Photoshop kontra Midjourney kontra DALL-E 3: Tylko jeden generator obrazów AI przeszedł moje 5 testów

Jak sztuczna inteligencja Photoshopa radzi sobie z DALL-E i Midjourney? Sprawdzam swoje umiejętności w kreatywnym starciu z udziałem gigantycznych robotów i futurystycznych scenariuszy.

Podpowiedź Photoshop AI: Laptop w świecie steampunkowym (efekt Steampunk)

Ogłoszenia Adobe dotyczące sztucznej inteligencji w tym tygodniu były dość znaczące, zwłaszcza dotyczące funkcji wektorów generatywnych opartych na sztucznej inteligencji w programie Illustrator. W Photoshopie wprowadzono mnóstwo drobnych ulepszeń, ale nie zmieniły one gry tak bardzo, jak ogłoszona na początku roku funkcja wypełniania generatywnego.

To powiedziawszy, firma Adobe właśnie ogłosiła, że Photoshop może teraz generować obraz na pustym płótnie, umieszczając go w tej samej kategorii, co generatory zamiany tekstu na obraz, takie jak Midjourney i DALL-E 3. W tym celu zastanawiałem się, w jaki sposób Photoshop przetwarza tekst na obraz -funkcja obrazu wypada na tle innych, szczególnie pod względem kreatywności.

Dlatego właśnie to robię w tym artykule. Podaję ten sam monit do Photoshopa, Midjourney i DALL-E w ChatGPT przy użyciu GPT-4o. Nie dodaję żadnych opcji stylizacji oferowanych przez każde narzędzie, z wyjątkiem jednego testu, w którym pytam o „styl dieselpunk” w treści monitu.

Które narzędzie tworzy lepszą sztukę? Musisz to osądzić. Zacznijmy. Aby zobaczyć większy obraz, kliknij małą kwadratową ikonę w prawym górnym rogu.

Test 1: Helicarrier

Pierwszym obrazem, który przyszedł mi do głowy, był helicarrier z komiksów i filmów Marvela. To lotniskowiec, który prawdopodobnie jest utrzymywany w powietrzu przez silniki turbowentylatorowe. Fizyka jest wątpliwa, ale fajny czynnik jest nie na miejscu.

Oto zachęta:

Lotniskowiec lecący na niebie, podtrzymywany przez cztery skierowane do góry turbośmigła w okrągłych obudowach wentylatorów, niosący na pokładzie eskadrę myśliwców

W przypadku każdego z tych testów pokażę obok siebie, moim zdaniem, najlepsze obrazy ze wszystkich trzech AI, abyś mógł je porównać.

Oto co otrzymaliśmy:

Jak widać Photoshop ominął łódkę. Dosłownie. Jego baza wiedzy prawdopodobnie nie rozumie, czym jest lotniskowiec. Jednak jeśli przyjrzysz się uważnie, bomby rzeczywiście wyglądają, jakby miały małe śmigła.

Midjourney wygenerował statek przypominający helikopter, ale nie zawierał żadnego turbowentylatora. DALL-E tak, ale mimo że określiłem „skierowane w górę”, najwyraźniej nie wiedział, co z nimi zrobić, więc po prostu posypał nimi cały obraz.

Midjourney zawsze tworzy cztery obrazy, więc do każdego testu wybrałem ten, który moim zdaniem był najlepszy i użyłem go do porównania.

Postanowiłem wrócić do Photoshopa i włączyć jedną z jego opcji stylizacji, Steampunk. Jak widać, Photoshop stworzył znacznie ciekawszy obraz. To nie jest dokładnie lotniskowiec, ale ma kiosk. Jeśli spojrzysz poniżej, w tym miejscu mogą znajdować się odrzutowce. Nie jestem pewien, ale na pewno jest to o wiele zabawniejszy obraz.

Ocena sukcesu zamiany tekstu na obraz:

• Zrozumiałem ogólnego ducha szybkości: Midjourney i DALL-E
• Uwzględniono wszystkie określone szczegóły: DALL-E

Test 2: Gigantyczny robot dieselpunk

Wikipedia definiuje „dieselpunk” jako „retrofuturystyczny podgatunek science fiction podobny do steampunku lub cyberpunku, który łączy estetykę technologii opartej na silnikach diesla z okresu międzywojennego aż do lat pięćdziesiątych XX wieku z technologią retrofuturystyczną i postmodernistyczną wrażliwością”.

Jeśli steampunk dotyczy epoki wiktoriańskiej z silnikami parowymi i przekładniami, era dieselpunka to lata czterdzieste i pięćdziesiąte XX wieku, w których panowała wówczas potężna technologia napędzana olejem napędowym.

W każdym razie nakarmiłem sztuczną inteligencję następującym komunikatem:

Kolosalny robot stojący jako obrońca wspaniałego miasta, którego mieszkańcy krzątają się wokół i dojeżdżają do pracy, wykonany w stylu dieselpunk

Szczerze mówiąc, wszystkie trzy narzędzia AI wykonały naprawdę świetną robotę:

Photoshop wyraźnie zrozumiał zadanie. Obraz Midjourneya był najbliższy temu, co miałem w głowie, kiedy dałem znak zachęty, ale robot nie wygląda na strażnika. Nie wygląda to również na zagrożenie, ponieważ ludzie po prostu się kręcą.

Wersja DALL-E z robotem przed miastem bardziej wpisuje się w ideę stróża. Pozostaje pytanie, czy nie pomylono steampunku z dieselpunkiem ze względu na silniki parowe. Silniki parowe generalnie wycofywano z eksploatacji w latach trzydziestych XX wieku, ale na niektórych liniach pracowały jeszcze w roku 1960, co oznaczałoby, że mogły współistnieć w epoce dieselpunka. Ludzie ubierają się bardziej w stylu dieselpunk niż steampunk, a autobusy z przodu są wyraźnie bardziej dieselpunkowe niż steampunkowe.

Ocena sukcesu zamiany tekstu na obraz:

• Zrozumiałem ogólnie ducha podpowiedzi: wszystkie trzy, ale prawdopodobnie DALL-E nieco więcej
• Uwzględniono wszystkie określone szczegóły: wszystkie trzy

Test 3: Dzieciak na dworze króla Artura

Jedną z rzeczy, która ma miejsce podczas pisania takiego artykułu, jest szukanie pomysłów na przypadki testowe. Pomyślałem, że ciekawie byłoby zobaczyć, jak sztuczna inteligencja poradziła sobie w zestawionych ze sobą okresach, ponieważ w epoce dieselpunka radziła sobie całkiem nieźle w reprezentowaniu obywateli.

Tak się składa, że jestem fanem historii alternatywnej i podróży w czasie, więc gdy o tym pomyślałem, przypomniał mi się krótki film z połowy lat 90., który przeniósł gracza Małej Ligi w czasy średniowiecza (epokę, a nie restaurację). Tym filmem był Dzieciak na dworze króla Artura. W żadnym wypadku nie jest to klasyka, ale film był naprawdę ciekawy. I tak, to dało nam następujący monit:

Młody nastolatek, ubrany w nowoczesny mundur baseballowy w stylu Yankees, czapkę i rękawicę, stoi w tętniącym życiem centrum średniowiecznego dworu z obywatelami i rycerzami w zbrojach

Oto, co wyprodukowała sztuczna inteligencja:

Obraz w Photoshopie był najbardziej realistyczny. Równie dobrze można by to uchwycić prawdziwego dzieciaka na planie filmowym. Niestety (ale prawdopodobnie było to do przewidzenia ze względu na licencjonowaną bibliotekę multimediów Adobe) dzieciak nie miał na sobie munduru drużyny Yankees. To powiedziawszy, sztuczna inteligencja wykonała mistrzowską robotę, włączając wskazówki w stylu baseballu do kostiumu, który dała dziecku.

Midjourney stworzył najbardziej spójny obraz, chociaż dzieciak wygląda na tak samo nieszczęśliwego, jak mógłby wyglądać dzieciak, gdyby nagle znalazł się w epoce króla Artura. Na pozostałych zdjęciach dzieci wyglądały jeszcze gorzej, jakby przebywały w średniowiecznej Europie tak długo, jak Martin Padway przebywał w serii książek „Lest Darkness Fall” L. Sprague de Campa.

DALL-E zrobił najmniejsze wrażenie. Spełniał wymagania specyfikacji, ale obraz miał bardzo niesamowity klimat, którego nie miały pozostałe dwa obrazy.

Ocena sukcesu zamiany tekstu na obraz:

• Zrozumienie ogólnego ducha podpowiedzi: Wszystkie trzy
• Uwzględnia wszystkie określone szczegóły: Midjourney i DALL-E

A teraz, gdy skończyliśmy inspirować się naszym wewnętrznym Markiem Twainem, wróćmy… do przyszłości.

Test 4: Powrót do przyszłości

Kolejnym problemem, jaki napotkałem podczas konstruowania testów, była potrzeba użycia referencji, co do których mogłem mieć pewność, że wszyscy zrozumieją. Jest mnóstwo świetnych współczesnych filmów, nawet science fiction, ale nie jestem pewien, czy wszyscy mamy ten sam punkt odniesienia.

Jednak przekazując te stare klasyki za pośrednictwem sztucznej inteligencji, mogę być całkiem pewien, że większość naszych czytelników wie, czego szukać i czego się spodziewać. To oczywiście prowadzi nas do Powrotu do przyszłości. Tym razem chciałem nadać AI tytuł filmu i zobaczyć, co z nim zrobi. Oto zachęta:

Utwórz obraz przedstawiający film „Powrót do przyszłości”, zawierający motywy z lat 50. XX wieku, samochód DeLorean wehikuł czasu i chłopca z deskorolką

Oto co otrzymaliśmy:

Photoshop… To znaczy, co możesz powiedzieć? Dzieciak wyskakujący z przedniej szyby samochodu jest trochę niepokojący. Ponownie ograniczony licencyjnie charakter bazy wiedzy Adobe Firefly wstrzymywał generowanie obrazów, ale sztuczna inteligencja próbowała uwzględnić elementy z lat 50. XX wieku. Oto pozostałe dwa obrazy Photoshopa:

Midjourney wykonał niesamowitą robotę ze wszystkimi czterema zdjęciami, chociaż pierwszy nie trafił w samochód:

DALL-E podjął walkę. Chociaż w poprzednim teście firma DALL-E była całkowicie zadowolona z korzystania z treści chronionych prawem autorskim, tym razem po prostu powiedziała nie. Kiedy podałem mu powyższy monit, DALL-E w ChatGPT odpowiedział:

Nie udało mi się wygenerować obrazu zgodnie z żądaniem ze względu na ograniczenia polityki treści. Jeśli masz alternatywny monit lub chcesz wprowadzić jakieś zmiany, daj mi znać.

Zapytałem ChatGPT:

Przepisz monit tak, aby odzwierciedlał jak najwięcej intencji, bez naruszania ograniczeń wynikających z zasad

ChatGPT nie zwrócił mi nowego monitu, ale dał mi obraz, który pokazałem powyżej, który jest bardzo bliski zamierzeniom projektu.

Ocena sukcesu zamiany tekstu na obraz:

• Zrozumienie ogólnego ducha szybkości: Midjourney, z wyróżnieniem dla DALL-E
• Uwzględniono wszystkie określone szczegóły: Midjourney, ponownie z wyróżnieniem dla DALL-E

Test 5: Motto ZDNET

Motto ZDNET brzmi: „Jutro należy do tych, którzy przyjmują je dzisiaj”. Widać to na górze każdej strony:

Zastanawiałem się, co sztuczna inteligencja z tym zrobi, więc podałem to zdanie każdemu z nich. Oto co wyszło:

Więc Photoshop ogłasza emieragge tiday, wiesz? Co można na to powiedzieć? Midjourney natomiast stworzyło bardzo ciekawy i ładny obraz. Ma w sobie coś z motta ZDNET, nawet jeśli sam obraz jest trudny do opisania. I pomimo bardzo drobnego problemu z literami, DALL-E wykonał świetną robotę, przedstawiając przyszłość i jej możliwości.

Ocena sukcesu zamiany tekstu na obraz:

• Zrozumiałem ogólnego ducha szybkości: Midjourney i DALL-E
• Uwzględniono wszystkie określone szczegóły: Zarówno Midjourney, jak i DALL-E stworzyły obraz przedstawiający uczucia, jakie przekazuje motto
• Udałem się do ciemnego miejsca, którego nikt nie rozumie: Photoshop

Która sztuczna inteligencja wygrywa?

Niestety to nie Photoshop. Photoshop w większości pomyślnie przeszedł dwa z pięciu testów, ale w pozostałych zawiódł. Midjourney odniósł największy sukces, ale DALL-E był blisko.

Rzecz w Photoshopie polega na tym, że chociaż zamiana tekstu na obraz w Photoshopie nie jest wcale taka świetna, Photoshop ma najlepsze możliwości wypełniania generatywnego ze wszystkich sztucznej inteligencji. Nadal najprawdopodobniej będę tworzyć obrazy w programie Midjourney (a czasami w DALL-E), a następnie przenoszę je do Photoshopa w celu uzyskania generatywnego wypełnienia.

Jak myślisz? Którego z tych narzędzi używasz? Jak myślisz, która sztuczna inteligencja wypadła najlepiej w naszych testach? Daj nam znać w komentarzach poniżej.

Możesz śledzić moje codzienne aktualizacje projektu w mediach społecznościowych. Pamiętaj, aby zapisać się do mojego cotygodniowego biuletynu z aktualizacjami i śledzić mnie na Twitterze/X pod adresem @DavidGewirtz, na Facebooku pod adresem Facebook.com/DavidGewirtz, na Instagramie pod adresem Instagram.com/DavidGewirtz i na YouTube pod adresem YouTube.com/DavidGewirtzTV.