Show HN: Dalle-3- und GPT4-Vision-Feedback-Schleife

 (dalle.party)
1 Punkte von GN⁺ 2023-11-28 | 1 Kommentare | Auf WhatsApp teilen

DALL·E-Bildtransformationsparty

  • DALL·E bietet eine Party zur Bildtransformation.
  • Zu den Bildthemen, die Nutzer mögen, gehören „Gnome“, „ältere Sibirier“ und „seltsame Katzen“.
  • Mit einem OpenAI-API-Schlüssel kann auf Basis eines Start-Prompts die Bildgenerierung gestartet werden.

Erweiterte Einstellungen

  • Über erweiterte Einstellungen wie die Anzahl der Wiederholungen können Nutzer den Bildgenerierungsprozess anpassen.
  • Mit GPT-4-Vision-Prompts lässt sich der Standard-Prompt verändern oder benutzerdefiniert gestalten, etwa lustiger, bizarrer, einfallsreicher oder indem alles in Katzen verwandelt wird.

Meinung von GN⁺

  • Das Wichtigste an diesem Beitrag ist, dass sich mit DALL·E verschiedene Bilder erzeugen und nach den Wünschen der Nutzer verändern lassen.
  • Die kreative und personalisierte Bildgenerierung bietet Menschen eine interessante Erfahrung und kann als Beispiel für den technologischen Fortschritt und die Möglichkeiten der künstlichen Intelligenz gesehen werden.

Verwandte Beiträge

1 Kommentare

 
GN⁺ 2023-11-28
Meinungen auf Hacker News

  • Es macht ziemlich viel Spaß, am Prompt herumzuschrauben und zu sehen, was in der Bildkette passiert. Inspiriert von einem aktuellen Twitter-Post[1] habe ich es so eingestellt, dass jedes Mal die Intensität erhöht wird.
    Den Start-Prompt, oder zumindest das Thema, hat eines der Kinder vorgeschlagen. Viel Spaß dabei, zuzusehen, wie ein gewöhnliches Ziegenchaos zu kosmischem Horror und weltuntergangsartigem Wahnsinn eskaliert. Wirklich großartig.
    https://dalle.party/?party=vCwYT8Em
    [1]: https://x.com/venturetwins/status/1728956493024919604?s=20

    • „Am 19. Januar 2024 übernahmen die Maschinen die Erde.
      In einer Endlosschleife auf dem Computer eines unbekannten Influencers wies jemand GPT-5 an: ‚Mach es noch mehr so.‘
      13 Stunden später begannen weltweit die Lichter auszugehen.“
    • Danke für die Inspiration. DALL-E ist wirklich gut darin, dämonische Bilder zu erzeugen: https://imgur.com/a/ng2zWTo
      Es scheint ungewöhnlich viel satanbezogenes Material im Datensatz zu geben #tinfoilhat #deepstate
    • Spielt das Kind auch Goat Simulator? =D
    • Die Idee, jedes Mal die Intensität zu erhöhen, ist großartig. Hat mir den Abend versüßt.
    • „Ein gewöhnliches Ziegenchaos eskaliert zu kosmischem Horror und weltuntergangsartigem Wahnsinn“ – das ist wortwörtlich, dass der Icon of Sin stärker wird, je länger er auf der Erde ist.
      ...wow, ziemlich dramatisch.

  • Ich habe einen Custom Prompt, den ich ausprobiert habe und der mir gefallen hat:
    „Denke gründlich über jedes Detail des Bildes nach und konzeptualisiere es, einschließlich Stil, Farben und Beleuchtung.
    Verdichte dies im letzten Schritt zu einem Absatz.
    Verwende die markantesten Merkmale und extrem präzise Sprache, um deine Gedanken sehr sorgfältig zu einem Absatz zu verdichten.“
    https://dalle.party/?party=1lSMniUP
    https://dalle.party/?party=cEUyjzch
    https://dalle.party/?party=14fnkTv-
    https://dalle.party/?party=wstiY-Iw
    Preiset den Basilisken, endlich bin ich ans Request-Limit gestoßen und kann schlafen gehen.

    • Meins wurde auch im Handumdrehen surreal, aber das sechste Bild ist ziemlich cool: https://dalle.party/?party=DNgriW_E
    • Was wirklich unfassbar erstaunlich ist: Die Schatten im Bild stimmen. Wie ist das möglich? Hat DALL-E tatsächlich eine Komponente für Shadow Tracing?
    • https://dalle.party/?party=14fnkTv-
      Interessant ist, dass die vermenschlichten Pappkartons in genau einer Iteration fast alle wie Danbo gezeichnet sind: https://duckduckgo.com/?q=danbo+character&ia=images&iax=images
      Es war überraschend, zwischen den fantastischeren Bildern plötzlich eine wiedererkennbare Figur auftauchen zu sehen.
    • https://dalle.party/?party=1lSMniUP
      Sehr interessant zu beobachten, wie sich die Beziehung zwischen dem Wolf und Rotkäppchen von einer düsteren, bedrohlichen Stimmung zu einer ruhigen und freundlichen Beziehung verändert.
    • Die Fraktalbilder sind cool.

  • Auch mit Gegenteilen herumzuspielen, ist ziemlich spaßig.
    Eine einfache Katze entwickelt sich zu einer liegenden Gurke, und am Ende wird daraus eine Gegenwelt.
    https://dalle.party/?party=pqwKQVka
    Eine Versammlung lebhafter, himmlischer Krakenwesen.
    https://dalle.party/?party=lHNDUvtp

  • Das erinnert mich an das Partyspiel Telestrations, bei dem Spieler abwechselnd ein Bild zeichnen und beschreiben, was sie gesehen haben. Wenn man den Prompt liest, stellt man sich schon das nächste Bild vor, und das Ergebnis zu sehen ist lustig.
    Schön wäre hier auch ein anderer Ansichtsmodus, der das Bild und dann den nächsten Prompt zeigt. Wenn erst per Button das nächste Bild aufgedeckt würde, könnte man sich beim Lesen des Prompts im Kopf ein Bild vorstellen.
    Update: Gerade gesehen, dass man diesen Effekt bekommt, wenn man in den Mobilmodus wechselt oder das Fenster kleiner macht. Man liest den Prompt und scrollt dann nach unten, um das Bild zu sehen.

  • Ich hatte erwartet, dass es schnell in eine surreale Richtung abdriftet, aber stattdessen endete es eher in einem allmählichen technischen Verfall
    Start-Prompt:
    „Ein futuristischer Hybrid aus Dampflokomotive und DaVincis Flugmaschine“
    Ergebnis:
    https://dalle.party/?party=14ESewbz
    Ergänzend, falls sich jemand fragt, wie die Kosten mit der Anzahl der Iterationen steigen: Für die insgesamt 10 Iterationen dieses Ergebnisses wurden dem Credit-Guthaben $0.21 berechnet

    • Ich habe mit demselben Start-Prompt einen zweiten Durchlauf gemacht und diesmal den Modifikator „kreativer machen“ verwendet. Es macht einen Unterschied, und es ist interessant zu sehen, welche Teile des Prompts oder Bildes im Verlauf der Evolution stärker hervortreten
      Start-Prompt: „Ein futuristischer Hybrid aus Dampflokomotive und DaVincis Flugmaschine“
      Ergebnis: https://dalle.party/?party=qLHPB2-o
      Kosten: $0.44 für 8 Iterationen — es sieht so aus, als bekäme die API neben den Ausführungen noch zusätzliche Aufrufe. Ich habe in einem anderen Browser und auf einem anderen Rechner geprüft, dass der Share-Link den Key nicht weitergibt, aber warum das so ist, weiß ich nicht genau
    • Mir gefällt, dass bei Nr. 9 der Waggon Feuer gefangen hat oder zumindest übermäßig dampft
      Die Bilder sind erstaunlich, aber solche Dinge entdeckt man ziemlich oft, und dann reißt es einen etwas aus der Immersion
      Nr. 3 und Nr. 4 sind auch gut, allerdings ist dort Rauch auf den Schienen zu sehen, aber nicht am Zug

  • Ich habe es mit dem Start-Prompt „Eine künstliche Intelligenz, die sich selbst zeichnet“ erstellt: https://dalle.party/?party=wszvbrOx
    Es zeigt immer wieder einen Roboter, der auf eine Leinwand malt. Die ersten 4 Bilder sind Roboterzeichnungen, die nächsten 3 Galaxien und die letzten 2 Landschaften

    • Ich habe etwas Ähnliches ausprobiert. Interessanterweise war Bild 2 das, was ich wollte, danach wurde es seltsam
      https://dalle.party/?party=C2w7zuwe
    • In einigen Bildern wirkt das Aussehen des Roboters stark von der I, Robot-Verfilmung mit Will Smith beeinflusst

  • Es ist cool zu sehen, dass bestimmte Prompts und Themen, wie im gnome-Beispiel, relativ stabil erhalten bleiben. „Eine Katze, die Mäusen eine Vorlesung hält“ driftet dagegen schnell in einen seltsamen surrealen Faultier-Bananen-Bereich ab
    Meine Vermutung: „gnome + Kunststil + Pilze“ kann aus den Trainingsdaten mehr konkrete Beispiele heranziehen, während die KI bei einer merkwürdigen Situation wie dem Katzenbeispiel breiter suchen muss, um das Bild auszuschmücken

  • Es gibt auch den Abstieg in den Corgi-Wahnsinn: https://dalle.party/?party=oxXJE9J4

    • Das Meme, dass alles ein Weltraum/Space-Thema bekommt, war wohl echt
    • Das gefällt mir. Ich habe es mit „Meerkat“ geforkt, und es endete ziemlich psychedelisch
      Eine Weile hing es in Van Goghs „Starry Night“ fest
      https://dalle.party/?party=LOcXREfq
      Und mir gefällt die Einfachheit dieser Idee. Schön wäre eine „fork“-Option und ein Graph, auf dem man sehen kann, wo es angefangen hat
    • Mir gefällt, wie es beim dritten Bild ziemlich dramatisch abbiegt. Dieser Truck sieht definitiv so aus, als würde er den Corgi erwischen; die gewalttätige Fantasie hat in meinem Kopf eine klare Szene erzeugt
      Im nächsten Bild ändert DALL-E dann aber seine Meinung und setzt den Truck auf eine andere Spur
    • Soll ich das also so verstehen, dass der Corgi rein durch GPT-4s Interpretation des Bildes entstanden ist?

  • Der Prompt „eine Textversion des Bildes erstellen“ ist extrem wichtig
    Ich habe drei Varianten ausprobiert, die Demos sehen so aus:
    Standard
    https://dalle.party/?party=JfiwmJra
    Sehr lang + maximale Detailbeschreibung + Kompression — zeigt, dass man ein sehr ähnliches Bild ziemlich gut reproduzieren kann, wenn genug Text vorhanden ist
    https://dalle.party/?party=QtEqq4Mu
    Sehr lang + maximale Detailbeschreibung + Kompression + Anweisung, das auf 12 Wörter zu reduzieren — sieht okay aus, scheint aber zu viele Details zu verlieren
    https://dalle.party/?party=0utxvJ9y
    Insgesamt sind das extreme Content-Filtering und die falschen Fehlermeldungen nicht so toll. Es kann in Zukunft besser werden. Wenn man einen zu langen oder riskanten Prompt schickt oder das generierte Bild zufällig zu riskant wird, wird einem das manchmal tatsächlich mitgeteilt, manchmal wird aber auch vorgegaukelt, man sei ans Request-Limit gestoßen. Gelegentlich stößt man wirklich ans Request-Limit
    Außerdem kann man das Request-Limit nicht erhöhen, bevor man nachgewiesen hat, dass man OpenAI bereits mehr als einen bestimmten Betrag gezahlt hat. Als Methode, um zu verhindern, dass neue Nutzer versehentlich Limits in Höhe von Tausenden Dollar verbraten, ergibt das bis zu einem gewissen Grad Sinn
    Superdetail-Prompt:
    Look at this image and extract all the vital elements. List them in your mind including position, style, shape, texture, color, everything else essential to convey their meaning. Now think about the theme of the image and write that down, too. Now write out the composition and organization of the image in terms of placement, size, relationships, focus. Now think about the emotions - what is everyone feeling and thinking and doing towards each other? Now, take all that data and think about a very long, detailed summary including all elements. Then "compress" this data using abbreviations, shortenings, artistic metaphors, references to things which might help others understand it, labels and select pull-quotes. Then add even more detail by reviewing what we reviewed before. Now do one final pass considering the input image again, making sure to include everything from it in the output one, too. Finally, produce a long maximum length jam packed with info details which could be used to perfectly reproduce this image.
    Finale Reduktion auf 12 Wörter:
    NOW, re-read ALL of that twice, thinking deeply about it, then compress it down to just 12 very carefully chosen words which with infinite precision, poetry, beauty and love contain all the detail, and output them, in quotes.

    • Mir gefällt der Prompt. Ein paar Ergebnisse sehen so aus:
      https://dalle.party/?party=Vwuu9ipd
      https://dalle.party/?party=Pc3g4Har
      Mein Bauchgefühl sagt, dass der Teil mit „poetry“ das Bild ein wenig in eine kitschige Richtung kippen lässt
    • 4
      Von GPT-4 Vision aus dem vorherigen Bild erzeugter Prompt:
      I'm sorry, I cannot assist with this request.
      Das Raumschiff sieht immer mehr wie eine Art Rucksack für ein RPG aus; vielleicht wurde die Anfrage deshalb als Bitte interpretiert, einen Prompt zum Erstellen eines Waffenbildes zu beschreiben, und als unsicher eingestuft?
    • Es ist sehr wahrscheinlich, dass das explizite Nennen mehrerer Review-Schritte im Prompt kein Ersatz dafür ist, diese Schritte tatsächlich auszuführen

  • Die Ergebnisse waren verrauschter als erwartet, aber das Konzept gefällt mir
    https://dalle.party/?party=bxrPClVg
    https://dalle.party/?party=mmBxT8G-
    https://dalle.party/?party=kxra0OKY (beim letzten Prompt erschien eine Content-Warnung)
    https://dalle.party/?party=Q8VYXU0_

    • Der Custom Prompt ist aktiviert. Vermutlich wurde er aktiviert, nachdem man sich etwas anderes angesehen und dann „start over“ gedrückt hat; da er nach dem Gegenkonzept fragt, dürfte das Rauschen deutlich stärker werden