//=time() ?>
1枚目、日本語で「怒っている猫」
2枚目、英語で、「angry cat」
これを見て、翻訳してるわけではないというのが確定した気がする。
多分単語の中からデータベースに適応する画像から抽出してるだけ、英語はちゃんと意味が通じた画像が生成されてる。
1枚目が、「かわいい犬」と日本語で生成した結果
2枚目が、「Cute Dog」と英語で生成した結果
全く、日本語でも通じて無いわけではなさそうだけど精度は英語の方が高い。
日本語ベースのデータセットが弱い?
翻訳を掛けてるなら同じになるはず