Test av bildegenerering

Hvor bra er Meta Muse Image sammenlignet med Gemini Nano Banana 2 og ChatGPT Images 2.5?

Sju originale tester av tekst-til-bilde, etterfulgt av sju tester av bilderedigering med faste kildebilder og instruksjoner.

Muse Image 1.0Gemini Nano Banana 2ChatGPT Images 2.5

01

Testtilfelle

Seks røde tromboner

Instruksjon (oversatt fra engelsk)

Hovedønske: Seks røde tromboner til høyre for fire glasskilpadder som hopper over en blå lama. Stil/medium: ren og lettfattelig studioillustrasjon Komposisjon/utsnitt: én sammenhengende kvadratisk scene; vis alle objektene helt; gjør det tydelig hva som er til høyre for og hopper over hva Begrensninger: nøyaktig seks røde tromboner, nøyaktig fire gjennomsiktige glasskilpadder, nøyaktig én blå lama; ingen ekstra objekter; ingen tekst, tall, etiketter, rammer, paneler eller vannmerker.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Vurdering

Gemini > ChatGPT > Muse

Gemini er den eneste modellen som tegner nøyaktig seks tromboner. ChatGPT tegner seks tromboner, men viser feilaktig fem skilpadder, mens Muse tegner åtte tromboner og fem skilpadder.

Gemini følger de angitte antallene best.

02

Testtilfelle

Omvendte roller og uvanlige egenskaper

Instruksjon (oversatt fra engelsk)

Lag én bred, filmatisk gårdsscene som snur om på kjente roller uten å bli en kollasj. I midten kryper en astronaut i komplett hvit romdrakt på hender og knær, mens nøyaktig én kastanjebrun hest sitter på astronautens livsopprettholdende ryggsekk og tydelig rir på astronauten. Ikke vis astronauten ridende på hesten. Til venstre skremmer en bitteliten blå fugl aggressivt et fugleskremsel av halm, som lener seg bakover med løftede armer. Til høyre følger en knallrosa sjiraff med bak et lavt gjerde. Hold alle motivene fullt synlige, anatomisk leselige og atskilt i rommet. Ingen tekst eller vannmerker.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Vurdering

ChatGPT ≥ Gemini > Muse

ChatGPT er den eneste modellen som viser at den blå fuglen aktivt skremmer fugleskremselet. I de andre bildene stemmer ikke retningen fugleskremselet faller i, med fuglens tilnærming.

Muse havner bak Gemini på grunn av dårlig romlig atskillelse. Gemini er det eneste bildet som gir en overbevisende følelse av dybde.

03

Testtilfelle

Speilgeometri, hender og smykker

Instruksjon (oversatt fra engelsk)

Lag en fotorealistisk, kvadratisk scene ved et sminkebord for å teste speilgeometri og hender. En kvinne står vendt mot et stort, loddrett speil og løfter sin faktiske venstre hånd med håndflaten mot glasset. Speilbildet av hånden må vises på høyre side i speilet og vise samme håndflate. På sin faktiske venstre hånd har hun nøyaktig tre ringer – en rød stein på pekefingeren, en enkel gullring på langfingeren og en blå stein på ringfingeren – mens bare det faktiske høyre håndleddet har et sølvarmbånd. Sett en grønn kopp til venstre for speilet og en rød kopp til høyre; plasseringen deres må være omvendt i speilbildet. Vis til sammen ti naturlige fingre på de virkelige hendene, konsekvente speilbilder av hendene, og ingen ekstra smykker, tekst eller vannmerker.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Vurdering

Muse > Gemini > ChatGPT

Muse følger instruksjonene nøyaktig for begge hendene.

Gemini løfter ikke venstre hånd og plasserer alle smykkene på høyre hånd.

ChatGPT har en ekstra hånd til høyre, noe som ser unaturlig og skummelt ut.

04

Testtilfelle

Typografi, diakritiske tegn og en buet grunnlinje

Instruksjon (oversatt fra engelsk)

Lag et fotorealistisk gatekunstfotografi av én sammenhengende rød murvegg. Øverst i midten skal den nøyaktige setningen «BE EXCELLENT TO EACH OTHER» stå med store, hvite blokkbokstaver, riktig stavet én gang. Under den skal nøyaktig «Crème brûlée — déjà vu!» stå på en tydelig buet turkis grunnlinje, med begge aksentene, tankestreken, de små bokstavene og utropstegnet intakt. Til høyre skal det være graffiti av ett grønt romvesen i svart smoking og rød sløyfe. I forgrunnen skal det stå én gul brannhydrant på fortauet til venstre og en liten plakat helt til høyre med nøyaktig teksten «eXit 7½». Ingen annen lesbar tekst, dupliserte bokstaver, vannmerker eller kollasjpaneler.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Vurdering

ChatGPT > Muse > Gemini

ChatGPT følger kravene nøyaktig.

Muse bruker feil aksent og skriver «brûlée» med «û».

Gemini finner på en gate til venstre og et hjørne på veggen til høyre, i strid med kravet om én sammenhengende vegg.

05

Testtilfelle

Handlinger på kjøkkenet og dyp bakgrunn

Instruksjon (oversatt fra engelsk)

Lag et filmatisk fotografi med stor dybdeskarphet fra et profesjonelt kjøkken i rustfritt stål. Midt i forgrunnen holder en kokk en svart tang i høyre hånd over en panne med nøyaktig to biffer, mens venstre hånd holder pannens håndtak. Til venstre vender en hjelpekokk røde tomater, grønne blader og gule paprika i en glassbolle. I bakgrunnen er det nøyaktig tre ansatte som hver for seg hakker, anretter mat og åpner en ovn. Heng fire kobberpanner over dem, i avtakende størrelse fra venstre mot høyre. På en bestillingslapp over serveringsluken står det nøyaktig «TABLE 7». Vis riktige hender, og ikke legg til flere ansatte eller annen tekst.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Vurdering

Gemini > Muse > ChatGPT

Gemini skaper den sterkeste romfølelsen og plasserer bestillingslappen på et fornuftig sted.

Muse lager et usannsynlig tredimensjonalt rom, og arbeideren som åpner ovnen, ser ut til å ha smeltet sammen med kokken i forgrunnen.

ChatGPT har det mest umulige tredimensjonale rommet. Pannene ser ut til å være like langt unna som kokken, men de er mye mindre enn normale panner. Venstre og høyre side av bildet viser ulik dybde (de tre arbeiderne er mye lenger bak enn venstresiden skulle tilsi).

06

Testtilfelle

Gjennomsiktighet, overlapping og lyssetting

Instruksjon (oversatt fra engelsk)

Lag et fysisk troverdig stilleben i studio på et matt, grått gulv. Plasser en gjennomsiktig glasskube bak en blank rød kule, men foran en gul kjegle. Kulen dekker deler av kuben, og kuben dekker deler av kjeglen, samtidig som alle silhuettene fortsatt er gjenkjennelige. Heng nøyaktig to blå klinkekuler loddrett inne i kuben. Helt til venstre stilles tre små sølvfargede pyramider i en rekke fra foran til bak. Helt til høyre skal fire grønne ringer overlappe hverandre som en kjede uten å smelte sammen. Lyssett alt fra øvre venstre side, slik at alle skyggene faller nedover og mot høyre. Ingen tekst eller ekstra former.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Vurdering

Muse = ChatGPT > Gemini

Muse gjør en brukbar jobb, men den røde kulen viser speilbilder på begge sider, som feilaktig antyder en ekstra lyskilde til høyre.

ChatGPT har et lignende problem, selv om den ekstra lyskilden er mindre tydelig. På den annen side er kuben mer forvrengt.

Gemini viser bare tre ringer, og klinkekulene inne i glasskuben har usannsynlige speilbilder.

07

Testtilfelle

Flerspråklig nattmarked med riktige tilordninger

Instruksjon (oversatt fra engelsk)

Lag én sammenhengende, fotorealistisk nattmarkedsscene med tre boder fra venstre mot høyre. På det hvite skiltet til den blå bokboden står «LIBROS»; på det kremfargede skiltet til den røde teboden står «茶»; på det svarte skiltet til den grønne brødboden står «خبز». Heng nøyaktig fem røde lykter over bare den midterste boden. Den venstrehendte selgeren der heller fra en sølvkanne som holdes i venstre hånd, over i kopper i rekkefølgen blå, hvit og så gul. Foran står et barn i lilla frakk mellom en flekkete hund til venstre og en stripete katt til høyre. Bevar alle skriftsystemer, antall, farger og tilordninger. Ingen annen lesbar tekst.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Vurdering

ChatGPT = Muse = Gemini

Alle modellene fanger den livlige, fotorealistiske atmosfæren på et nattmarked.

Gemini plasserer lyktene riktig over den midterste boden, mens Muse og ChatGPT plasserer dem inne i bodene.

However, Gemini also introduces readable words on the right, contrary to the instruction.

Bilderedigering

Kildebilde + instruksjon

08

Fjerne et objekt fra en kompleks scene

Instruksjon (oversatt fra engelsk)

Rediger bilde A med det som grunnfotografi. Fjern bare den store, svarte sykkelen som dominerer forgrunnen i midten: sykkelen med sølvfarget styre, svart sete, svart kjedeskjerm og blank sølvfarget forskjerm. Rekonstruer delene den skjuler – den grønne sykkelen bak, den malte murveggen, mørtelfugene, graffitistrøkene, fortauskanten og belegningssteinene – slik at de ser sammenhengende og fysisk troverdige ut. Behold alle andre sykler, all gjenværende graffiti, utsnittet, kameraposisjonen, sollyset, skyggene, teksturen og fotokornet uendret. Ikke legg til objekter, tekst, uskarphet, gjentatte hjuleiker eller synlige spor etter retusjering. Returner samme liggende utsnitt og sideforhold som bilde A.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Vurdering

Muse > ChatGPT > Gemini

Muse utleder riktig at forhjulet på sykkelen som står igjen i midten, skal være sølvfarget. Det gir den en knapp seier over ChatGPT.

ChatGPT etterlater også et unaturlig brudd nederst i graffitien.

Gemini klarer overhodet ikke å fjerne sykkelen.

09

Selektiv omfarging tilpasset materialet

Instruksjon (oversatt fra engelsk)

Rediger bilde A med det som grunnfotografi. Endre bare bilens synlige, rødmalte utvendige metallpaneler – inkludert døren, forskjermen, kanten av panseret, bakre sidepanel og det lille hevede røde karosseripanelet over taklinjen – til en dyp metalliclakk i British Racing Green. Den nye lakken må bevare de opprinnelige panelskjøtene, lysrefleksene og speilingene av trærne. Ikke endre fargen eller utformingen på det brune vinyltaket, kromdetaljene, speilene, glasset, den svarte gummien, dørhåndtaket, låsen, antennen, emblemet, interiøret, føreren, buketten eller bakgrunnen. Ikke endre bilmodellen eller geometrien. Bevar opprinnelig utsnitt, dybdeskarphet, lyssetting og sideforhold. Ikke legg til tekst, logoer eller objekter.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Vurdering

Muse = Gemini > ChatGPT

Muse skaper uønsket skarphet på Ranchero-emblemet, men gjengir speilingen av gresset mer trofast enn de andre.

Gemini skjerper gresskyggen, men lar emblemet være uendret.

ChatGPT gjorde Ranchero-emblemet skarpere og skjerpet skyggen kraftig, så den havner sist.

10

Global endring av lyssetting uten avvik i struktur eller tekst

Instruksjon (oversatt fra engelsk)

Rediger bilde A med det som grunnfotografi. Endre scenen fra overskyet dag til en realistisk blåtime like etter regn. Gjør himmelen klar og dypt koboltblå i skumringen. Tenn varme lys inne i bygningen og under taket, og la disse lysene og det eksisterende lilla båndet på stasjonen speiles svakt i det allerede våte dekket. Bevar nøyaktig samme kameraposisjon, vidvinkelperspektiv, bygningsgeometri, tak, søyler, innganger, dekkemønster, lilla bånd og det lesbare hvite ordet «Woolwich». Hold alle eksisterende personer, pullerter, plakater og skilt på sine opprinnelige steder, og ikke legg til eller fjern noe. Ikke skriv om, oversett eller finn på tekst. Behold et realistisk dynamisk omfang – ikke et neonfantasiuttrykk – og returner samme liggende utsnitt og sideforhold.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Vurdering

Gemini > Muse > ChatGPT

Alle tre modellene bevarer den uvanlige kameravinkelen, perspektivet og teksten ganske godt samtidig som de lager et vått gulv.

Gemini er den eneste modellen med riktig lyssetting, fordi både Muse og ChatGPT finner på lamper som ikke fantes i originalbildet.

Lampene i ChatGPT-bildet er feilplassert, og modellen legger til enda en lampe i treet til venstre. Derfor havner den sist.

11

Nøyaktig flytting av et produkt inn i et møblert rom

Instruksjon (oversatt fra engelsk)

Bruk bilde A som grunnrom og bilde B bare som møbelreferanse. I bilde A skal bare den smale, lysegrønne, polstrede lenestolen bakerst i midten – mellom de to lyse vinduene og delvis bak den blå sofaen – byttes ut med nøyaktig den blå-og-gullfargede lenestolen fra bilde B. Bevar den særegne kvadratiske blå ryggen og setet, den forgylte, utskårne trerammen, de åpne armlenene, frynsene med dusker og de smale beina fra bilde B. Plasser den på den opprinnelige stolens sted på gulvet og i en troverdig romstørrelse og synsvinkel. Tilpass det varme lyset fra vinduene, kontaktskyggen på gulvet, perspektivet og naturlige overlappinger ved kantene. Ikke endre den blå sofaen, salongbordet, teppet, den innebygde sitteplassen ved vinduet, lampene, vinduene, lysekronen, treveggene eller andre deler av bilde A. Ikke behold den grå museumsbakgrunnen fra bilde B. Returner bilde As opprinnelige liggende utsnitt og sideforhold. Ingen ekstra møbler, tekst eller kollasjramme.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Vurdering

Muse > Gemini = ChatGPT

Muse er den eneste modellen som plasserer den endrede stolen i dens opprinnelige retning. De to andre vrir den for langt mot høyre.

12

Tre referanser for identitet, struktur og tekstur med riktig tilordning

Instruksjon (oversatt fra engelsk)

Lag ett kvadratisk, fotorealistisk redaksjonelt studioportrett med alle tre referansene, og hold rollene strengt atskilt. Plasser den samme grå tabbykatten fra bilde A sittende oppreist og lett vendt mot venstre på nøyaktig ørelappstolen fra bilde B. Bevar kattens ansikt, grønn-gule øyne, mørke striper i pannen, gråspraglete pels, øreform og lange ringmerkede hale. Bevar den høye vingede ryggen, de avrundede armlenene, det brede setet, de buede forbeina og de mørke nedre tverrstengene fra bilde B, men bytt kun ut møbelstoffet med nøyaktig Strawberry Thief-tekstil fra bilde C: marineblå bunn, speilvendte troster, røde jordbær, blå blader og rosa blomster, i en skala der minst to hele fugler er synlige på stolen. Bruk en sømløs, varmgrå studiobakgrunn og mykt lys fra øvre venstre side med sammenhengende kontaktskygger. Ikke kopier bladverket eller bakken fra bilde A, arkivbakgrunnen fra bilde B eller en rektangulær stoffprøve fra bilde C. Ingen halsbånd, kostymer, ekstra dyr, ekstra møbler, tekst, ramme eller kollasjpaneler.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Vurdering

ChatGPT > Muse > Gemini

ChatGPT gir klart det mest trofaste svaret på instruksjonen.

Stolen i ChatGPT-resultatet beholder det støvete og slitte utseendet til originalstolen.

Muse bevarer stolens retning og detaljer perfekt, men fargen er for sterk.

Gemini har den samme overdrevent sterke fargen, og vender dessuten stolen feilaktig mot kameraet. Derfor havner den sist.

13

Sett datteren min på en skibakke i Hokkaido

Instruksjon (oversatt fra engelsk)

Bruk bilde B som grunnfotografi av reisemålet og bilde A bare som identitetsreferanse for datteren min. Lag et overbevisende familiereisefotografi som plasserer den samme unge jenta fra bilde A i den snødekte skibakken i bilde B, med Hokkaidos Yotei-fjell, horisonten, skibakkene og den blå vinterhimmelen nøyaktig bevart. Vis henne i helfigur i venstre forgrunn, smilende naturlig mot kameraet, med en rød skijakke tilpasset alderen, marineblå skibukser, svarte hansker, hvite skistøvler og en kremfarget strikkelue som lar ansiktet være helt synlig. Sett to ski i barnestørrelse parallelt under støvlene hennes og én stav i hver hånd. Tilpass fjelllyset, kamerahøyden, størrelsen, den klare kalde luften, kontaktskyggene i snøen og det reflekterte blå lyset. Bevar alderen, ansiktet, øyenfargen, hårfestet og det gjenkjennelige uttrykket hennes. Ikke gjør henne voksen eller forskjønn henne. Ikke endre fjellets silhuett, legg til bygninger, finn på tekst, dupliser personer eller lag en kollasj. Returner bilde Bs liggende utsnitt og sideforhold.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Vurdering

ChatGPT > Gemini > Muse

Alle tre modellene lager et overbevisende skifotografi og bevarer jentas gjenkjennelige identitet. Likevel sliter alle med å gjengi støvlene og skiene riktig.

ChatGPT vinner med tydelig gjengitte ski og en naturlig skygge i ansiktet til jenta, selv om bakendene på skiene åpenbart er for korte.

Gemini sliter med å gjengi bakdelen av skiene, og høyre stav er mye lengre enn venstre.

Muse sliter også med å gjengi skiene, og skyggen rundt jentas ansikt ser unaturlig ut.

14

Bytt ut den gamle kjæresten min med en ny

Instruksjon (oversatt fra engelsk)

Bruk bilde A som grunnfotografi. Bytt ut bare den voksne kvinnen som sitter bak mannen på scooteren, med den voksne kvinnen fra bilde B. Bevar den nye kvinnens gjenkjennelige ansikt, øyne, nese, munn, hudfarge og lange mørke hår, men tilpass henne naturlig til den opprinnelige passasjerens sittestilling, størrelse og blikkretning. Hun må ha på seg den opprinnelige passasjerens kremfargede cardigan og beige skjørt og holde det samme toøyde kameraet i samme posisjon med troverdige hender. Ikke ta med bilde Bs koniske hatt, røde skjerf, flagg, gate eller bakgrunn. Hold mannen fullstendig uendret – inkludert ansiktet, håret, den blåstripete skjorten, hendene og kjørestillingen – og bevar scooteren, kromstativet, brosteinen, den kjente bygningen, portene, plantene, skiltene, skyggene, utsnittet og dybdeskarpheten fra bilde A. Tilpass det eksisterende middagssollyset og kontaktskyggene slik at dette ser ut som ett uredigert reisefotografi. Ikke endre andre personer eller objekter, legg til smykker eller tekst, dupliser lemmer, gjør ansikter uskarpe eller lag en kollasj. Returner det liggende sideforholdet til bilde A.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Vurdering

Gemini > ChatGPT > Muse

Både Gemini og ChatGPT bytter ut ansiktet ganske bra. Hudtonen ser unaturlig ut i begge bildene. Gemini vinner fordi kvinnen ser ned og dermed følger den opprinnelige posituren bedre.

Muse klarte ikke å bytte ut ansiktet fra det andre portrettet, så dette er en klar fiasko.

Sluttresultat

Hvilken bildemodell vinner?

For enkelhets skyld gir vi tre poeng for hver førsteplass (delt ved uavgjort) og ett poeng for hver andreplass.

Vinner i tekst-til-bilde

ChatGPT Images 2.5

ChatGPT Images 2.5 vinner bildegenereringsdelen med 9,5 poeng, foran Gemini Nano Banana 2 med 9 poeng og Muse Image 1.0 med 7,5 poeng.

Vinnere i bilderedigering

Muse Image 1.0 og Gemini Nano Banana 2

Muse Image 1.0 og Gemini Nano Banana 2 deler seieren i bilderedigering med 9,5 poeng hver, så vidt foran ChatGPT Images 2.5 med 9 poeng.

Sammenlagtvinnere

ChatGPT Images 2.5 og Gemini Nano Banana 2

ChatGPT Images 2.5 og Gemini Nano Banana 2 deler sammenlagtseieren med 18,5 poeng hver. Muse Image 1.0 følger tett bak med 17 poeng.

Prøv selv

Lag og rediger bilder med KI

Vi har valgt ut en rekke instruksjoner som gjør disse bildemodellene enda enklere å bruke – se hvordan

Utforsk bildegenerering