Skip to content
TheChatArchiveThe Chat Archive
gpt-4.1-2025-04-14· OpenAIHugging Face LMArena Human Preference 140K

Miksi AI kuvageneraattoreiden on yleensä todella vaikeaa tehdä kuvia jotka poikkeavat…

From a Chatbot Arena battleThe same person sent this prompt to two anonymous models at once. Compare it with Metallama-3.3-70b-instruct’s answer.
  1. User

    Miksi AI kuvageneraattoreiden on yleensä todella vaikeaa tehdä kuvia jotka poikkeavat normaalista anatomiasta? Kuvitellaan vaikkapa ylisuuret olkapäät.

  2. Assistant

    Tämä on tosi hyvä kysymys, ja liittyy suoraan siihen, miten tekoälypohjaiset kuvageneraattorit (kuten DALL-E, Midjourney, Stable Diffusion jne.) on koulutettu ja miten ne "ymmärtävät" kuvia.

    1. Koulutusdata ohjaa mallia:
    Kuvageneraattorit opetetaan valtavilla määrillä kuvia, jotka ovat yleensä "normaaleja" eli sellaisia, joissa ihmiset ja esineet näyttävät siltä kuin oikeassa maailmassa. Esimerkiksi ihmisillä on tietyt mittasuhteet, kuten normaalikokoiset olkapäät. Jos koulutusdatassa on hyvin vähän kuvia ihmisistä, joilla on ylisuuret olkapäät, malli ei opi tuottamaan tällaisia kuvia luontevasti.

    2. Malli pyrkii "realistisuuteen":
    Generatiiviset mallit on suunniteltu tuottamaan mahdollisimman realistisia kuvia. Ne siis "arvaavat", millainen kuva olisi todennäköinen annetun tekstin perusteella, mutta samalla ne pyrkivät pysymään koulutusdatansa rajoissa. Jos pyydät mallia tekemään jotain epätavallista, kuten ylisuuret olkapäät, se saattaa silti yrittää tehdä kuvan, joka näyttää "normaalilta", koska se on oppinut, että sellaiset kuvat ovat todennäköisempiä.

    3. Epätavalliset pyynnöt aiheuttavat epävarmuutta:
    Kun pyydät jotain, mitä malli ei ole juuri nähnyt (esim. ylisuuret olkapäät), se joutuu "arvailemaan" ja usein tuloksena on outoja, epärealistisia tai epäjohdonmukaisia kuvia. Malli saattaa esimerkiksi venyttää olkapäitä oudosti, mutta samalla vääristää muita kehon osia, koska se ei tiedä tarkalleen, miltä tällainen poikkeava anatomia näyttäisi.

    4. Promptin tulkinta:
    Joskus malli ei ymmärrä prompttia oikein, tai se ei osaa priorisoida pyynnön epätavallista osaa (esim. "ylisuuret olkapäät") vaan tekee kompromissin muiden kuvassa olevien asioiden kanssa.

    5. Mallin rajoitukset:
    Vaikka mallit ovat kehittyneet paljon, niillä on edelleen vaikeuksia luoda täysin uusia konsepteja, joita ei ole nähty koulutusdatassa. Ne ovat parhaimmillaan yhdistellessään jo olemassa olevia asioita.

    Yhteenveto:
    AI-kuvageneraattorit ovat hyviä tuottamaan kuvia, jotka muistuttavat koulutusdatassa nähtyjä esimerkkejä. Kun pyydät jotain, mikä poikkeaa radikaalisti normaalista anatomiasta, malli ei osaa tehdä sitä hyvin, koska sillä ei ole tarpeeksi esimerkkejä tällaisista tapauksista, eikä se "ymmärrä" anatomiaa samalla tavalla kuin ihminen.

    Vinkki:
    Jos haluat parempia tuloksia epätavallisista anatomioista, kokeile käyttää tarkempia ja toistuvia promptteja, etsi referenssikuvia, tai kokeile "fine-tunata" mallia omalla datalla, jossa on haluamiasi poikkeavia anatomioita. Tämä vaatii kuitenkin teknistä osaamista.

    Kysy lisää, jos haluat tarkempia esimerkkejä tai haluat tietää, miten voit parantaa prompttejasi!

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.