元絵はDALL-E3。
I2Iで出力。

多分だけど、技術的にいうと、2.5 Flash Imageはいったん入力画像を要素ごとに高次元ベクトルに変換している。
それをpromptを元に再構成させて、これも多分だけど、Imagen4の出力デコーダーを使って絵を作っている、と思う。
キモはセマンティックなレベルの要素分解。この精度がすごく上がってる。
ほぼ元画像を再現レベルまでの「画像分析能力」だ。
だから、このAIはセマンティックレベルの置換をやるのが得意ということになっている、はず(まだそこまで試してない)。