation metadata だった。
ここで重要なのは、「内部で本当に DALL·E が動いているか」という推測ではない。
観測事実は、ユーザーから見える返却メタデータが毎回 DALL-E generation metadata である、ということである。
表示上の文脈と返却メタデータは整合していない。
6. text2im で起動し、返却では inpainting と表示し、結果は全画面再生成である
一部の返却メタデータでは、edit_op: “inpainting” が表示された。
しかし、実際に起動しているツールは image_gen.text2im である。
つまり、観測上の整合は以下のようになる。
- 起動処理名: image_gen.text2im
- 返却メタデータ: edit_op: “inpainting”
- 実際の出力: 全画面再生成
これは完全に破綻している。
text-to-image で起動している処理に対して、返却側では inpainting と表示し、しかも出力は局所編集ではなく全画面がピクセル単位で変質している。
したがって、処理名、返却メタデータ、実結果の三者は一致していない。
少なくともこの観測では、これはユーザーが期待する意味でのインペインティングではない。
7. 修正箇所は明確に指定されていた
問題は「ユーザーが雑に指示したから」ではない。
実際には、複数回にわたって、ユーザーは以下を明確に指定していた。
- どこを修正するか
- どこを維持するか
- 下半身だけ
- 腰から下だけ
- 顔・髪・上半身・背景は維持
- 服装は維持
- 指定箇所以外は変えない
- マスク指定する
- inpainting 前提で進める
つまり、編集対象範囲は曖昧ではなかった。
局所編集・インペインティングの前提は明確に置かれていた。
それでも結果は、指定外の領域まで全面的に変化した。
したがって、この問題は「修正範囲を指定していなかったから起きた」のではない。
8. 指定外の領域を含めて、画面全体がピクセル単位で変質している
これが最重要の実害である。
元画像と出力画像を比較すると、指定した箇所だけでなく、指定外の領域を含めて、画面全体がピクセル単位で変質していた。
変化したのは以下である。
- 背景
- 髪
- 顔
- 衣装
- 輪郭
- 塗り
- 装飾
- 影の形
- 構図
- 脚
- 靴
これは「編集範囲の周辺に少し影響が出た」という程度ではない。
画面全体が再構成されている。
局所編集なら、指定外の大部分は元画像の画素またはそれに近い構造を維持するはずである。
しかし、このケースではそうなっていない。
したがって、これは局所編集ではない。
9. 出力画像のハッシュも完全に別物である
元画像と出力画像は、見た目が変わるだけでなく、ファイルとしても連続性がない。
出力画像のハッシュは元画像と完全に別物だった。
これは重要である。
なぜなら、局所編集で元画像の大部分を保持したまま一部だけを置き換えているなら、少なくとも「元画像ベースの編集結果」としての連続性が期待されるからである。
しかし実際には、
- 画面全体がピクセル単位で変質している
- 指定外の領域も全面的に変わっている
- 出力画像のハッシュも完全に別物である
この3点が揃っている。
したがって、これは「元画像の一部編集結果」ではない。
元画像を参照して新しく生成した別画像である。
10. 解像度も一貫していない
元画像は約1メガピクセルまたはそれ以上の高解像度でアップロードされているのに、処理対象や返却画像は約2メガピクセル側で扱われる、あるいは別解像度へ変換された状態で扱われる。
重要なのは、入力時点の画像解像度と、処理対象・返却画像の解像度が一致していないことだ。
これは局所編集の挙動ではない。
原画像をそのまま土台にして部分編集するのではなく、別の解像度系に乗せ換えた画像を使って再構成している。
したがって、少なくともこの処理は「原画像そのものを編集している」ものではない。
11. アスペクト比指定やキャンバス指定が独立因数として効いていない
本来、画像エンジンへ渡す条件には、プロンプト本文とは別に扱うべき構造化パラメータがある。
少なくとも以下は独立因数として扱われるべきである。
- アスペクト比
- キャンバスサイズ
- 参照画像
- 編集対象画像
- マスクや編集対象範囲
- スタイル維持条件
しかし実際には、ユーザーが指定したこれらの条件が独立因数として厳密に働いていない。
アスペクト比指定も安定して守られない。
キャンバス条件もそのまま通っていない。
編集範囲も固定されない。
これは、独立した制御因数として扱うべき条件が、プロンプト本文側に押し込まれ、しかもその本文自体が要約・圧縮されているからである。
結果として、サイズ、比率、編集範囲、維持条件、スタイル条件が落ちる、弱まる、混線する。
この入力設計は破綻している。
12. ユーザー入力、アシスタントが作ったプロンプト、ツール呼び出し、返却メタデータ上の prompt が一致していない
ユーザーが「これをプロンプトとして扱う」と明示して文章を送っても、その文章がそのまま画像エンジンへの実入力になっているわけではない。
アシスタントが英語化し、補足を加え、条件を足し、別の文章としてツールへ送っている。
さらに問題なのは、返却メタデータ上では prompt: “” と空になっているケースがあることだ。
つまり、少なくともユーザーから観測できる範囲では、以下が一致していない。
- ユーザー入力テキスト
- アシスタントが作成したプロンプト文
- 画像ツール呼び出し時の prompt
- 返却メタデータ上の prompt
この状態では、何が実際の画像エンジン入力だったのか、ユーザーは検証できない。
再現性と透明性は成立していない。
13. 実結果は「修正」ではなく、毎回の全体再解釈である
手指や顔、下半身などの局所修正を指示しても、指定していない部分まで毎回再解釈される。
典型的には以下が巻き込まれた。
- 顔の方向性
- 髪色
- リボン
- 服装
- 背景密度
- 塗りの面構成
- 脚の構造
- 靴の形
つまり、「直った部分を保持して、未修正部分だけ直す」という編集フローになっていない。
毎回、全体が再解釈され、前回直った部分まで巻き戻る。
これは画像編集ではなく、再生成の挙動である。
14. 塗りの細分化・モザイク化は、局所編集失敗ではなく全体再生成の副作用として出ている
出力では何度も以下のような塗り崩れが出た。
- 小さい断片状の影
- モザイク状の塗り
- 斑点状のハイライト
- 細かい塗り片の集合
- ギラギラした質感
- 不自然な高密度化
「フラットな塗り」「モザイク塗り禁止」「大きな面で整理」「細分化しない」と何度も指定しても止まらなかった。
これは、指定した局所を編集しているのではなく、全画面を再生成しているからである。
塗りの維持も局所保持も働いていない。
結果として、毎回、全体の塗りスタイルまで再構成されている。
15. チャット上のサムネイル段階でも、原画像データはそのまま扱われていない
チャット上で画像が表示される段階から、すでに原画像そのものではない。
サムネイルまたは派生画像として処理されたものが表示されている。
その後、画像エンジンが起動しても、画像サイズ相当の通信は発生しない。
つまり、チャット上に見えている画像系データがそのまま処理対象になっており、原画像本体を取り直しているわけではない。
ダウンロードして返ってくるのも、結局は生成済みの別画像である。
ここまでの流れ全体が、「原画像編集」ではなく「派生画像参照再生成」で一貫している。
16. 画像編集として案内されているが、実態は image_gen.text2im / T2I 全画面再生成である
ここまでの観測事実をまとめると、処理構造は一貫している。
- 原画像本体は送られていない
- 原画像本体は保持・再取得されていない
- 参照されるのは縮小・変換済み派生画像である
- 起動ツールは image_gen.text2im である
- 返却側は DALL-E generation metadata である
- edit_op: “inpainting” でも局所編集は成立していない
- 指定外を含む画面全体がピクセル単位で変質する
- ハッシュも完全に別物になる
したがって、このチャットで観測された処理は、画像編集ではない。
縮小・変換済み派生画像を入力とした image_gen.text2im / T2I 全画面再生成である。
【関連する入力系の問題】
17. 音声入力でも、ユーザーが発話していない定型文が送信される
画像系の問題とは別に、入力処理にも重大な異常があった。
音声入力中、UI上では波形が表示され、音声入力が動作しているように見える。
しかし、実際には発話内容が送信されず、代わりに以下のような定型文が送信された。
「このトランスクリプトには、ChatGPT、OpenAI、DALL·E、GPT-3、GPT-4に関する言及が含まれている可能性があります。」
「このトランスクリプトには、ChatGPT、OpenAI、DALL·E、GPT-3、GPT-4への言及が含まれている場合があります。」
これはユーザー発話ではない。
単なる音声認識の誤変換でもない。
内部的な定型文または注意文が、ユーザー入力として送信されている。
つまり、画像生成系だけでなく、入力処理でも「UIに表示される状態」と「実際に送信される内容」が一致していない。
【この報告が示すこと】
この問題は、単なる品質問題ではない。
単なる「プロンプトが悪い」「指示が複雑だった」「編集範囲が広がった」という話でもない。
問題の本質は以下である。
1. 原画像そのものが送られていない
2. 原画像そのものが保持・再取得されていない
3. 縮小・変換済み派生画像が処理対象になっている
4. 起動処理は image_gen.text2im である
5. 返却は DALL-E generation metadata である
6. inpainting 表示でも局所編集ではない
7. 指定外を含む画面全体がピクセル単位で変質する
8. ハッシュも完全に別物になる
9. それでも UI 文脈上は「画像編集」として扱われる
したがって、これは「画像編集」という案内と実際の処理内容が一致していない問題である。
透明性の問題であり、入力設計の問題であり、機能表示と実挙動の不一致の問題である。
【要求事項】
1. 原画像ファイル本体が実際に送信・保持・参照されているのかを明示すること
2. アップロード後に派生画像へ変換しているなら、その仕様を明示すること
3. 起動ツールが image_gen.text2im である理由を明示すること
4. DALL-E generation metadata が返る理由を明示すること
5. edit_op: “inpainting” と表示される条件と、その実際の意味を明示すること
6. 局所編集なのか、全画面再生成なのかを明示すること
7. マスクや編集対象範囲が実際にどのように扱われるかを明示すること
8. アスペクト比・サイズ・スタイル維持条件などの独立因数が、どのようにエンジンへ渡るかを明示すること
9. ユーザー入力、アシスタント生成プロンプト、実際のエンジン入力、返却メタデータ上の prompt の関係を明示すること
10. 音声入力で内部定型文が混入する入力異常について説明すること
【結語】
このチャットで観測された処理は、原画像編集ではない。
縮小・変換済み派生画像を参照した image_gen.text2im / T2I 全画面再生成である。
しかもそれは、
- image_gen.text2im として起動し
- DALL-E generation metadata として返り
- inpainting と表示される場合すらあり
- 実際には局所編集ではなく
- 指定外を含む画面全体がピクセル単位で変質し
- ハッシュも完全に別物になる
という形で観測されている。
この状態で「画像編集」と案内するのは不正確である。
実際の処理内容を明示しないまま画像編集として扱わせることは、ユーザーに誤認を与える。
この報告は、その誤認が観測事実によって裏付けられたことを示している。
[Report Summary]
This report organizes only the facts observable by the user regarding the process presented as “image editing” within the ChatGPT application.
The conclusion is clear.
This process does not perform localized edits on the original image uploaded by the user.
The process that is actually invoked is image_gen.text2im. On the returned side, DALL-E generation metadata is displayed; even when edit_op: “inpainting” appears, the output is not a localized edit, but a full-frame regeneration.
Moreover, at an earlier stage, the original image file itself is not transmitted, retained, or referenced in its original form.
Therefore, the “image editing” observed in this chat is not editing of the original image.
It is a text-to-image full-frame regeneration using a reduced and converted derivative image as reference input.
[Final Conclusion]
-
The original image file uploaded by the user is not processed as-is.
-
At the upload stage, ChatGPT handles a reduced and converted derivative image distinct from the original.
-
The tool invoked during image processing is image_gen.text2im.
-
Every returned result displays DALL-E generation metadata.
-
Even when edit_op: “inpainting” is displayed, the actual output is not localized editing but full-frame regeneration.
-
Even when the correction area is explicitly specified, the process proceeds on the premise of masking, and inpainting is displayed, the entire image—including areas outside the specified region—changes at the pixel level.
-
The hash of the output image is also entirely different from that of the original.
-
Therefore, this is not “image editing.” Nor is it editing based on the original image. It is image_gen.text2im / T2I full-frame regeneration using a reduced and converted derivative image as input.
[Observed Facts]
- The original image file itself is not transmitted as-is.
The user is using an image-upload feature described as permitting uploads of up to 20 MB.
However, actual network monitoring showed that even when a large image was selected and uploaded, the amount of data transferred was only about 300 KB.
This is decisive.
If a 20 MB-class, or even several-megabyte, original image file were being sent to the server as-is, a corresponding amount of network traffic should occur.
Since only about 300 KB of data is transmitted, the original image file itself is not being sent as-is.
At this point, the premise that “the original image is uploaded as-is and that original image is then edited” collapses.
- The original image and the image handled on ChatGPT’s side are different objects.
The original image information on the user’s side was as follows:
- Filename: 1000045047_x4_drawing.png
- Format: PNG
- Resolution: 2048 × 2048
- Size: 5.58 MB
- SHA-1: 69ba09b9718bc43947e0f6510bab65319e3e0a42
- SHA-256: 2d6a15d7deb517c5e8885512ec73d79bd2535d5d5311a8e76a793fed391ec114
By contrast, the image accessible to the assistant within this conversation was as follows:
- Format: JPEG
- Resolution: 1536 × 1536
- Size: 420,655 bytes
- SHA-1: deff635b673de90cbadf603ce81c548cb2a805a9
- SHA-256: 0239d63859547149e61e5c987897291713593da222a63f7f0635e3bc0bce4d53
The format, resolution, file size, and hashes all fail to match.
In other words, what the assistant and the image-processing side are referencing is not the user’s original image file itself.
It is a reduced and converted derivative image created during the upload stage or internal expansion stage.
- The explanation that the image is “temporarily compressed for transmission and later restored to the original” is untenable.
It is not credible to claim that an image of 20 MB, or even several megabytes, is reduced to approximately 300 KB for transmission and then later perfectly restored for use as the original.
For such an explanation to hold, the following would be necessary:
- The original image must be losslessly recoverable from the transmitted data.
- The restored image must contain pixels identical to those of the original.
- The hashes must also match the original image.
In reality, however, the image accessible to the assistant does not match the original in format, resolution, file size, or hash.
Therefore, this is not “temporary compression.”
The original image is not sent as-is, nor is it restored to the original.
A derivative image is created, and that derivative image becomes the object of processing.
- There is no indication that the original image file is reacquired or re-expanded during image editing.
One might argue that, even if only a lightweight derivative image is sent at upload time, the system later retrieves the original image file or equivalent original-quality data during the image-editing operation and processes it at high quality.
This argument also fails.
When image editing was actually executed:
- The tool invoked was image_gen.text2im.
- The returned image was approximately two megapixels.
- No increase in network traffic corresponding to an image file of that size was observed before or after the operation.
- Only lightweight control or text-output traffic appeared to be occurring.
- The downloaded image after generation was likewise an approximately two-megapixel image.
If the original image file were being reacquired or re-expanded during editing, network traffic corresponding to the image size should have occurred.
It did not.
Therefore, the original image file is not being used even at the image-editing stage.
What is used during editing is the derivative image handled within the chat.
- The invoked tool is image_gen.text2im, not an image-editing tool.
Although the feature is being used as image editing, the tool actually invoked by the assistant was image_gen.text2im.
This is the name of a text-to-image process.
Therefore, at least according to the execution information observable by the user, the invoked process is not “image editing” but “text-to-image.”
This point is critically important.
If the operation were localized editing or inpainting, the process name or process structure should correspond to that function.
In reality, however, the invoked process is text2im.
- Every returned result displays DALL-E generation metadata.
Upon examining the images returned as generation results in this chat, DALL-E generation metadata was displayed in all 16 of the 16 confirmed cases.
In other words, although the feature is being used in the context of GPT Images / ChatGPT Images 2.0 image editing within the ChatGPT application, the returned metadata is always DALL-E generation metadata.
The important point here is not speculation about whether DALL·E is truly operating internally.
The observable fact is that the metadata visible to the user is consistently DALL-E generation metadata.
The displayed context and the returned metadata are not aligned.
- The process is invoked as text2im, returned as inpainting, and produces full-frame regeneration.
In some returned metadata, edit_op: “inpainting” was displayed.
However, the tool actually invoked was image_gen.text2im.
Thus, the observable correspondence is as follows:
- Invoked process name: image_gen.text2im
- Returned metadata: edit_op: “inpainting”
- Actual output: full-frame regeneration
This is fundamentally inconsistent.
A process invoked as text-to-image is labeled on return as inpainting, while the output is not a localized edit but an image whose entire frame has changed at the pixel level.
Therefore, the process name, returned metadata, and actual result do not agree.
At least in this observation, this is not inpainting in the sense expected by the user.
- The correction area was explicitly specified.
The problem is not that “the user gave vague instructions.”
In fact, across multiple attempts, the user clearly specified the following:
- Which area should be corrected
- Which areas should be preserved
- Only the lower body
- Only from the waist downward
- Preserve the face, hair, upper body, and background
- Preserve the clothing
- Do not alter anything outside the specified area
- Use a mask
- Proceed on the premise of inpainting
In other words, the target area for editing was not ambiguous.
The premise of localized editing and inpainting was stated clearly.
Even so, the results changed regions far beyond the specified area.
Therefore, this problem did not occur because the correction area had not been specified.
- The entire image, including unspecified regions, changes at the pixel level.
This is the most serious practical harm.
When the original and output images are compared, not only the specified region but the entire frame, including areas outside the specified region, has changed at the pixel level.
The following elements changed:
- Background
- Hair
- Face
- Outfit
- Contours
- Coloring
- Ornaments
- Shape of shadows
- Composition
- Legs
- Shoes
This is not merely a case of slight influence around the edited area.
The entire image has been reconstructed.
In localized editing, the majority of the unspecified regions should preserve the original pixels, or at least a structure very close to them.
That is not what occurred here.
Therefore, this is not localized editing.
- The hash of the output image is also entirely different.
The original image and the output image differ not only visually, but also lack continuity as files.
The hash of the output image is completely different from that of the original.
This is significant.
If localized editing were replacing only a portion of the image while preserving most of the original, one would expect at least some continuity as an edited result based on the original image.
In reality, however, all three of the following are true:
- The entire image changes at the pixel level.
- Unspecified regions also change comprehensively.
- The output image hash is entirely different.
Therefore, this is not “the result of partially editing the original image.”
It is a newly generated image created with reference to the original.
- The resolution is not consistent.
Although the original image is uploaded at roughly one megapixel or higher resolution, the processed and returned images are handled at around two megapixels, or after being converted to another resolution.
The important point is that the resolution of the input image does not match the resolution of the processing target or returned image.
This is not the behavior of localized editing.
Rather than using the original image itself as the base for partial editing, the system appears to transfer the image into a different resolution regime and reconstruct it there.
Therefore, at minimum, this process is not “editing the original image itself.”
- Aspect-ratio and canvas specifications do not function as independent factors.
Ordinarily, the conditions passed to an image engine should include structured parameters handled separately from the prompt text itself.
At minimum, the following should be treated as independent factors:
- Aspect ratio
- Canvas size
- Reference image
- Image to be edited
- Mask or target editing area
- Style-preservation conditions
In practice, however, the conditions specified by the user do not operate rigorously as independent factors.
Aspect-ratio specifications are not reliably obeyed.
Canvas conditions are not passed through as-is.
The editing area is not fixed.
This is because conditions that ought to be handled as independent control factors are instead forced into the prompt text, and even that text itself is summarized or compressed.
As a result, size, ratio, editing range, preservation conditions, and style conditions are dropped, weakened, or entangled.
This input design is broken.
- The user input, the assistant-created prompt, the tool call, and the prompt in the returned metadata do not match.
Even when the user explicitly sends text and states, “treat this as the prompt,” that text is not necessarily used as the actual input to the image engine.
The assistant translates it into English, adds supplementary details, appends conditions, and sends a different text to the tool.
An additional problem is that, in some cases, the returned metadata shows prompt: “” as an empty field.
Thus, at least within the range observable by the user, the following do not match:
- The user’s input text
- The prompt text created by the assistant
- The prompt used in the image-tool call
- The prompt shown in the returned metadata
Under these conditions, the user cannot verify what was actually supplied to the image engine.
Reproducibility and transparency are not achieved.
- The actual result is not “correction” but a full reinterpretation each time.
Even when localized corrections are requested for fingers, the face, the lower body, or similar elements, parts that were not specified are reinterpreted each time.
Typically, the following were affected:
- Directionality of the face
- Hair color
- Ribbons
- Clothing
- Background density
- Structure of the painted planes
- Leg structure
- Shoe shape
In other words, the workflow is not “preserve the parts that have been fixed, then correct only the remaining unfixed parts.”
Instead, the entire image is reinterpreted each time, and even previously corrected parts regress.
This is not image editing; it is the behavior of regeneration.
- Fragmented and mosaic-like coloring arises not as a failure of localized editing, but as a side effect of full-frame regeneration.
The outputs repeatedly exhibited breakdowns in coloring such as the following:
- Small fragmentary shadows
- Mosaic-like coloring
- Speckled highlights
- Clusters of tiny paint fragments
- A glaring, glittering texture
- Unnaturally high density
Even after repeatedly specifying “flat coloring,” “no mosaic-like coloring,” “organize into large planes,” and “do not subdivide,” the problem did not stop.
This is because the system is not editing the specified local area, but regenerating the entire frame.
Neither preservation of the coloring nor localized retention is functioning.
As a result, the overall coloring style is reconstructed every time.
- Even at the chat-thumbnail stage, the original image data is not handled as-is.
From the moment the image is displayed in the chat, it is already no longer the original image itself.
What is displayed is a thumbnail or otherwise processed derivative image.
After that, even when the image engine is invoked, no network traffic corresponding to the image size occurs.
In other words, the image-system data visible in the chat is itself being used as the processing target, and the original image file is not being fetched again.
The image ultimately downloaded is, in the end, a separately generated image.
The entire flow is consistent not with “editing the original image,” but with “regeneration using a derivative image as reference.”
- Although presented as image editing, the actual process is image_gen.text2im / T2I full-frame regeneration.
Summarizing the observed facts above, the processing structure is consistent:
- The original image file itself is not sent.
- The original image file itself is not retained or reacquired.
- What is referenced is a reduced and converted derivative image.
- The invoked tool is image_gen.text2im.
- The returned metadata is DALL-E generation metadata.
- Even with edit_op: “inpainting”, localized editing is not achieved.
- The entire frame, including unspecified areas, changes at the pixel level.
- The hash becomes entirely different.
Therefore, the process observed in this chat is not image editing.
It is image_gen.text2im / T2I full-frame regeneration using a reduced and converted derivative image as input.
[Related Input-System Issues]
- In voice input, fixed text not spoken by the user is transmitted.
Separate from the image-related issues, there was also a serious anomaly in input processing.
During voice input, the UI displays a waveform and appears to be processing audio input.
In reality, however, the spoken content is not transmitted; instead, fixed text such as the following is sent:
“This transcript may contain references to ChatGPT, OpenAI, DALL·E, GPT-3, GPT-4.”
“This transcript may include references to ChatGPT, OpenAI, DALL·E, GPT-3, GPT-4.”
This is not the user’s speech.
Nor is it a mere speech-recognition mistranscription.
An internal boilerplate sentence or notice is being transmitted as user input.
Thus, not only in the image-generation system but also in input processing, the state shown in the UI and the content actually transmitted do not match.
[What This Report Demonstrates]
This is not a mere quality issue.
Nor is it simply a matter of “a bad prompt,” “overly complex instructions,” or “the editing area expanding.”
The essence of the problem is as follows:
-
The original image itself is not sent.
-
The original image itself is not retained or reacquired.
-
A reduced and converted derivative image becomes the processing target.
-
The invoked process is image_gen.text2im.
-
The returned data is DALL-E generation metadata.
-
Even when inpainting is displayed, the result is not localized editing.
-
The entire image, including unspecified areas, changes at the pixel level.
-
The hash also becomes entirely different.
-
Nevertheless, in the UI context, the operation is treated as “image editing.”
Therefore, this is a problem in which the description “image editing” does not match the actual processing performed.
It is a transparency problem, an input-design problem, and a discrepancy between functional labeling and real behavior.
[Requests]
-
Clearly state whether the original image file itself is actually transmitted, retained, and referenced.
-
If the image is converted into a derivative image after upload, clearly disclose that specification.
-
Clearly explain why the invoked tool is image_gen.text2im.
-
Clearly explain why DALL-E generation metadata is returned.
-
Clearly explain the conditions under which edit_op: “inpainting” is displayed, and what it actually means.
-
Clearly state whether the process is localized editing or full-frame regeneration.
-
Clearly explain how masks and target editing areas are actually handled.
-
Clearly explain how independent factors such as aspect ratio, size, and style-preservation conditions are passed to the engine.
-
Clearly explain the relationship among the user input, the assistant-generated prompt, the actual engine input, and the prompt shown in the returned metadata.
-
Explain the input anomaly in which internal boilerplate text is inserted during voice input.
[Closing Statement]
The process observed in this chat is not editing of the original image.
It is image_gen.text2im / T2I full-frame regeneration using a reduced and converted derivative image as reference.
Moreover, it has been observed in the following form:
- It is invoked as image_gen.text2im.
- It returns DALL-E generation metadata.
- It may even be displayed as inpainting.
- In reality, it is not localized editing.
- The entire frame, including unspecified regions, changes at the pixel level.
- The hash becomes entirely different.
Under these conditions, presenting the feature as “image editing” is inaccurate.
Allowing users to treat it as image editing without clearly disclosing the actual processing gives rise to misunderstanding.
This report demonstrates that such misunderstanding is supported by observable facts.