Ten Fooocus umí fakt pěkný věci

DALL-E 3

Zkouším si doma hrát s Fooocus a je to celkem prima, na to že je to free tak dost čumím :)-

Prompt: PIkachu riding giant worm smoking a cigar
Style: Surrealism

pro bias SDXL, chtelo to do negativu i ty taxiky. a nejak to nevypadalo jako newyork tak je tam par dalsich uprav.
co pouzivate za sdxl modely?

prvni pokus, prompt: New York city street without cars.


tady cca nejak funkcne a opakovatelne:
prompt: New York city street without cars. Empty street without a single human being or a car. There are no cars anywhere. Only trees and birds. empire state building in the background, times square
negative prompt: cars, car, people, taxi, taxis

Zajímavý téma, tak jsem to zkusil s promtem od FRK_R23: na bing/create...

taky jsem si hral s ulicemi. Mam globalne rad naor, dest

HONZA09: Jednak i NYC bez aut někdy existuje (a nejspíš jsou i jiný příležitosti, možná mají něco jako čištění ulic) a jednak AI nemá problém vytvořit zvíře které je napůl kráva a napůl kočka (opravda: SDXL trochu problém má, ale dall-e 3 v klidu), tak proč by mělo mít problém s NYC bez aut.

Je mi jasný že odpověď se schovává v trénovacím datasetu nebo trénovacích metodách, stejně jako u sexy asiatek a bílých doktorů středního věku, ale zajímám se o to protože mi to přijde jako jasná regrese a nevšiml jsem si, že by se o tom někde mluvilo. Případy, kdy by něco takového bylo užitečné, existují a nepřijdou mi nijak obskurní (ať už ilustrace ke sci-fi povídce zahrnující absenci lidí nebo k článku o omezování dopravy).


HITOMI:
FRK_R23: Díky za průzkum!

MJ v5.2 (hodila jsem ještě do negative --no car, human), zde pomohlo, opakovala jsem i pro V6, tam přibylo ptáků, ale auťáky vzadu zůstaly

První pokus v MJ V 6.0 s promptem od
FRK_R23:



taky dost fail :)

Leonardo Vision XL

New York city street without cars. Empty street without a single human being or a car. There are no cars anywhere. Only trees and birds. No cars.

Pro zajímavost doložím obrázky.

Ulice v NYC úplně kompletně bez aut, skutečně žádná auta, žádné taxíky, nic, dle Dalle-3:


Jeden z pokusů o ulici "bez aut" v něčí webové verzi SDXL (moje lokální pokusy byly podobně úspěšné):


Jeden z pokusů o ulici "bez aut, taxíků ani jiných vehiklů" v SDXL Turbo, které je obzvlášť špatné v respektování negativních promptů:



Ulice v NYC bez aut dle SD v1.5:


Dvouproudá silnice (aby to měl trochu těžší a nedělal jen úzké staré uličky pro chodce) bez aut v Praze dle SD .1.5:

Zjistil jsem docela zajímavou věc. Na internetech (převážně socky/blogy, ale sem tam i serióznější články) se s jistou pravidelností řešívá bias generativních modelů, zejména v kontextu etnicity, genderu a tak. U novějších modelů se biasy prý trochu zlepšují - například když si necháte vygenerovat asiatku, je prý menší šance, že bude pokaždé poodhalená a vyzývavá. Články jsou obvykle trochu hysterické, tak místo toho zabrušme do nekontroverzních a možná zajímavějších neb méně prozkoumaných témat:

Zdá se, že nikdo moc nesleduje, jaké vznikají u nových verzí nové nekontroverzní ale klidně i silnější biasy, které u ranějších verzí, co používaly méně sofistikované metody trénování a méně filtrované datasety, neexistovaly.

Tak například: pomocí Stable Diffusion SDXL se zdá být zcela nemožné vytvořit fotku velkoměsta, která neobsahuje žádná auta. Pro starou verzi 1.5 to není žádný problém, na první dobrou dostanete několik (méně fotorealistických) variant New York City bez jediného auta. Ale v SDXL se mi to nepodařilo ani jednou, dokonce se mi ani moc nedařilo snížit jejich počet. Zkoušel jsem Prahu, která není tak známá vysokým provozem ale spíše starými uličkami, které se fotografové často snaží fotit spíše bez aut, a podařilo se mi udělat obrázek staré ulice s málo auty, ale úplně bez aut taky ne.

Takže podobně jako si AI představuje generickou asiatku jako sexy odhalenou kočenu a doktora jako bílého muže středního věku, tak si představuje NYC jako plné aut? To je v pořádku protože to je v souladu s realitou, ne? No, ne tak docela, protože sexy asiatky a bílé doktory lze pomocí přesněji definovaného promptu ve většině případů přerazit, ale tohle se zdá být úplně neprůstřelné.

Dall-E 3 na to trpí taky. Trochu pomáhá fakt, že mu při prvním pokusu (který je plný aut) řeknete "ne, to je špatně, jsou tu auta, chci to pičo bez aut!", a on pak vytvoří další obrázek, kde je aut méně (ale jsou tam). Ale zase čím větší dáváte fokus na absenci aut, tím míň je to pak celé realistické a tím míň to vypadá jako NYC.

Midjourney nemám a nemohu otestovat, klidně to někdo zkuste, docela by mě zajímalo jestli na tom jsou líp.

A stejně tak mě zajímá, jestli jste narazili na nějaká jiná nečekaná omezení.