Show HN: วงจรป้อนกลับของ Dalle-3 และ GPT4-Vision

 (dalle.party)
1 คะแนน โดย GN⁺ 2023-11-28 | 1 ความคิดเห็น | แชร์ทาง WhatsApp

ปาร์ตี้แปลงภาพ DALL·E

  • DALL·E มีปาร์ตี้สำหรับการแปลงภาพ
  • หัวข้อภาพที่ผู้ใช้ชื่นชอบมี เช่น 'โนม', 'ชาวไซบีเรียสูงวัย', 'แมวประหลาด' เป็นต้น
  • สามารถใช้คีย์ OpenAI API เพื่อสร้างภาพจากพรอมป์ต์ตั้งต้นได้

การตั้งค่าขั้นสูง

  • ผู้ใช้สามารถปรับกระบวนการสร้างภาพได้ผ่านการตั้งค่าขั้นสูง เช่น จำนวนรอบการทำซ้ำ
  • สามารถปรับแต่งได้ด้วยการใช้พรอมป์ต์วิชันของ GPT-4 เพื่อเปลี่ยนพรอมป์ต์พื้นฐาน หรือทำให้สนุกขึ้น แปลกขึ้น สร้างสรรค์ขึ้น หรือเปลี่ยนทุกอย่างให้เป็นแมว

ความเห็นของ GN⁺

  • ประเด็นสำคัญที่สุดของบทความนี้คือ สามารถใช้ DALL·E เพื่อสร้างภาพได้หลากหลายและแปลงให้เป็นไปตามที่ผู้ใช้ต้องการ
  • ความสามารถในการสร้างภาพแบบสร้างสรรค์และเฉพาะบุคคลมอบประสบการณ์ที่น่าสนใจให้ผู้คน และอาจมองได้ว่าเป็นตัวอย่างที่แสดงถึงความก้าวหน้าของเทคโนโลยีและความเป็นไปได้ของปัญญาประดิษฐ์

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 2023-11-28
ความคิดเห็นจาก Hacker News

  • สนุกมากที่ได้ดูว่าเกิดอะไรขึ้นกับลำดับภาพเมื่อค่อย ๆ ปรับพรอมป์ต์ ได้แรงบันดาลใจจากโพสต์บน Twitter ล่าสุด[1] เลยลองตั้งให้เพิ่ม ความเข้มข้น ทุกครั้ง
    พรอมป์ต์เริ่มต้น หรืออย่างน้อยก็ธีมหลัก มาจากข้อเสนอของลูกคนหนึ่ง ลองชมฉากที่ความวุ่นวายของแพะธรรมดา ๆ เร่งระดับไปสู่ ความสยองขวัญระดับจักรวาลและความบ้าคลั่งวันสิ้นโลก ดูได้เลย สุดยอดจริง ๆ
    https://dalle.party/?party=vCwYT8Em
    [1]: https://x.com/venturetwins/status/1728956493024919604?s=20

    • “19 มกราคม 2024 วันที่เครื่องจักรยึดครองโลก
      ลูปไม่สิ้นสุดบนคอมพิวเตอร์ของอินฟลูเอนเซอร์นิรนามคนหนึ่งสั่ง GPT-5 ว่า ‘ทำให้มันเป็นแบบนั้นยิ่งขึ้นไปอีก’
      13 ชั่วโมงต่อมา แสงไฟทั่วโลกก็เริ่มดับลง”
    • ขอบคุณสำหรับแรงบันดาลใจ DALL-E สร้าง ภาพปีศาจ ได้เก่งจริง ๆ: https://imgur.com/a/ng2zWTo
      เหมือนในชุดข้อมูลจะมีเรื่องเกี่ยวกับซาตานมากผิดปกติ #tinfoilhat #deepstate
    • เด็กคนนั้นกำลังเล่น Goat Simulator อยู่เหมือนกันเหรอ? =D
    • ไอเดียที่ให้ เพิ่มความเข้มข้น ทุกครั้งนี่เยี่ยมมาก ทำให้ช่วงเย็นสนุกเลย
    • “ความวุ่นวายของแพะธรรมดา ๆ เร่งระดับไปสู่ความสยองขวัญระดับจักรวาลและความบ้าคลั่งวันสิ้นโลก” ฟังดูเหมือน Icon of Sin ที่ยิ่งอยู่บนโลกนานเท่าไรก็ยิ่งแข็งแกร่งขึ้นตามนั้นเลย
      ...ว้าว ดราม่ามากทีเดียว

  • มี พรอมป์ต์แบบกำหนดเอง ที่ลองใช้เองแล้วชอบมาก
    “คิดอย่างลึกซึ้งถึงทุกรายละเอียดของภาพ และทำให้เป็นรูปธรรม รวมถึงสไตล์ สี และแสง
    ขั้นตอนสุดท้ายคือบีบอัดสิ่งนั้นให้เหลือย่อหน้าเดียว
    ใช้ลักษณะที่เด่นที่สุดและภาษาที่ละเอียดอย่างยิ่ง บีบอัดความคิดนั้นเป็นหนึ่งย่อหน้าอย่างระมัดระวังมาก”
    https://dalle.party/?party=1lSMniUP
    https://dalle.party/?party=cEUyjzch
    https://dalle.party/?party=14fnkTv-
    https://dalle.party/?party=wstiY-Iw
    จงสรรเสริญบาซิลิสก์ ในที่สุดก็ติด ลิมิตคำขอ จนไปนอนได้เสียที

    • ของฉันก็กลายเป็น เหนือจริง อย่างรวดเร็วเหมือนกัน แต่ภาพที่หกค่อนข้างเจ๋งเลย https://dalle.party/?party=DNgriW_E
    • สิ่งที่น่าทึ่งแบบแทบไม่อยากเชื่อจริง ๆ คือ เงาในภาพถูกต้อง มันเป็นไปได้ยังไง? DALL-E มีคอมโพเนนต์สำหรับติดตามเงาจริง ๆ เหรอ?
    • https://dalle.party/?party=14fnkTv-
      น่าสนใจที่มีเพียงรอบทำซ้ำครั้งเดียวที่กล่องกระดาษลูกฟูกแบบมีบุคลิกเกือบทั้งหมดถูกวาดออกมาคล้าย Danbo: https://duckduckgo.com/?q=danbo+character&ia=images&iax=images
      แปลกใจมากที่มีตัวละครที่พอจำได้โผล่ออกมาท่ามกลางภาพแฟนตาซีเหล่านั้น
    • https://dalle.party/?party=1lSMniUP
      น่าสนใจมากที่ได้เห็นความสัมพันธ์ระหว่างหมาป่ากับหนูน้อยหมวกแดงเปลี่ยนจากบรรยากาศมืดหม่นคุกคามไปเป็น ความสัมพันธ์ที่สงบและเป็นมิตร
    • ภาพแฟร็กทัลสวยดี

  • ลองเล่นกับ แนวคิดตรงข้าม ก็สนุกไม่น้อย
    แมวธรรมดาตัวหนึ่งวิวัฒนาการเป็นแตงกวาที่กำลังนอนอยู่ แล้วสุดท้ายก็กลายเป็นโลกตรงข้าม
    https://dalle.party/?party=pqwKQVka
    การรวมตัวของสิ่งมีชีวิตปลาหมึกสวรรค์ที่เปี่ยมชีวิตชีวา
    https://dalle.party/?party=lHNDUvtp

  • นี่ทำให้นึกถึงเกมปาร์ตี้ Telestrations ที่ผู้เล่นผลัดกันวาดภาพและเขียนสิ่งที่ตัวเองเห็น การดูผลลัพธ์ตลกดีเพราะระหว่างอ่านพรอมป์ต์เราจะเดาภาพถัดไปไปด้วย
    อยากให้ที่นี่มีโหมดแสดงผลอีกแบบที่โชว์ทั้งภาพและพรอมป์ต์ถัดไปด้วย ถ้าต้องกดปุ่มก่อนภาพถัดไปจะโผล่ขึ้นมา ก็จะได้จินตนาการภาพในหัวระหว่างอ่านพรอมป์ต์
    อัปเดต: เพิ่งสังเกตว่าถ้าเข้าโหมดมือถือหรือย่อขนาดหน้าต่าง ก็ได้เอฟเฟกต์นี้เหมือนกัน แค่อ่านพรอมป์ต์แล้วเลื่อนลงไปดูภาพ

    • ทำให้นึกถึง exquisite corpse ที่แต่ละคนผลัดกันวาดส่วนหนึ่งหรือเขียนหนึ่งย่อหน้า และจะเห็นได้แค่ชิ้นล่าสุด (https://austinkleon.com/2020/07/02/exquisite-corpse/)

  • ตอนแรกคิดว่าเดี๋ยวก็คงหลุดไปทางเหนือจริงแบบสุดโต่งอย่างรวดเร็ว แต่กลับจบลงด้วย การเสื่อมถอยทางเทคนิค แบบค่อยเป็นค่อยไปมากกว่า
    พรอมป์ต์เริ่มต้น:
    “ไฮบริดล้ำอนาคตของรถจักรไอน้ำกับเครื่องบินของ DaVinci”
    ผลลัพธ์:
    https://dalle.party/?party=14ESewbz
    เสริมไว้อีกนิด เผื่อมีใครสงสัยว่าค่าใช้จ่ายเพิ่มขึ้นตามจำนวนรอบอย่างไร ผลลัพธ์นี้รันทั้งหมด 10 รอบและถูกหักจากเครดิตคงเหลือ $0.21

    • ลองรันครั้งที่สองด้วยพรอมป์ต์เริ่มต้นเดียวกัน และครั้งนี้ใช้ตัวปรับแก้ “ทำให้สร้างสรรค์ยิ่งขึ้น” ด้วย น่าสนใจที่ได้เห็นว่ามันต่างออกไป และระหว่างวิวัฒนาการนั้นส่วนไหนของพรอมป์ต์หรือภาพที่เด่นขึ้นมา
      พรอมป์ต์เริ่มต้น: “ไฮบริดล้ำอนาคตของรถจักรไอน้ำกับเครื่องบินของ DaVinci”
      ผลลัพธ์: https://dalle.party/?party=qLHPB2-o
      ค่าใช้จ่าย: 8 รอบที่ $0.44 — ดูเหมือนว่า API จะได้รับการเรียกเพิ่มเติมนอกเหนือจากตัวรันเอง ฉันทดสอบแล้วว่าลิงก์แชร์ไม่ได้ส่งต่อคีย์ โดยตรวจจากทั้งเบราว์เซอร์และเครื่องคนละชุดกัน แต่ก็ยังไม่แน่ใจว่าเพราะอะไร
    • ชอบตรงที่ภาพที่ 9 ดูเหมือนตู้โดยสารไฟไหม้ หรืออย่างน้อยก็มีไอน้ำพุ่งมากเกินไป
      ภาพพวกนี้น่าทึ่งนะ แต่ก็เจออะไรแบบนี้บ่อยพอสมควร แล้วมันก็ทำให้ความอินสะดุดไปหน่อย
      ภาพที่ 3 กับ 4 ก็ดีเหมือนกัน แต่เป็นตรงที่มีควันออกจากรางแทนที่จะออกจากรถไฟ

  • ลองสร้างโดยใส่พรอมป์ต์เริ่มต้นว่า “ปัญญาประดิษฐ์ที่กำลังวาดตัวเอง”: https://dalle.party/?party=wszvbrOx
    มันแสดงหุ่นยนต์ที่วาดภาพบนผืนผ้าใบต่อเนื่องกัน 4 ภาพแรกเป็นภาพหุ่นยนต์ 3 ภาพถัดมาเป็นกาแล็กซี และ 2 ภาพสุดท้ายเป็นภาพทิวทัศน์

    • ฉันก็ลองอะไรคล้าย ๆ กัน น่าสนใจตรงที่ภาพที่ 2 คือสิ่งที่ฉันอยากได้ แล้วหลังจากนั้นก็เริ่มเพี้ยน
      https://dalle.party/?party=C2w7zuwe
    • ในภาพบางภาพ รูปลักษณ์ของหุ่นยนต์ดูเหมือนได้อิทธิพลอย่างแรงจาก I Robot ฉบับภาพยนตร์ ที่มี Will Smith แสดง

  • เจ๋งดีที่ได้เห็นว่าพรอมป์ต์และธีมบางแบบคงเสถียรได้ค่อนข้างดี อย่างตัวอย่าง gnome แต่ “แมวที่กำลังสอนหนู” กลับหลุดไปสู่ดินแดนเหนือจริงของ สล็อตบานานา อย่างรวดเร็ว
    เดาเอาว่า “gnome + สไตล์ศิลปะ + เห็ด” น่าจะดึงตัวอย่างที่เฉพาะเจาะจงจากข้อมูลฝึกได้มากกว่า แต่ในสถานการณ์ประหลาดแบบตัวอย่างแมว AI คงต้องค้นกว้างขึ้นเพื่อปั้นภาพขึ้นมาเองเลยออกมาแบบนั้น

  • มีการถลำลงสู่ความบ้าคลั่งแบบ Corgi ด้วย: https://dalle.party/?party=oxXJE9J4

    • มีมที่ว่าทุกอย่างจะกลายเป็น ธีมอวกาศ/space นี่คงเป็นเรื่องจริงสินะ
    • อันนี้ดีนะ ฉันลองแตกแขนงด้วย “Meerkat” แล้วมันจบลงแบบ ไซเคเดลิก มาก
      มันติดอยู่กับ “Starry Night” ของ Van Gogh ไปพักใหญ่
      https://dalle.party/?party=LOcXREfq
      แล้วก็ชอบความเรียบง่ายของไอเดียนี้ด้วย ถ้ามีตัวเลือก “fork” กับกราฟที่ดูได้ว่าเริ่มมาจากตรงไหนก็คงดี
    • ชอบที่ภาพที่สามหักมุมค่อนข้างแรง รถบรรทุกคันนั้นดูเหมือนตั้งใจจะชนคอร์กีอย่างแน่นอน จินตนาการเชิงรุนแรงสร้างฉากที่ชัดเจนมากขึ้นมาในหัว
      แต่พอภาพถัดไป DALL-E ก็เปลี่ยนใจแล้วเอารถบรรทุกไปไว้อีกเลน
    • ถ้างั้นจะเข้าใจได้ไหมว่าคอร์กีนั้นเป็นสิ่งที่ GPT-4 ตีความจากภาพแล้วสร้างขึ้นมาล้วน ๆ?

  • พรอมป์ต์ประเภท “สร้างเวอร์ชันข้อความของภาพ” สำคัญมาก
    ทดลองอยู่สามแบบ และเดโมมีดังนี้
    ค่าเริ่มต้น
    https://dalle.party/?party=JfiwmJra
    แบบยาวมาก + รายละเอียดสูงสุด + บีบอัด — แสดงให้เห็นว่าถ้ามีข้อความมากพอ ก็สามารถสร้างภาพที่คล้ายมากขึ้นมาใหม่ได้ค่อนข้างดี
    https://dalle.party/?party=QtEqq4Mu
    แบบยาวมาก + รายละเอียดสูงสุด + บีบอัด + สั่งให้ย่อสิ่งนั้นเหลือ 12 คำ — ดูโอเค แต่เหมือนจะสูญเสียรายละเอียดไปมากเกินไป
    https://dalle.party/?party=0utxvJ9y
    โดยรวมแล้ว การกรองคอนเทนต์ที่เข้มงวดสุดโต่งกับข้อความผิดพลาดปลอม ๆ ไม่น่าประทับใจนัก อาจดีขึ้นได้ในอนาคต บางครั้งมันจะแจ้งจริง ๆ เมื่อส่งพรอมป์ต์ที่ยาวเกินไปหรือเสี่ยงเกินไป หรือเมื่อภาพที่สร้างออกมาดูอันตรายเกินไปแบบสุ่ม ๆ แต่บางทีก็แกล้งบอกว่าติดข้อจำกัดคำขอด้วย และบางครั้งก็ติดข้อจำกัดคำขอจริง ๆ
    นอกจากนี้ยังไม่สามารถเพิ่มข้อจำกัดคำขอได้จนกว่าจะพิสูจน์ว่าได้จ่ายเงินให้ OpenAI เกินจำนวนหนึ่งแล้ว ซึ่งก็พอฟังขึ้นในแง่ที่ช่วยป้องกันไม่ให้ผู้สมัครใหม่เผลอใช้วงเงินหลายพันดอลลาร์จนหมด
    พรอมป์ต์รายละเอียดสูงมาก:
    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.
    เวอร์ชันย่อสุดท้าย 12 คำ:
    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.

    • ชอบพรอมป์ต์นี้ ผลลัพธ์บางส่วนเป็นแบบนี้
      https://dalle.party/?party=Vwuu9ipd
      https://dalle.party/?party=Pc3g4Har
      ตามสัญชาตญาณรู้สึกว่าส่วน “poetry” ทำให้ภาพเอนเอียงไปทาง คิทช์ เล็กน้อย
    • 4
      พรอมป์ต์ GPT-4 Vision ที่สร้างจากภาพก่อนหน้า:
      I'm sorry, I cannot assist with this request.
      หรือเป็นเพราะยานอวกาศเริ่มดูเหมือนกระเป๋าเป้สำหรับเกม RPG มากขึ้นเรื่อย ๆ เลยถูกตีความว่าเป็นคำขอให้ช่วยบรรยายพรอมป์ต์สำหรับสร้างภาพอาวุธ จึงถูกมองว่า ไม่ปลอดภัย?
    • การระบุหลายขั้นตอนให้ทบทวนในพรอมป์ต์อาจไม่ได้ทดแทนการลงมือทำขั้นตอนเหล่านั้นจริง ๆ

  • ผลลัพธ์มี นอยส์ มากกว่าที่คาดไว้ แต่ชอบแนวคิดนี้
    https://dalle.party/?party=bxrPClVg
    https://dalle.party/?party=mmBxT8G-
    https://dalle.party/?party=kxra0OKY (พรอมป์ต์สุดท้ายมีคำเตือนคอนเทนต์ขึ้นมา)
    https://dalle.party/?party=Q8VYXU0_

    • เปิดใช้ custom prompt อยู่ น่าจะเปิดขึ้นมาเพราะไปดูอย่างอื่นแล้วกด “start over” ซึ่งมันกำลังขอ แนวคิดตรงข้าม อยู่ จึงน่าจะทำให้นอยส์เพิ่มขึ้นมาก