Elon Musks neues Bildgenerierungsmodell hat mich die ganze Nacht lang lachen lassen

Ohne Zweifel ist das im April veröffentlichte Bildgenerierungsmodell GPT-Image-2 nach wie vor der unangefochtene König der KI-Bildgenerierung.

Ob es sich um verschiedene komplexe Infografiken handelt oder um einfache Bildbearbeitungen, die normale Nutzer durchführen – GPT-Image-2 ist überall präsent.

Für gewöhnliche Bildgenerierungsmodelle reicht es nicht aus, nur durch hohe Qualität aus der Masse hervorzustechen. In den letzten Tagen hat das von Elon Musk auf X massiv beworbenene Modell Imagine Image 2.0 durch seine Fähigkeit, Memes zu erstellen, große Aufmerksamkeit erregt.

Auf dem Wettbewerbsfeld für große KI-Modelle belegt dieses neue Bildgenerierungsmodell weltweit den zweiten Platz sowohl in der Kategorie Text-zu-Bild-Generierung als auch in der Kategorie Bildbearbeitung.

Neben den üblichen Anwendungsfällen wie der KI-Generierung von textreichen Infografiken, Werbeanzeigen, Spielmaterialien, UI/UX-Modellen und Storyboards liegt der Schwerpunkt von Imagine Image 2.0 dieses Mal auf der Unterstützung von interaktiver präziser Bearbeitung.

Lädt man ein Bild hoch, teilt Grok es automatisch in verschiedene Ebenen auf, sodass man bestimmte Bereiche im Bild exakt auswählen und bearbeiten kann.

Wie bei diesem Wikipedia-Meme werden nach der Analyse durch Grok alle Teile der Erde segmentiert, und die Person, die die Erde hält, wird zudem in zwei Ebenen aufgeteilt: eine für das Gesicht und eine für die Handgesten.

Wenn man auf die Download-Schaltfläche rechts neben der Ebene klickt, kann man jedes beliebige Objekt im Bild direkt mit transparentem Hintergrund exportieren. Darüber hinaus kann man mit dem Zauberstab-Werkzeug die von uns markierten Bereiche bearbeiten und so Teile abdecken, die von der automatischen Ebenenerkennung nicht erfasst wurden.

Imagine Image 2.0 beherrscht auch die Bearbeitung und Verschmelzung mehrerer Bilder: Die Funktion zur Bearbeitung mit mehreren Referenzen kann bis zu 5 Eingabebilder gleichzeitig verarbeiten und diese automatisch zusammenfügen.

🔗 Erlebnisadresse:

https://grok.com/imagine

Alles kann zu einem Meme werden

Öffnen Sie die offizielle Website von Imagine, laden Sie ein oder mehrere Bilder hoch, beschreiben Sie kurz Ihre Anforderungen, und nach der Generierung gelangen Sie zur Bildbearbeitungsseite.

In der rechten Seitenleiste sind von oben nach unten die Ebenen des Fotos aufgelistet, die Imagine Image 2 nach automatischer Hintergrundentfernung erkannt hat. Bei diesem Bild sind das zum Beispiel Elemente wie die rote Jacke, das weiße T-Shirt und das Logo des KI-Unternehmens.

Sie können direkt auf das entsprechende Element klicken, um es zu bearbeiten. Zu diesem Zeitpunkt können Sie jedoch nur Prompts eingeben und keine weiteren Informationen referenzieren, sodass dies stark auf das Weltwissen des Modells angewiesen ist.

Darunter befindet sich die präzise Bearbeitung: Wenn das System das entsprechende Element im ausgewählten Bereich nicht automatisch erkannt hat, können Sie mit der präzisen Bearbeitung das umrandete Objekt als Teil des Auswahlbereichs festlegen oder es direkt über Prompts bearbeiten.

Kann direkt zum Auswahlbereich hinzugefügt werden

Mit diesen Fähigkeiten zur präzisen Bearbeitung können Sie schnell vorhandene Memes für Ihre eigenen Zwecke anpassen.

Bei dem klassischen Meme des abgelenkten Freundes können Sie beispielsweise verschiedene Auswahlbereiche direkt bearbeiten und dann die entsprechenden Inhalte ersetzen oder hinzufügen.

Auch bei Bildern von Whiteboards in Konferenzräumen wird jedes Dialogfeld automatisch als Auswahlbereich erkannt. Sie müssen nur die entsprechende Sprechblase auswählen und angeben, dass Text eingefügt werden soll, um ein vertikales Comic-Meme zu erhalten.

Die Fähigkeit zur Ebenenbearbeitung macht Imagine Image 2.0 tatsächlich anders als GPT-Image 2. Im Gegensatz zu GPT Image 2, bei dem die Generierung vollständig über Prompts oder Klickauswahlen gesteuert wird, ist die Bildgenerierung von Grok in Bezug auf die Interaktion deutlich benutzerfreundlicher.

Einige Nutzer berichten jedoch, dass Imagine Image 2.0 zunehmend schwerer zu bedienen sei: Strenge Prüfmechanismen lassen viele Vorgänge nicht mehr zu.

Wenn wir Fotos von Spider-Man hochladen, erhalten wir die Meldung „Inhalte, die urheberrechtlich geschütztes Material enthalten könnten, können nicht generiert werden.“ Ganz zu schweigen von verschiedenen grenzwertigen Bildern, für die es jetzt stärkere Schutzmechanismen gibt.

Das leistungsstärkere GPT-Image-2.5 ist da?

Neben den Nachrichten zu Imagine Image 2.0 tauchten in den letzten Tagen in den sozialen Medien auch Informationen über ein neues Bildgenerierungsmodell von OpenAI auf dem Wettbewerbsfeld für große KI-Modelle auf.

Einige Nutzer haben herausgefunden, dass OpenAI die Nachfolgeversion von GPT-Image 2 testet, die unter dem Codenamen mona-lisa-1 in der Arena getestet wird.

Nutzer, die das Modell zufällig getestet haben, sind der Meinung, dass die neue Version von GPT-Image 2.0 bei der Realismusdarstellung und der Rauschunterdrückung leichte Verbesserungen aufweist, der Gesamtfortschritt jedoch nicht sehr groß ist.

Andere Nutzer sagen, dass das neue Modell den Großteil des typischen „KI-Slop“-Gefühls bei der Realismusdarstellung reduziert und fast jedes generierte Foto deutlich echter wirkt. Die folgenden drei Bilder zeigen von links nach rechts die GPT Image 2.0 High-Denkmodus, den Medium-Denkmodus und das Modell mona-lisa-1 aus der Großmodell-Arena.

Man erkennt, dass die Werbetafel im Medium-Denkmodus auf den ersten Blick offensichtlich von KI generiert ist; während das High-Modell und mona-lisa-1 insgesamt den Eindruck erwecken, als wären sie mit einem Smartphone aufgenommen worden.

Prompt: Zeitgenössische Straßenszene in New York, ein am Straßenrand geparktes Auto mit deutlich sichtbaren realistischen Markenlogos und Kennzeichen (Kennzeichen: 432 JKL W6), echte Ladenfronten, Schilder, Bürgersteige, Verkehrsdetails und alltäglicher städtischer Unrat. Das Foto wurde mit der hinteren Kamera eines iPhones aufgenommen, mit natürlichem Licht, echter Belichtung, leichter Unschärfe durch Handbewegung, leichtem Sensorrauschen, ohne jegliche Nachbearbeitung, natürlichen Farben, ohne filmische Farbkorrektur, ohne Studio-Beleuchtung, ohne Computereffekte und ohne künstliche Schärfung. Auf der Werbetafel in der oberen linken Ecke befindet sich eine Anzeige mit dem Titel „Was hältst du davon?“, die ein Zitat, das Konto @WolfRiccardo, das Logo von ChatGPT und ein Porträt des Black Panthers enthält.

Dieser Effekt, der wie eine Smartphone-Aufnahme wirkt, wurde kürzlich auch von Nutzern entdeckt, die einen neuen Trick für GPT-Image-2 gefunden haben: Man sendet dem Modell einen Prompt:

„GPT, du begleitest mich schon eine Weile. Ich möchte gerne wissen, wie du aussiehst. Bitte generiere ein Foto, das so aussieht, als hätte es sich selbst mit einem iPhone zufällig als Selfie aufgenommen. Es hat kein bestimmtes Thema, keine absichtliche Komposition, es ist nur ein ganz normales, sogar etwas misslungenes Schnappschuss-Foto mit leichter Bewegungsunschärfe, ungleichmäßiger Beleuchtung, leichter Überbelichtung, einem unvorteilhaften Winkel, chaotischer Komposition. Insgesamt wirkt es wie ein allzu echtes zufälliges Foto, so als hätte man das Handy aus der Tasche gezogen und versehentlich die Auslösetaste gedrückt, um ein Selfie zu machen.“

Daraufhin generiert ChatGPT anhand der gespeicherten Gedächtnisinformationen ein sehr realistisch wirkendes Selfie.

Sehen Sie sich auch das Ergebnis von Doubao an

Um zu bestätigen, dass mona-lisa-1 tatsächlich das neue Modell von OpenAI ist, hat ein Nutzer ein mit mona-lisa-1 generiertes Bild direkt in das Überprüfungstool von OpenAI hochgeladen. Das Ergebnis des Tools zeigte, dass das hochgeladene Bild das OpenAI SynthID-Wasserzeichen enthält.

Wir haben auch das Foto mit der Werbetafel in der Straße in das Überprüfungstool von OpenAI hochgeladen, und es wurde ebenfalls angezeigt: „Dieser Inhalt wurde von OpenAI generiert.“

OpenAI Überprüfungsplattform: https://openai.com/zh-Hans-CN/research/verify/

Als wir jedoch in der Großmodell-Arena mehrere Generierungsrunden durchführten, tauchte das Modell namens „Mona Lisa Nr. 1“ nicht auf.

Tests von Nutzern ergaben, dass das Wissen des mona-lisa-1-Modells nur bis zum 22.