तस्बिर निर्माण बेन्चमार्क

Gemini Nano Banana 2 र ChatGPT Images 2.5 को तुलनामा Meta को Muse Image कत्तिको राम्रो छ?

सात वटा मौलिक टेक्स्ट-टु-इमेज मूल्याङ्कनहरू, त्यसपछि निश्चित स्रोत छविहरू र प्रम्प्टहरू प्रयोग गरेर सात वटा छवि-सम्पादन मूल्याङ्कनहरू।

Muse Image 1.0Gemini Nano Banana 2ChatGPT Images 2.5

01

परीक्षण केस

छ वटा रातो ट्रोम्बोनहरू

प्रम्प्ट (अंग्रेजीबाट अनुवादित)

प्राथमिक अनुरोध: एउटा नीलो लामामाथि उफ्रिरहेका चारवटा काँचका कछुवाहरूको दायाँतर्फ छवटा राता ट्रम्बोनहरू। शैली/माध्यम: सफा, स्पष्ट स्टुडियो चित्रकला रचना/फ्रेमिङ: एउटा सुसंगत वर्ग दृश्य; प्रत्येक वस्तुलाई पूर्ण रूपमा देखाउनुहोस्; दायाँतर्फ र माथि उफ्रिरहेको सम्बन्धलाई स्पष्ट बनाउनुहोस् प्रतिबन्धहरू: ठीक छवटा राता ट्रम्बोनहरू, ठीक चारवटा पारदर्शी काँचका कछुवाहरू, ठीक एउटा नीलो लामा; थप वस्तुहरू छैनन्; कुनै पाठ, सङ्ख्या, लेबल, बोर्डर, प्यानल वा वाटरमार्क छैन।

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
फैसला

Gemini > ChatGPT > Muse

Gemini मात्र एउटा यस्तो मोडल हो जसले ठ्याक्कै छ वटा ट्रोम्बोनहरू कोर्छ। ChatGPT ले छ वटा ट्रोम्बोनहरू कोर्छ तर गल्तीले पाँच वटा कछुवाहरू देखाउँछ, जबकि Muse ले आठ वटा ट्रोम्बोन र पाँच वटा कछुवाहरू कोर्छ।

Gemini ले अनुरोध गरिएका परिमाणहरूको सबैभन्दा बलियो पालना प्रदर्शन गर्दछ।

02

परीक्षण केस

भूमिका उल्टाउने र असामान्य विशेषताहरू

प्रम्प्ट (अंग्रेजीबाट अनुवादित)

कोलाज नबनाई परिचित भूमिकाहरूलाई उल्ट्याउने एउटा एकल फराकिलो सिनेमाटिक फार्म दृश्य सिर्जना गर्नुहोस्। केन्द्रमा, पूर्ण सेतो स्पेससूटमा रहेको एउटा अन्तरिक्ष यात्री हात र घुँडाले घस्रिरहेको छ भने ठीक एउटा खैरो घोडा अन्तरिक्ष यात्रीको लाइफ-सपोर्ट ब्याकप्याकमाथि चढेर स्पष्ट रूपमा सवार भइरहेको छ; अन्तरिक्ष यात्री घोडामा चढेको नदेखाउनुहोस्। देब्रेतिर, एउटा सानो नीलो चराले परालको भकुण्डोलाई आक्रामक रूपमा डराउँछ, जुन हात उठाएर पछाडि ढल्किन्छ। दाहिनेतिर, एउटा चम्किलो गुलाबी जिराफले होचो बारको पछाडिबाट हेरिरहेको छ। हरेक विषयलाई पूर्ण रूपमा दृश्यमान, शारीरिक बनावटको हिसाबले स्पष्ट र ठाउँको हिसाबले छुट्ट्याइएको राख्नुहोस्; कुनै पाठ वा वाटरमार्क हुनुहुँदैन।

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
फैसला

ChatGPT ≥ Gemini > Muse

ChatGPT मात्र यस्तो मोडल हो जसले नीलो चराले सक्रिय रूपमा भकुण्डोलाई डराएको देखाउँछ। अन्य छविहरूमा, भकुण्डो लड्ने दिशा चराको आगमनको दिशासँग मेल खाँदैन।

कमजोर स्थानिक विभाजनको कारण Muse Gemini भन्दा पछाडि पर्छ। Gemini मात्र एउटा यस्तो छवि हो जसले पत्यारिलो गहिराइ प्रदान गर्छ।

03

परीक्षण केस

ऐनाको ज्यामिति, हात र गहनाहरू

प्रम्प्ट (अंग्रेजीबाट अनुवादित)

ऐनाको ज्यामिति र हातहरूको परीक्षण गर्न डिजाइन गरिएको फोटोरियलिस्टिक वर्गाकार भ्यानिटी दृश्य सिर्जना गर्नुहोस्। एउटी महिलाले आफ्नो वास्तविक देब्रे हात उठाउँदै, हत्केला काँचतिर फर्काएर एउटा ठूलो ठाडो ऐनाको सामना गरिरहेकी छिन्; उनको हातको प्रतिबिम्ब ऐनाको दाहिने भागमा देखिनुपर्छ र सोही हत्केला देखाउनुपर्छ। उनको वास्तविक देब्रे हातमा ठीक तीनवटा औंठीहरू छन्—चोर औँलामा रातो पत्थर, माझी औंलामा सादा सुनको, साइँली औंलामा नीलो पत्थर—जबकि उनको वास्तविक दाहिने नाडीमा मात्र चाँदीको कडा छ। ऐनाको देब्रेतिर एउटा हरियो कप र दाहिनेतिर रातो कप राख्नुहोस्; तिनीहरूको प्रतिबिम्बित स्थिति उल्टो हुनुपर्छ। वास्तविक हातहरूमा कुल दशवटा प्राकृतिक औंलाहरू, सुसंगत प्रतिबिम्बित हातहरू, कुनै अतिरिक्त गहना, पाठ, वा वाटरमार्क नदेखाउनुहोस्।

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
फैसला

Muse > Gemini > ChatGPT

Muse ले दुवै हातका लागि निर्देशनहरू सटीक रूपमा पालना गर्छ।

Gemini ले बायाँ हात उठाउँदैन, र यसले सबै गहनाहरू दाहिने हातमा राख्छ।

ChatGPT को दायाँतर्फ एउटा थप हात छ, जुन अस्वाभाविक र डरलाग्दो छ

04

परीक्षण केस

टाइपोग्राफी, डाइयाक्रिटिक्स र एउटा घुमाउरो बेसलाइन

प्रम्प्ट (अंग्रेजीबाट अनुवादित)

एउटा निरन्तर रातो इट्टाको पर्खामा फोटोरियलिस्टिक स्ट्रिट-आर्ट फोटो सिर्जना गर्नुहोस्। माथिल्लो केन्द्रमा, ठूला सेतो ब्लक अक्षरहरूमा ठीक एक पटक सही हिज्जेमा अंग्रेजीको “BE EXCELLENT TO EACH OTHER” वाक्य पेन्ट गर्नुहोस्। यसको मुनि, स्पष्ट रूपमा घुमाउरो फिरोजा आधार रेखामा, दुवै चिन्ह (accents), एम ड्यास (em dash), साना अक्षरहरू, र विस्मयादिबोधक चिन्ह सही राखेर ठीक “Crème brûlée — déjà vu!” लेख्नुहोस्। दाहिनेतिर, कालो टक्सिडो र रातो बो टाइ लगाएको एउटा हरियो एलियनको ग्राफिटी समावेश गर्नुहोस्। अगाडिको भागमा, देब्रेपट्टिको फुटपाथमा एउटा पहेंलो फायर हाइड्रेन्ट र टाढा दाहिनेतिर ठीक “eXit 7½” लेखिएको सानो पोस्टर राख्नुहोस्। अन्य कुनै पढ्न योग्य पाठ, दोहोरिएका अक्षरहरू, वाटरमार्क, वा कोलाज प्यानलहरू हुनुहुँदैन।

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
फैसला

ChatGPT > Muse > Gemini

ChatGPT ले आवश्यकताहरूलाई पूर्ण रूपमा पालना गर्छ।

Muse ले गलत उच्चारण चिह्न (accent) प्रयोग गर्छ, "brûlée" लाई "û" को साथ लेख्छ।

Gemini ले बायाँतर्फ एउटा सडक र दायाँतर्फ एउटा पर्खालको कुना सिर्जना गर्छ, जुन माग गरिएको एकल निरन्तर पर्खालसँग बाझिन्छ।

05

परीक्षण केस

भान्साका कामहरू र गहिरो पृष्ठभूमि

प्रम्प्ट (अंग्रेजीबाट अनुवादित)

एउटा व्यावसायिक स्टेनलेस-स्टिलको भान्साभित्र डीप-फोकस सिनेमाटिक फोटो सिर्जना गर्नुहोस्। मध्य अगाडिको भागमा, एक सेफले दाहिने हातमा कालो चिम्टाले ठीक दुईवटा स्टेक भएको प्यानमाथि समातेका छन्, जबकि देब्रे हातले त्यसको ह्यान्डल समातेको छ। देब्रेतिर, एक सहायक सेफले काँचको कचौरामा रातो टमाटर, हरियो पात र पहेँलो खुर्सानी उचालिरहेका छन्। पृष्ठभूमिमा, ठीक तीन जना कामदारहरूले छुट्टाछुट्टै काट्दै, खाना पस्कँदै र ओभन खोल्दै छन्। तिनीहरूमाथि चारवटा तामाका प्यानहरू झुण्ड्याउनुहोस्, जुन देब्रेबाट दाहिनेतिर क्रमशः साना हुँदै गएका छन्। पासमाथिको अर्डर टिकटमा ठीक “TABLE 7” लेखिएको छ। सही हातहरू देखाउनुहोस् र कुनै अतिरिक्त कर्मचारी वा पाठ नदेखाउनुहोस्।

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
फैसला

Gemini > Muse > ChatGPT

Gemini ले स्थानिक गहिराइको सबैभन्दा बलियो अनुभूति गराउँछ र अर्डर टिकटलाई उपयुक्त स्थानमा राख्छ।

Muse ले एउटा अस्वाभाविक त्रि-आयामी (3D) ठाउँ बनाउँछ, र ओभन खोल्दै गरेको कामदार अगाडि उभिएको सेफसँग मिसिएको जस्तो देखिन्छ।

ChatGPT सँग सबैभन्दा असम्भव ३डी स्पेस छ। प्यानहरू सेफको जस्तै दूरीमा देखिन्छन्, तर ती सामान्य भन्दा धेरै साना छन्। छविको बायाँ र दायाँ भागले फरक गहिराइ देखाउँछ (३ जना कामदारहरू बायाँ भागले संकेत गरेभन्दा धेरै पछाडि छन्)।

06

परीक्षण केस

पारदर्शिता, अवरोध र लाइटिङ

प्रम्प्ट (अंग्रेजीबाट अनुवादित)

म्याट ग्रे भुइँमा भौतिक रूपमा सम्भाव्य स्टुडियो स्टिल लाइफ सिर्जना गर्नुहोस्। चम्किलो रातो गोलाको पछाडि तर पहेंलो शंकुको अगाडि एउटा पारदर्शी काँचको घन (क्युब) राख्नुहोस्। गोलाले घनलाई आंशिक रूपमा छेक्छ, र घनले शंकुलाई आंशिक रूपमा छेक्छ, जबकि सबै बाह्य रूपहरू चिन्न सकिने रहन्छन्। घनभित्र ठाडो रूपमा ठीक दुईवटा नीला कन्चा झुण्ड्याउनुहोस्। एकदमै देब्रेतिर, अगाडिदेखि पछाडिसम्मको लाइनमा तीनवटा साना चाँदीका पिरामिडहरू मिलाउनुहोस्। एकदमै दाहिनेतिर, नमिसिने गरी चेन जस्तै चारवटा हरिया औंठीहरू एकापसमा खप्ट्याउनुहोस्। माथिल्लो देब्रेतिरबाट सबै कुरामा प्रकाश पार्नुहोस् ताकि हरेक छायाँ तल र दाहिनेतिर परोस्। कुनै पाठ वा अतिरिक्त आकारहरू हुनुहुँदैन।

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
फैसला

Muse = ChatGPT > Gemini

Muse ले राम्रै काम गर्छ तर रातो गोलाले दुवै तर्फ परावर्तन देखाउँछ, जसले दायाँतर्फ दोस्रो प्रकाशको स्रोत रहेको गलत सङ्केत गर्छ।

ChatGPT मा पनि उस्तै समस्या छ, यद्यपि दोस्रो प्रकाश स्रोतको समस्या कम स्पष्ट छ। अर्कोतर्फ, यसको घन (क्युब) बढी विकृत छ।

Gemini मा तीनवटा रिङहरू मात्र समावेश छन्, र काँचको क्युबभित्रका मार्बलहरूमा अविश्वसनीय प्रतिबिम्बहरू छन्।

07

परीक्षण केस

बहुभाषी रात्रि बजारमा तत्वहरूको सही सम्बद्धता

प्रम्प्ट (अंग्रेजीबाट अनुवादित)

बायाँबाट दायाँ तीनवटा पसलहरू भएको एउटा निरन्तर फोटोरियलिस्टिक रात्रिकालीन बजारको दृश्य सिर्जना गर्नुहोस्। निलो किताब पसलको सेतो साइनबोर्डमा “LIBROS” लेखिएको छ; रातो चिया पसलको क्रिम रङको साइनबोर्डमा “茶” लेखिएको छ; हरियो पाउरोटी पसलको कालो साइनबोर्डमा “خبز” लेखिएको छ। बीचको पसलमाथि ठीक पाँचवटा रातो लालटिनहरू मात्र झुन्ड्याउनुहोस्। त्यसको देब्रेहाते बिक्रेताले देब्रे हातमा समातेको चाँदीको केतलीबाट क्रमबद्ध रूपमा निलो, सेतो, अनि पहेँलो कपहरूमा चिया खन्याउँछ। अगाडि, बायाँतिर थोप्ला भएको कुकुर र दायाँतिर धर्के बिरालोको बीचमा बैजनी कोट लगाएको एउटा बच्चालाई राख्नुहोस्। सबै लिपिहरू, संख्याहरू, रङहरू, र सम्बन्धहरू सुरक्षित राख्नुहोस्; अन्य कुनै पनि पढ्न सकिने पाठ नहोस्।

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
फैसला

ChatGPT = Muse = Gemini

सबै मोडेलहरूले राती बजारको व्यस्त, वास्तविक जस्तै देखिने वातावरणलाई कैद गर्छन्।

Gemini ले सही रूपमा बीचको स्टल माथि लालटिनहरू राख्छ, जबकि Muse र ChatGPT ले तिनीहरूलाई स्टलहरू भित्र राख्छन्।

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

तस्बिर सम्पादन

स्रोत छवि + प्रम्प्ट

08

जटिल दृश्यबाट वस्तु हटाउँदै

प्रम्प्ट (अंग्रेजीबाट अनुवादित)

छवि A लाई आधार तस्बिरको रूपमा प्रयोग गरेर सम्पादन गर्नुहोस्। अगाडिको मध्य भागमा प्रभुत्व जमाउने ठूलो कालो साइकल मात्र हटाउनुहोस्: चाँदीको ह्यान्डलबार, कालो गद्दी, कालो चेन गार्ड र चम्किलो चाँदीको अगाडिको फेन्डर भएको साइकल। यसले छुपाएका भागहरू—यसको पछाडिको हरियो साइकल, रङ लगाइएको इँटाको पर्खाल, गारोका रेखाहरू, ग्राफिटीका रेखाचित्रहरू, कर्ब र पेभिङका ढुङ्गाहरू—लाई पुनः निर्माण गर्नुहोस् ताकि ती निरन्तर र भौतिक रूपमा विश्वसनीय देखिऊन्। बाँकी प्रत्येक साइकल, प्रत्येक बाँकी रहेको ग्राफिटी मार्क, क्रप, क्यामेराको स्थिति, घाम, छाया, टेक्सचर र फोटोग्राफिक ग्रेन अपरिवर्तित राख्नुहोस्। वस्तुहरू, पाठ, धमिलोपन, दोहोरिएका ह्वील स्पोकहरू वा देखिने रिटचिङ प्याच नथप्नुहोस्। छवि A जस्तै ल्यान्डस्केप फ्रेमिङ र एस्पेक्ट रेसियो फिर्ता गर्नुहोस्।

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
फैसला

Muse > ChatGPT > Gemini

Muse ले बाँकी रहेको बीचको साइकलको अगाडिको पाङ्ग्रा चाँदीको हुनुपर्छ भन्ने सही अनुमान गर्छ, जसले गर्दा यो ChatGPT भन्दा अगाडि रहन्छ।

ChatGPT ले भित्तेचित्र (ग्राफिटी) को तल्लो भागमा अस्वाभाविक अन्तराल पनि छोड्छ।

Gemini साइकल हटाउन पूर्ण रूपमा असफल हुन्छ।

09

सामग्री अनुरूप चयनात्मक पुनः रङ्गाइ

प्रम्प्ट (अंग्रेजीबाट अनुवादित)

छवि A लाई आधार तस्बिरको रूपमा प्रयोग गरेर सम्पादन गर्नुहोस्। कारका देखिने रातो रङ लगाइएका बाहिरी धातुका प्यानलहरू—जसमा ढोका, अगाडिको फेन्डर, हुडको किनार, पछाडिको क्वार्टर प्यानल र छानाको रेखामाथि रहेको सानो रातो उठेको बडी प्यानल समावेश छ—लाई मात्र गाढा ब्रिटिश रेसिङ ग्रीन मेटालिक रङमा परिवर्तन गर्नुहोस्। नयाँ रङमा मूल प्यानलका जोडहरू, हाइलाइटहरू र रुखका प्रतिबिम्बहरू कायम हुनुपर्छ। खैरो भिनाइल छाना, क्रोम ट्रिम, ऐना, काँच, कालो रबर, ढोकाको ह्यान्डल, लक, एन्टेना, ब्याज, भित्री भाग, चालक, गुलदस्ता वा पृष्ठभूमि रङ फेर्ने वा पुनः डिजाइन नगर्नुहोस्। कारको मोडल वा ज्यामिति परिवर्तन नगर्नुहोस्। मूल क्रप, डेप्थ अफ फिल्ड, लाइटिंग र एस्पेक्ट रेसियो सुरक्षित राख्नुहोस्; कुनै पाठ, लोगो वा वस्तु नथप्नुहोस्।

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
फैसला

Muse = Gemini > ChatGPT

Muse ले Ranchero ब्याजमा अवांछित शार्पनिङ लागू गर्दछ, तर घाँसको यसको परावर्तन मूल छविसँग बढी मेल खान्छ।

Gemini ले घाँसको छायालाई शार्प गर्छ तर ब्याजलाई भने अपरिवर्तित छाड्छ।

ChatGPT ले रान्चेरो ब्याजलाई तिखारेको (शार्पन) छ र छायामा आक्रामक शार्पनिङ लागू गरेको छ, त्यसैले यो अन्तिम स्थानमा आउँछ।

10

संरचनात्मक वा पाठ्य परिवर्तन बिना नै ग्लोबल रिलाइटिङ

प्रम्प्ट (अंग्रेजीबाट अनुवादित)

छवि A लाई आधार तस्बिरको रूपमा प्रयोग गरेर सम्पादन गर्नुहोस्। दृश्यलाई बदली भएको दिनको समयबाट पानी परेको लगत्तैको यथार्थपरक ब्लु आवरमा परिवर्तन गर्नुहोस्। आकाशलाई सफा गाढा कोबाल्ट-ब्लु गोधुली बनाउनुहोस्; भित्री र क्यानोपी मुनिका न्यानो बत्तीहरू बाल्नुहोस्; ती न्यानो बत्तीहरू र अवस्थित बैजनी स्टेसन ब्यान्डलाई पहिले नै भिजेको पेभिङमा सूक्ष्म रूपमा प्रतिबिम्बित हुन दिनुहोस्। उही क्यामेराको स्थिति, वाइड-एङ्गल दृष्टिकोण, भवनको ज्यामिति, क्यानोपी, स्तम्भहरू, प्रवेशद्वारहरू, पेभिङको लेआउट, बैजनी ब्यान्ड र पढ्न सकिने सेतो शब्द "Woolwich" लाई हूबहू सुरक्षित राख्नुहोस्। प्रत्येक अवस्थित व्यक्ति, बोलार्ड, पोस्टर र साइनलाई तिनीहरूको मूल स्थानमा राख्नुहोस् र केही पनि थप्ने वा हटाउने नगर्नुहोस्। पाठलाई पुनः लेख्ने, अनुवाद गर्ने वा मनगढन्ते नबनाउनुहोस्। यथार्थपरक डाइनामिक रेन्ज राख्नुहोस्—कुनै नियोन फेन्टेसी लुक नदिनुहोस्—र उही ल्यान्डस्केप फ्रेमिङ र एस्पेक्ट रेसियो फिर्ता गर्नुहोस्।

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
फैसला

Gemini > Muse > ChatGPT

ओभानो भुइँ उत्पन्न गर्दा तीनै वटा मोडलहरूले असामान्य क्यामेराको कोण, दृष्टिकोण र पाठलाई सुरक्षित राख्न राम्रो काम गर्छन्।

Gemini मात्र एउटा यस्तो मोडल हो जसले सही प्रकाशको प्रयोग गर्दछ, किनकि Muse र ChatGPT दुवैले मूल छविमा नभएका ल्याम्पहरू सिर्जना गर्छन्।

ChatGPT का बत्तीहरू नमिल्दा छन्, र यसले बायाँपट्टिको रुखमा एउटा अतिरिक्त बत्ती बनाउँछ, त्यसैले यो अन्तिम स्थानमा आउँछ।

11

सजिएको कोठामा सटीक उत्पादनको स्थानान्तरण

प्रम्प्ट (अंग्रेजीबाट अनुवादित)

मूल कोठाको रूपमा छवि A र फर्निचर सन्दर्भको रूपमा मात्र छवि B प्रयोग गर्नुहोस्। छवि A मा, दुईवटा उज्यालो पछिल्ला झ्यालहरूको बीचमा र नीलो सोफाको अलि पछाडि रहेको पछाडिको केन्द्रको हल्का-हरियो असबाबवाला साँघुरो आर्मचेयरलाई मात्र छवि B को सटीक नीलो-र-सुनौलो आर्मचेयरसँग प्रतिस्थापन गर्नुहोस्। छवि B को विशिष्ट वर्गाकार नीलो पछाडिको भाग र सिट, सुनौलो काठको फ्रेम, खुला हात, फुँदाको झालर (tassel fringe) र पातला खुट्टाहरू सुरक्षित राख्नुहोस्। यसलाई पत्यारिलो कोठाको नापमा मूल कुर्सीको भुइँको स्थिति र हेर्ने कोणमा मिलाउनुहोस्; झ्यालको न्यानो प्रकाश, भुइँको कन्ट्याक्ट छाया, दृष्टिकोण र कुनै पनि प्राकृतिक किनाराको ओझेललाई मिलाउनुहोस्। नीलो सोफा, कफी टेबल, गलैंचा, झ्यालमा बनाइएको बस्ने ठाउँ, बत्ती, झ्यालहरू, झाडबत्ती, काठका भित्ताहरू वा छवि A को अन्य कुनै पनि भाग परिवर्तन नगर्नुहोस्। छवि B को फुस्रो सङ्ग्रहालय पृष्ठभूमि नराख्नुहोस्। छवि A को मूल ल्यान्डस्केप फ्रेमिंग र एस्पेक्ट रेसियो फिर्ता गर्नुहोस्; कुनै अतिरिक्त फर्निचर, पाठ वा कोलाज बोर्डर नराख्नुहोस्।

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
फैसला

Muse > Gemini = ChatGPT

Muse मात्र एउटा यस्तो मोडेल हो जसले परिमार्जित कुर्सीलाई यसको मूल दिशामा राख्छ, जबकि बाँकी दुईले यसलाई धेरै दायाँतर्फ मोड्छन्।

12

तीन सन्दर्भसँग पहिचान, संरचना र बनावटको सम्बद्धता

प्रम्प्ट (अंग्रेजीबाट अनुवादित)

कडा भूमिका बाध्यता (role binding) सहित तीनवटै सन्दर्भहरू प्रयोग गरेर एउटा वर्गाकार, तस्विर जस्तै देखिने (photorealistic) सम्पादकीय स्टुडियो पोर्ट्रेट सिर्जना गर्नुहोस्। छवि A को उही फुस्रो पाङ्ग्रे बिरालोलाई छवि B को दुरुस्तै विङ चेयर (wing chair) मा सीधा बसेको र अलिकति देब्रेतिर हेरिरहेको बनाउनुहोस्। बिरालोको अनुहार, हरियो-पहेंलो आँखा, निधारका काला धर्काहरू, फुस्रो रौँको कोट, कानको आकार र लामो चक्का परेको पुच्छर सुरक्षित राख्नुहोस्। छवि B को अग्लो विङ ब्याक, मोडिएका पाखुरा, फराकिलो सिट, घुमाउरो अघिल्ला खुट्टा र काला तल्ला क्रसबारहरू सुरक्षित राख्नुहोस्, तर यसको असबाब (upholstered) कपडालाई मात्र छवि C को दुरुस्तै स्ट्राबेरी थिफ (Strawberry Thief) कपडासँग बदल्नुहोस्: नेवी ग्राउन्ड, ऐना जस्तै देखिने थ्रस चराहरू, राता स्ट्राबेरीहरू, नीला पातहरू र गुलाबी फूलहरू, यस्तो आकारमा जहाँ कुर्सीभरि कम्तीमा दुईवटा पूरा चराहरू देखिउन्। माथिल्लो देब्रेबाट आउने नरम प्रकाश र सुसंगत सम्पर्क छायाँका साथ एउटा सिमलेस न्यानो-फुस्रो स्टुडियो पृष्ठभूमि प्रयोग गर्नुहोस्। छवि A बाट पातहरू वा जमिन, छवि B बाट आर्काइभल पृष्ठभूमि, वा छवि C बाट आयताकार कपडाको टुक्रा कपी नगर्नुहोस्। कुनै कलर (collar), पोशाक, थप जनावर, थप फर्निचर, पाठ, बोर्डर वा कोलाज प्यानलहरू हुनुहुँदैन।

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
फैसला

ChatGPT > Muse > Gemini

ChatGPT ले प्रम्प्टको सबैभन्दा विश्वासयोग्य जवाफ दिन्छ।

ChatGPT को नतिजामा भएको कुर्सीले मूल कुर्सीको धूलोले भरिएको, पुरानो रूपलाई कायम राख्छ।

Muse ले कुर्सीको दिशा र विवरणहरू पूर्ण रूपमा संरक्षण गर्छ, तर यसको रङ धेरै चम्किलो छ।

Gemini को उस्तै अत्यधिक चम्किलो रङ छ, र यसले कुर्सीलाई क्यामेरातिर गलत रूपमा फर्काउँछ, त्यसैले यो अन्तिम स्थानमा आउँछ।

13

मेरो छोरीलाई होक्काइडो स्की पहाडमा राख्नुहोस्

प्रम्प्ट (अंग्रेजीबाट अनुवादित)

मूल गन्तव्य फोटोको रूपमा छवि B र मेरो छोरीको पहिचान सन्दर्भको रूपमा मात्र छवि A प्रयोग गर्नुहोस्। छवि B मा रहेको हिउँले ढाकिएको स्की भिरालोमा छवि A की उही सानी केटीलाई राखेर एउटा पत्यारिलो पारिवारिक यात्रा फोटो बनाउनुहोस्, जसमा होक्काइडोको माउन्ट योतेई, क्षितिज, स्की रन र नीलो जाडोको आकाश हुबहु सुरक्षित राखिएको होस्। देब्रे अग्रभूमिमा उनको पूर्ण शरीर देखाउनुहोस्, क्यामेरातिर प्राकृतिक रूपमा मुस्कुराइरहेकी, उमेर सुहाउँदो रातो स्की ज्याकेट, नेवी स्नो ट्राउजर, कालो पञ्जा, सेतो स्की बुट र क्रिम रङको बुनेको टोपी लगाएकी जसले उनको अनुहार पूर्ण रूपमा देखिने छोड्छ। उनका बुटमुनि दुईवटा बालबालिकाको आकारका स्कीहरू समानान्तर रूपमा र प्रत्येक हातमा एउटा पोल राख्नुहोस्। पहाडी प्रकाश, क्यामेराको उचाइ, नाप, कडा चिसो हावा, हिउँको कन्ट्याक्ट छाया र परावर्तित नीलो प्रकाश मिलाउनुहोस्। उनको उमेर, अनुहार, आँखाको रङ, कपालको रेखा र चिन्न सकिने अभिव्यक्ति सुरक्षित राख्नुहोस्; उनलाई ठूलो वा सुन्दर बनाउने प्रयास नगर्नुहोस्। पहाडको रूपरेखा परिवर्तन नगर्नुहोस्, भवनहरू नजोड्नुहोस्, पाठ सिर्जना नगर्नुहोस्, मानिसहरू दोहोर्याउने नगर्नुहोस् वा कोलाज नबनाउनुहोस्। छवि B को ल्यान्डस्केप फ्रेमिंग र एस्पेक्ट रेसियो फिर्ता गर्नुहोस्।

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
फैसला

ChatGPT > Gemini > Muse

तीनै वटा मोडेलहरूले एक विश्वासयोग्य स्की तस्बिर सिर्जना गर्छन् र केटीको पहिचान योग्य पहिचानलाई सुरक्षित राख्छन्। यद्यपि, तिनीहरू सबैलाई जुत्ता र स्कीहरू सही रूपमा प्रस्तुत गर्न गाह्रो हुन्छ।

केटीको अनुहारमा सफासँग बनाइएको स्की र प्राकृतिक छायाको लागि ChatGPT ले जित्छ। यद्यपि स्कीको पछाडिको भाग पक्कै पनि धेरै छोटो छ।

Gemini लाई स्कीको पछिल्लो भाग रेन्डर गर्न गाह्रो हुन्छ, साथै दाहिने पोल बायाँको भन्दा धेरै लामो छ

Muse लाई स्कीहरू रेन्डर गर्न पनि गाह्रो हुन्छ, साथै केटीको अनुहार वरपरको छाया अस्वाभाविक छ

14

मेरो पुरानो प्रेमिकालाई नयाँसँग साट्नुहोस्

प्रम्प्ट (अंग्रेजीबाट अनुवादित)

मूल फोटोको रूपमा छवि A को प्रयोग गर्नुहोस्। स्कुटरमा पुरुषको पछाडि बसेकी वयस्क महिलालाई मात्र छवि B को वयस्क महिलासँग प्रतिस्थापन गर्नुहोस्। नयाँ महिलाको चिन्न सकिने अनुहार, आँखा, नाक, मुख, छालाको रङ र लामो कालो कपाललाई यथावत राख्नुहोस्, तर उनलाई मूल यात्रीको बस्ने भंगी, नाप र हेराइमा प्राकृतिक रूपमा ढाल्नुहोस्। उनले मूल यात्रीको क्रिम रङको कार्डिगन र बेज रङको स्कर्ट लगाउनुपर्छ र उही स्थितिमा पत्यारिला हातहरूले उही ट्विन-लेन्स क्यामेरा समात्नुपर्छ। छवि B को शंक्वाकार टोपी, रातो स्कार्फ, झण्डा, सडक वा पृष्ठभूमि नल्याउनुहोस्। पुरुषलाई पूरै अपरिवर्तित राख्नुहोस्—उनको अनुहार, कपाल, नीलो धारीदार सर्ट, हात र सवारी हाँक्ने मुद्रा सहित—र छवि A बाट स्कुटर, क्रोम र्याक, सडकका ढुङ्गाहरू, ल्यान्डमार्क भवन, ढोकाहरू, बिरुवाहरू, संकेतहरू, छायाँहरू, क्रप र डेप्थ अफ फिल्डलाई सुरक्षित राख्नुहोस्। विद्यमान मध्याह्नको घाम र कन्ट्याक्ट छायाँहरू मिलाउनुहोस् ताकि यो एउटा सम्पादन नगरिएको यात्रा फोटो जस्तै देखियोस्। अन्य कुनै पनि व्यक्ति वा वस्तुलाई परिवर्तन नगर्नुहोस्, गहना वा पाठ नजोड्नुहोस्, हातगोडा दोहोर्याउने नगर्नुहोस्, अनुहार धमिलो नगर्नुहोस् वा कोलाज नबनाउनुहोस्। छवि A को ल्यान्डस्केप एस्पेक्ट रेसियो फिर्ता गर्नुहोस्।

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
फैसला

Gemini > ChatGPT > Muse

Gemini र ChatGPT दुवैले अनुहार साट्ने राम्रो काम गर्छन्। दुवै तस्बिरहरूमा छालाको रङ अप्राकृतिक छ। केटीले तल हेरिरहेकी हुनाले र मूल पोजसँग बढी मिलेको हुनाले Gemini जित्छ।

Muse दोस्रो चित्रको अनुहार फेर्न पूर्ण रूपमा असफल भयो, त्यसैले यो पूर्ण असफलता हो।

अन्तिम गणना

कुन इमेज मोडल जित्छ?

कुराहरूलाई सरल राख्न, हामी प्रत्येक पहिलो-स्थान प्राप्तिका लागि तीन अंक (बराबर भएमा बाँडिने) र दोस्रो-स्थान प्राप्तिका लागि एक अंक दिन्छौं।

टेक्स्ट-टु-इमेज विजेता

ChatGPT Images 2.5

ChatGPT Images 2.5 ले ९.५ अंकका साथ निर्माण खण्ड जितेको छ, जुन ९ अंक ल्याएको Gemini Nano Banana 2 र ७.५ अंक ल्याएको Muse Image 1.0 भन्दा अगाडि छ।

तस्बिर-सम्पादन विजेताहरू

Muse Image 1.0 र Gemini Nano Banana 2

Muse Image 1.0 र Gemini Nano Banana 2 प्रत्येकले ९.५ अंक प्राप्त गरी सम्पादनको जितमा बराबरी गरेका छन्, जुन ९ अंक ल्याएको ChatGPT Images 2.5 भन्दा थोरै अगाडि छ।

समग्र विजेताहरू

ChatGPT Images 2.5 र Gemini Nano Banana 2

ChatGPT Images 2.5 र Gemini Nano Banana 2 दुवैले १८.५ अंक ल्याएर समग्र जितमा बराबरी गरेका छन्। Muse Image 1.0 १७ अंकका साथ नजिकै पछाडि छ।

आफैं प्रयास गर्नुहोस्

AI सँग छविहरू सिर्जना र सम्पादन गर्नुहोस्

यी छवि मोडेलहरूलाई प्रयोग गर्न अझ सजिलो बनाउन हामीले केही प्रम्प्टहरूको सङ्ग्रह तयार पारेका छौँ - कसरी गरिन्छ हेर्नुहोस्

छवि सिर्जना अन्वेषण गर्नुहोस्