MidJourney vs. DALL-E 3: Head to Head Prompt Battle
აღარ არის ბედნიერი პატარა უბედური შემთხვევები
AI გამოსახულების გენერირების ტექნოლოგია იმდენად სწრაფად იხვეწება, რომ სულ რაღაც კვირებში ან თვეებში ხარისხი და ფუნქციები, რაც შესაძლებელია, შეიძლება სრულიად განსხვავებული იყოს. DALL-E 3 ტექნოლოგიაში ნახტომს მოაქვს, მაგრამ როგორ შეესაბამება ის MidJourney-ს?
რა არის განსაკუთრებული DALL-E 3-ის შესახებ?
ჩვენ ადრე დეტალურად განვიხილეთ MidJourney-ის ევოლუცია და შესაძლებლობები და აქამდე ის იყო გამოსახულების გენერატორი საუკეთესო მხატვრული გამოსავლისთვის, რომელიც შესაფერისია რეალური გამოყენებისთვის. თუმცა, MidJourney-ში გენერირებულ სურათთან მიახლოება, რაც რეალურად გინდოდათ, შეიძლება იყოს უკიდურესად დარტყმა-და-გამოტოვებული საქმე. თუ გსურთ ზუსტი კონტროლი, თქვენ უნდა მიმართოთ Stable Diffusion-ის და მისი მრავალი მოდიფიკაციის გამოყენებას, როგორიცაა ControlNet. თუმცა, სტაბილური დიფუზია ბევრად უფრო რთული გამოსაყენებელია და ორივე MidJourney და DALL-E 3 უპირატესობას ანიჭებენ გამოყენების სიმარტივეს.
DALL-E გვპირდება, რომ უფრო ზუსტად დაიცავს თქვენი მოწოდების ფორმულირებას. სხვა სიტყვებით რომ ვთქვათ, თუ თქვენ ითხოვთ კონკრეტული პერსონაჟის პოზებს, დეტალებს სცენაზე ან სცენაზე ობიექტების განლაგებას, თეორიულად, DALL-E 3 უნდა მოგაწოდოთ ის, რაც მოითხოვეთ. ჩვენ შევადარებთ DALL-E 3-სა და MidJourney-ს რამდენიმე მოთხოვნის გამოყენებით. იგივე მოთხოვნა მიეცემა AI-ის თითოეულ გენერატორს.
მოთხოვნა 1: მხატვრული ნიჭი
პირველ რიგში, მე უბრალოდ მინდა მივიღო ზოგადი შეგრძნება იმის შესახებ, თუ რას გააკეთებს თითოეული გენერატორი მხატვრულად, ამიტომ დავიწყებთ საკმაოდ ზოგადი მოთხოვნით:
Generate an image of an epic fantasy scene with elves and dragons in a 90s fantasy art styleაი MidJourney-ის სურათი, რომელიც საუკეთესოდ მეგონა.
და აქ არის DALL-E 3 სურათი, რომელიც მე მეგონა საუკეთესო იყო.
აქ საინტერესოა ის, რომ ChatGPT (ამ შემთხვევაში DALL-E 3-ის წინა ნაწილი) არ გადასცემს ჩემს ზუსტ მოთხოვნას გამოსახულების გენერატორს. DALL-E 3-ის გაყიდვის მთავარი წერტილი არის ის, რომ ის იყენებს ChatGPT-ს (ანუ GPT-4) თქვენი იდეის გასაგებად და თქვენთვის სამუშაოს „სწრაფი ინჟინერიის“ ნაწილს. ასე რომ, ის შექმნის ბევრად უფრო დეტალურ მოთხოვნებს უკეთესი შედეგების მისაღებად. აი, მოთხოვნა, რომელიც ChatGPT-მ შექმნა ჩემი მოთხოვნის საფუძველზე:
Oil painting reminiscent of 90s fantasy artwork, showcasing a group of elves, both male and female, standing on a cliff's edge. In the background, colossal dragons soar, their wings casting shadows over a lush forest below. The scene is filled with vibrant colors and dramatic lighting.ეს წარმოადგენს უნიკალურ გამოწვევას ორი გამოსახულების გენერატორის შედარებისას, რადგან GPT ზრდის მოთხოვნის ხარისხს. ასე რომ, სამართლიანად რომ ვთქვათ, მე შევიტანე GPT-ის მიერ გენერირებული მოთხოვნა MidJourney-ში და ეს არის შედეგი.
ახლა ჩვენ გვაქვს რაღაც ბევრად უფრო შესადარებელი. თუმცა, რომელი იგებს? ამ შემთხვევაში, ჩემი აზრით, DALL-E 3 იმიჯი უფრო ახლოსაა იმასთან, რაც მე ვითხოვე, ხოლო MidJourney იმიჯს უფრო გამორჩეული სტილი და უფრო მხატვრული ელფერი აქვს. MidJourney-ის ამჟამინდელი V5 მოდელი, ჩემი აზრით, სრულყოფილად აჯობებს მხატვრულ ნიჭს, მაგრამ, რა თქმა უნდა, ეს ძალიან სუბიექტურია.
დანარჩენი შედარებისთვის, მე გამოვიყენებ მხოლოდ GPT-ის მიერ გენერირებულ მოთხოვნებს ორივე გამოსახულების გენერატორისთვის, რათა გავაუქმო ჩემი უნარი (ან მისი ნაკლებობა), როდესაც საქმე ეხება შემუშავების მოთხოვნას. სხვა სიტყვებით რომ ვთქვათ, მე ვთხოვ ChatGPT სურათს ჯერ, შემდეგ კი დააკოპირეთ და ჩასვით საუკეთესო გამოსახულება, რომელიც წარმოქმნის მოთხოვნას MidJourney-ში.
მოთხოვნა 2: ტექსტის ელემენტები
თქვენ შეიძლება შეამჩნიეთ, რომ MidJourney-ს აქვს gobbledygook-ის გამომუშავება, როდესაც გენერირებულ სურათზე არის ტექსტი. ეს იმიტომ ხდება, რომ ის წარმოქმნის ნივთებს, რომლებიც ასოებს ჰგავს, მაგრამ ნამდვილად არ არის ასოები. ასე რომ, ტექსტური მაისურები ან მაღაზიის აბრები არ ექნება რაიმე გონივრული ტექსტი. DALL-E 3 გპირდებათ შექმნას ნებისმიერი ტექსტი, რომელიც მოგწონთ და სწორად მოათავსოთ ჩარჩოში, ასე რომ, მოდით შევამოწმოთ ეს. აი, ChatGPT-ის მოთხოვნა:
Drawing reminiscent of newspaper comic strips, featuring a computer geek deeply engrossed in his coding work. His T-shirt stands out with the bold statement 'How-To Geek Is Awesome'. The scene is set in a cozy corner with tech posters and sticky notes on the wall.აქ არის DALL-E 3-ის შედეგი.
და აი, MidJourney-ის შედეგი.
მიუხედავად იმისა, რომ MidJourmey-ის გამომავალი ძალიან სასიამოვნოა თვალისთვის, ის სულაც არ არის ის, რაც ჩვენ ვითხოვეთ, ამიტომ DALL-E 3 აქ აყენებს მას. თუმცა, სურათზე ჯერ კიდევ არის უამრავი უაზრო ტექსტი. ჩემს ტესტირებაში, DALL-E მშვენივრად მუშაობს, როდესაც აკონკრეტებთ სურათზე მთელ ტექსტს, ან არ არსებობს სხვა ტექსტი, გარდა იმისა, რაც თქვენ მოითხოვეთ, მაგრამ თუ სურათს აქვს დაუზუსტებელი ტექსტი, ეს სისულელეა ისევე, როგორც MidJourney-ში.
მოთხოვნა 3: სცენის დაყენება
ბოლო ტესტი, რომლის გაკეთებაც მსურს, არის სცენის დაყენება, სადაც მე ვაზუსტებ ყველა ძირითადი ელემენტის პოზიციას.
Illustration of a cyberpunk cityscape reminiscent of Blade Runner aesthetics. A cyborg woman with glowing eyes and cybernetic limbs stands on the left, holding a shiny apple. Opposite her, on the right, a robot vendor with a worn-out exterior smokes a cigar, surrounded by an array of exotic fruits. The street is bustling with activity, with drones flying overhead and neon signs illuminating the scene.აქ არის DALL-E 3-ის შედეგი.
და აი, ოთხივე მცდელობა MidJourney-ის მიერ.
ისევ და ისევ, MidJourney აჯობებს მხატვრულ ნიჭს, მაგრამ სრულად ვერ ასრულებს იმას, რაც მე ვთხოვე მოთხოვნაში.
მიუხედავად იმისა, რომ თქვენ შეგიძლიათ ერთი და იგივე სურათის გადაკეთება DALL-E 3-ში სხვადასხვა სტილში, არავითარი cajoling არ მისცემს MidJourney-ს თანმიმდევრულად რეპროდუცირებას კონკრეტული ელემენტებისა და განლაგების შესახებ, რომელსაც თქვენ ითხოვთ. აი, იგივე სურათი, მაგრამ მე ვითხოვე DALL-E 3-დან უფრო სურეალისტური და საოცნებო სტილი.
DALL-E 3 არ არის სრულყოფილი
სანამ გადაწყვეტთ MidJourney-ს DALL-E 3-ის გამოტოვებას, არსებობს რამდენიმე ძირითადი შეზღუდვა, რომელიც მე შევხვდი DALL-E 3-ის ტესტირებისას, რომელთა შესახებაც უნდა იცოდეთ:
- ChatGPT უარს იტყვის საავტორო უფლებებით დაცული პერსონაჟების გამოსახულების გენერირებაზე, ხოლო MidJourney სიამოვნებით გამოიმუშავებს არსებული პერსონაჟების ფან-არტს.
- ChatGPT ასევე არ მოგცემთ უფლებას მოითხოვოთ ნებისმიერი ცოცხალი მხატვრის ხელოვნების სტილი, მაშინ როცა ამის გაკეთება მაინც შეგიძლიათ MidJourney-ით.
- ორივე პლატფორმა არ გამოიმუშავებს ხელოვნებას, რომელიც გადალახავს გარკვეულ ხაზებს, როდესაც საქმე ეხება ზრდასრულთა შინაარსს, რომელიც ძალადობრივი ან სექსუალური ხასიათისაა. თუმცა, MidJourney-ს აქვს ცრუ პოზიტივის გასაჩივრების მარტივი პროცესი, მაშინ როდესაც ChatGPT შეიძლება გარკვეულწილად დამაჯერებელი იყოს, რადგან ის ბევრად უფრო დახვეწილია.
ინსტრუმენტთან ჩემი დრო შეზღუდული იყო და DALL-E 3 და MidJourney მუდმივად იღებენ ახალ შესწორებებს და ფუნქციებს, მაგრამ ეს იყო ყველაზე აშკარა შეზღუდვები, რაც შეიძლება აინტერესებდეს ადამიანების უმეტესობას.
განაჩენი
აქ საკმაოდ რთულია აბსოლუტური გამარჯვებულის გამოცხადება, მაგრამ როგორც დგას, MidJourney არის სწორი ინსტრუმენტი გამოსაყენებლად, თუ გსურს ექსპრესიულობა და მხატვრული ნიჭი იმაში, რასაც გენერირება. ამის საპირისპიროდ, DALL-E 3 ბევრად უკეთესი ინსტრუმენტია, თუ გსურთ შექმნათ თანმიმდევრული ნამუშევრები თქვენი ზუსტი მოთხოვნების შესაბამისად ილუსტრაციების ან სხვა პროფესიული გამოყენების შემთხვევებისთვის.