Бенчмарк генерации изображений

Насколько хороша модель Muse Image от Meta по сравнению с Gemini Nano Banana 2 и ChatGPT Images 2.5?

Семь исходных оценок текста в изображение, за которыми следуют семь оценок редактирования изображений с использованием фиксированных исходных изображений и промптов.

Muse Image 1.0Gemini Nano Banana 2ChatGPT Images 2.5

01

Тестовый пример

Шесть красных тромбонов

Промпт (переведено с английского)

Основной запрос: Шесть красных тромбонов справа от четырех стеклянных черепах, перепрыгивающих через синюю ламу. Стиль/техника: чистая, отлично читаемая студийная иллюстрация Композиция/кадрирование: одна цельная квадратная сцена; показать каждый объект полностью; сделать отношения «справа от» и «перепрыгивает через» однозначными Ограничения: ровно шесть красных тромбонов, ровно четыре прозрачные стеклянные черепахи, ровно одна синяя лама; никаких лишних объектов; никакого текста, цифр, меток, рамок, панелей или водяных знаков.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Вердикт

Gemini > ChatGPT > Muse

Gemini — единственная модель, которая рисует ровно шесть тромбонов. ChatGPT рисует шесть тромбонов, но ошибочно изображает пять черепах, в то время как Muse рисует восемь тромбонов и пять черепах.

Gemini демонстрирует максимально строгое соблюдение запрошенных количеств.

02

Тестовый пример

Смена ролей и аномальные атрибуты

Промпт (переведено с английского)

Создайте единую широкую кинематографическую фермерскую сцену, которая меняет местами привычные роли, не превращаясь в коллаж. По центру космонавт в полном белом скафандре ползает на четвереньках, в то время как ровно одна каштановая лошадь сидит верхом на рюкзаке жизнеобеспечения космонавта, заметно оседлав его; не показывайте, как космонавт едет верхом на лошади. Слева крошечная синяя птица агрессивно пугает соломенное пугало, которое отклоняется назад с поднятыми руками. Справа яркий розовый жираф наблюдает из-за низкого забора. Держите каждый объект полностью видимым, анатомически читаемым и пространственно разделенным; никакого текста или водяных знаков.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Вердикт

ChatGPT ≥ Gemini > Muse

ChatGPT — единственная модель, которая показывает, как синяя птица действительно пугает пугало. На других изображениях направление падения пугала не соответствует траектории приближения птицы.

Muse уступает Gemini из-за плохого пространственного разделения. Gemini — единственное изображение, которое передает убедительную глубину.

03

Тестовый пример

Зеркальная геометрия, руки и ювелирные изделия

Промпт (переведено с английского)

Создайте фотореалистичную квадратную сцену с туалетным столиком, предназначенную для проверки зеркальной геометрии и рук. Женщина стоит лицом к большому вертикальному зеркалу и поднимает свою настоящую левую руку ладонью к стеклу; ее отражение должно появиться на правой стороне зеркала и показывать ту же ладонь. На ее реальной левой руке ровно три кольца — с красным камнем на указательном пальце, простое золотое на среднем пальце, с синим камнем на безымянном пальце, — в то время как на ее реальном правом запястье надето только серебряный браслет. Поставьте зеленую чашку слева от зеркала и красную чашку справа от него; их отраженные позиции должны поменяться местами. Покажите всего десять естественных пальцев на реальных руках, согласованные отраженные руки, отсутствие лишних украшений, текста или водяных знаков.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Вердикт

Muse > Gemini > ChatGPT

Muse точно следует инструкциям для обеих рук.

Gemini не поднимает левую руку и размещает все украшения на правой руке.

У ChatGPT есть лишняя рука справа, что выглядит неестественно и пугающе

04

Тестовый пример

Типографика, диакритические знаки и изогнутая базовая линия

Промпт (переведено с английского)

Создайте фотореалистичную фотографию граффити на одной сплошной стене из красного кирпича. В верхней центральной части нарисуйте точно предложение заглавными буквами «BE EXCELLENT TO EACH OTHER» крупными белыми блочными буквами, безупречно написанными один раз. Под ним на четко изогнутой бирюзовой базовой линии напишите ровно «Crème brûlée — déjà vu!» со всеми диакритическими знаками, тире, строчными буквами и восклицательным знаком. Справа добавьте граффити в виде одного зеленого инопланетянина в черном смокинге и красной бабочке. На переднем плане поместите один желтый пожарный гидрант на левом тротуаре и небольшой плакат на дальнем правом с надписью ровно «eXit 7½». Никакого другого читаемого текста, дублированных букв, водяных знаков или панелей коллажа.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Вердикт

ChatGPT > Muse > Gemini

ChatGPT четко следует требованиям.

Muse использует неверный диакритический знак, написав «brûlée» с «û».

Gemini выдумывает улицу слева и угол стены справа, что противоречит запрошенной единой непрерывной стене.

05

Тестовый пример

Действия на кухне и глубокий фон

Промпт (переведено с английского)

Создайте кинематографическую фотографию с глубоким фокусом в профессиональной кухне из нержавеющей стали. На переднем плане по центру шеф-повар держит черные щипцы в правой руке над сковородой ровно с двумя стейками, а левой рукой держит ее ручку. Слева су-шеф подбрасывает красные помидоры, зеленые листья и желтый перец в стеклянной миске. На заднем плане ровно три работника по отдельности режут продукты, раскладывают их по тарелкам и открывают духовку. Над ними висят четыре медные кастрюли, уменьшающиеся в размерах слева направо. Бон заказа над раздачей гласит ровно «TABLE 7». Изобразите правильные кисти рук и отсутствие лишнего персонала или текста.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Вердикт

Gemini > Muse > ChatGPT

Gemini создает наибольшее ощущение пространственной глубины и размещает бон заказа в подходящем месте.

Muse создает неправдоподобное трехмерное пространство, а рабочий, открывающий духовку, судя по всему, слился с шеф-поваром на переднем плане.

У ChatGPT самое нереалистичное 3D-пространство. Сковородки кажутся находящимися на том же расстоянии, что и шеф-повар, но они намного меньше обычных. Левая и правая стороны изображения показывают разную глубину (3 рабочих находятся гораздо дальше позади, чем предполагает левая сторона).

06

Тестовый пример

Прозрачность, окклюзия и освещение

Промпт (переведено с английского)

Создайте физически правдоподобный студийный натюрморт на матовом сером полу. Поместите прозрачный стеклянный куб позади глянцевого красного шара, но перед желтым конусом. Шар частично заслоняет куб, а куб частично заслоняет конус, при этом все силуэты остаются различимыми. Подвесьте ровно два синих шарика вертикально внутри куба. С самого левого края расположите три маленькие серебряные пирамиды в линию спереди назад. С самого правого края наложите четыре зеленых кольца в виде цепи без слияния. Осветите все сверху слева так, чтобы каждая тень падала вниз и вправо. Без текста и лишних фигур.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Вердикт

Muse = ChatGPT > Gemini

Muse справляется неплохо, но красный шар демонстрирует отражения с обеих сторон, ошибочно указывая на второй источник света справа.

У ChatGPT похожая проблема, хотя проблема со вторым источником света выражена менее четко. С другой стороны, его куб более искажен.

Gemini содержит только три кольца, а мраморные шарики внутри стеклянного куба имеют неестественные отражения.

07

Тестовый пример

Привязка атрибутов на многоязычном ночном рынке

Промпт (переведено с английского)

Создайте одну непрерывную фотореалистичную сцену ночного рынка с тремя прилавками слева направо. На белой вывеске синего книжного прилавка написано «LIBROS»; на кремовой вывеске красного чайного прилавка написано «茶»; на черной вывеске зеленого хлебного прилавка написано «خبز». Повесьте ровно пять красных фонарей только над средним прилавком. Продавец-левша наливает из серебряного чайника, удерживаемого в левой руке, в чашки, расставленные в порядке: синяя, белая, затем желтая. На переднем плане разместите ребенка в фиолетовом пальто между пятнистой собакой слева и полосатой кошкой справа. Сохраните все системы письма, количества, цвета и соответствия; никакого другого читаемого текста.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Вердикт

ChatGPT = Muse = Gemini

Все модели передают оживленную, фотореалистичную атмосферу ночного рынка.

Gemini правильно размещает фонари над средним ларьком, в то время как Muse и ChatGPT размещают их внутри ларьков.

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

Редактирование изображений

Исходное изображение + промпт

08

Удаление объекта из сложной сцены

Промпт (переведено с английского)

Отредактируйте изображение А, используя его в качестве базовой фотографии. Удалите только большой черный велосипед, доминирующий в центре переднего плана: велосипед с серебряным рулем, черным седлом, черной защитой цепи и ярко-серебряным передним крылом. Воссоздайте скрытые им детали — зеленый велосипед позади него, окрашенную кирпичную стену, линии раствора, мазки граффити, бордюр и брусчатку, — чтобы они выглядели непрерывными и физически правдоподобными. Сохраните все остальные велосипеды, каждый уцелевший след граффити, кадрирование, положение камеры, солнечный свет, тени, текстуру и фотозернистость без изменений. Не добавляйте объекты, текст, размытие, повторяющиеся спицы колес или заметный след ретуши. Верните то же горизонтальное кадрирование и соотношение сторон, что и у изображения А.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Вердикт

Muse > ChatGPT > Gemini

Muse верно догадывается, что переднее колесо оставшегося в центре велосипеда должно быть серебряным, что ставит её чуть впереди ChatGPT.

ChatGPT также оставляет неестественный разрыв внизу граффити.

Gemini полностью не справляется с удалением велосипеда.

09

Выборочное перекрашивание с учетом материалов

Промпт (переведено с английского)

Отредактируйте изображение А, используя его в качестве базовой фотографии. Измените цвет только видимых металлических панелей кузова автомобиля, окрашенных в красный цвет (включая дверь, переднее крыло, край капота, заднее крыло и небольшую выступающую красную панель над линией крыши), на глубокий металлический зеленый цвет британских гоночных машин (British racing green). Новый цвет должен сохранять оригинальные швы панелей, блики и отражения деревьев. Не перекрашивайте и не изменяйте коричневую виниловую крышу, хромированную отделку, зеркала, стекла, черный резиновый уплотнитель, ручку двери, замок, антенну, эмблему, интерьер, водителя, букет или фон. Не изменяйте модель или геометрию автомобиля. Сохраните исходную кадрировку, глубину резкости, освещение и соотношение сторон; не добавляйте текст, логотипы или объекты.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Вердикт

Muse = Gemini > ChatGPT

Muse применяет нежелательное повышение резкости к эмблеме Ranchero, но отражение травы у него более точно соответствует исходному изображению.

Gemini делает тень от травы более резкой, но оставляет эмблему без изменений.

ChatGPT повысил резкость эмблемы Ranchero и применил агрессивную резкость к тени, поэтому занимает последнее место.

10

Глобальное изменение освещения без структурных и текстовых искажений

Промпт (переведено с английского)

Отредактируйте изображение А, используя его в качестве базовой фотографии. Измените пасмурное дневное освещение на реалистичный «синий час» сразу после дождя. Сделайте небо чистыми сумерками глубокого кобальтово-синего цвета; включите теплое внутреннее освещение и подсветку под навесом; пусть эти теплые огни и существующая фиолетовая полоса станции мягко отражаются на мокром мощении. Сохраните абсолютно ту же позицию камеры, широкоугольную перспективу, геометрию здания, навес, колонны, входы, схему мощения, фиолетовую полосу и читаемое белое слово «Woolwich». Оставьте всех существующих людей, столбики, плакаты и вывески на их первоначальных местах, ничего не добавляя и не удаляя. Не переписывайте, не переводите и не придумывайте текст. Сохраните реалистичный динамический диапазон (без неонового фантастического вида) и верните тот же горизонтальный кадр и соотношение сторон.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Вердикт

Gemini > Muse > ChatGPT

Все три модели неплохо справляются с сохранением необычного ракурса камеры, перспективы и текста, одновременно создавая мокрый пол.

Gemini — единственная модель, которая использует правильное освещение, поскольку и Muse, и ChatGPT добавляют лампы, которых не было на исходном изображении.

Лампы в изображении ChatGPT выглядят неуместно, и модель добавляет лишнюю лампу на дереве слева, поэтому занимает последнее место.

11

Точный перенос товара в меблированную комнату

Промпт (переведено с английского)

Используйте Изображение А в качестве базовой комнаты, а Изображение Б только в качестве образца мебели. На Изображении А замените узкое бледно-зеленое кресло с обивкой в задней центральной части, расположенное между двумя яркими окнами сзади и частично за синим диваном, на точное сине-золотое кресло с Изображения Б. Сохраните характерную квадратную синюю спинку и сиденье, позолоченный резной деревянный каркас, открытые подлокотники, бахрому из кисточек и изящные ножки с Изображения Б. Поместите его в исходное положение на полу и под тем же углом обзора в реалистичном масштабе комнаты; согласуйте теплое оконное освещение, контактную тень на полу, перспективу и естественное перекрытие краев. Не изменяйте синий диван, журнальный столик, ковер, встроенное сиденье у окна, лампы, окна, люстру, деревянные стены или любую другую часть Изображения А. Не сохраняйте серый музейный фон Изображения Б. Верните исходное кадрирование и соотношение сторон Изображения А в альбомной ориентации; никакой лишней мебели, текста или границ коллажа.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Вердикт

Muse > Gemini = ChatGPT

Muse — единственная модель, которая размещает измененный стул в его исходной ориентации, в то время как две другие поворачивают его слишком сильно вправо.

12

Привязка идентичности, структуры и текстуры по трем эталонам

Промпт (переведено с английского)

Создайте один квадратный фотореалистичный студийный портрет в редакционном стиле, используя все три изображения с точным назначением ролей. Разместите того же серого полосатого кота с Изображения A сидящим прямо и смотрящим слегка влево на том же кресле с ушами с Изображения B. Сохраните морду кота, его зелено-желтые глаза, темные полосы на лбу, серую шерсть с тикингом, форму ушей и длинный полосатый хвост. Сохраните высокую спинку с ушами, закругленные подлокотники, широкое сиденье, изогнутые передние ножки и темные нижние перекладины с Изображения B, но замените только обивочную ткань на точно такой же текстиль «Похититель клубники» с Изображения C: темно-синий фон, зеркальные дрозды, красная земляника, синие листья и розовые цветы в таком масштабе, чтобы на кресле были видны как минимум две птицы целиком. Используйте бесшовный тепло-серый студийный фон и мягкий свет сверху слева с естественными контактными тенями. Не копируйте листву или землю с Изображения A, архивный фон с Изображения B или прямоугольный образец с Изображения C. Без ошейника, костюма, дополнительных животных, дополнительной мебели, текста, рамок или коллажных панелей.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Вердикт

ChatGPT > Muse > Gemini

ChatGPT выдает самый точный ответ на запрос.

Стул на изображении от ChatGPT сохраняет пыльный, потрепанный вид оригинала.

Muse идеально сохраняет ориентацию и детали стула, но его цвет слишком яркий.

Gemini имеет тот же излишне яркий цвет, а также неправильно поворачивает стул к камере, поэтому занимает последнее место.

13

Отправить мою дочь на горнолыжный курорт Хоккайдо

Промпт (переведено с английского)

Используйте Изображение Б в качестве базовой фотографии назначения, а Изображение А только как эталон внешности моей дочери. Создайте убедительную семейную туристическую фотографию, поместив ту же девочку с Изображения А на заснеженный лыжный склон на Изображении Б, сохранив неизменными гору Йотей на Хоккайдо, горизонт, горнолыжные трассы и синее зимнее небо. Покажите ее во весь рост на переднем плане слева, естественно улыбающейся в сторону камеры, в красной лыжной куртке, подходящей по возрасту, темно-синих лыжных брюках, черных перчатках, белых лыжных ботинках и кремовой вязаной шапке, оставляющей ее лицо полностью видимым. Положите две детские лыжи параллельно под ее ботинками и по одной палке в каждую руку. Согласуйте горное освещение, высоту камеры, масштаб, свежий холодный воздух, тени от контакта со снегом и отраженный синий свет. Сохраните ее возраст, лицо, цвет глаз, линию роста волос и узнаваемое выражение; не делайте ее старше и не приукрашивайте. Не изменяйте силуэт горы, не добавляйте здания, не придумывайте текст, не дублируйте людей и не создавайте коллаж. Верните исходное кадрирование и соотношение сторон Изображения Б в альбомной ориентации.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Вердикт

ChatGPT > Gemini > Muse

Все три модели создают убедительную фотографию на лыжах и сохраняют узнаваемую личность девочки. Тем не менее, все они испытывают трудности с правильной прорисовкой ботинок и лыж.

ChatGPT побеждает за счёт чётко прорисованных лыж и естественной тени на лице девочки. Хотя задняя часть лыж явно слишком короткая.

Gemini испытывает трудности с прорисовкой задней части лыж, к тому же правая палка намного длиннее левой

У Muse также возникают проблемы с отрисовкой лыж, к тому же тень вокруг лица девочки выглядит неестественно.

14

Заменить мою старую девушку на новую

Промпт (переведено с английского)

Используйте Изображение А в качестве базовой фотографии. Замените взрослую женщину, сидящую позади мужчины на скутере, на взрослую женщину с Изображения Б. Сохраните узнаваемое лицо, глаза, нос, рот, цвет кожи и длинные темные волосы новой женщины, но органично впишите ее в позу сидящего пассажира, масштаб и направление взгляда с оригинала. Она должна быть одета в кремовый кардиган и бежевую юбку первоначального пассажира и держать ту же двухобъективную камеру в том же положении с правдоподобными кистями рук. Не переносите коническую шляпу, красный шарф, флаг, улицу или фон с Изображения Б. Оставьте мужчину полностью неизменным — включая его лицо, волосы, синюю полосатую рубашку, руки и позу при езде — и сохраните скутер, хромированный багажник, булыжную мостовую, достопримечательность, ворота, растения, вывески, тени, кадрирование и глубину резкости с Изображения А. Подстройте освещение под существующий полуденный солнечный свет и контактные тени, чтобы это выглядело как одна цельная неотредактированная туристическая фотография. Не изменяйте других людей или объекты, не добавляйте украшения или текст, не дублируйте конечности, не размывайте лица и не создавайте коллаж. Верните альбомную ориентацию Изображения А.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Вердикт

Gemini > ChatGPT > Muse

И Gemini, и ChatGPT неплохо справляются с заменой лиц. Тон кожи на обоих снимках неестественен. Gemini побеждает, потому что девочка смотрит вниз, что больше соответствует оригинальной позе.

Muse полностью не справилась с заменой лица на втором портрете, поэтому это полный провал.

Окончательный подсчет

Какая модель изображений победит?

Чтобы не усложнять, мы присуждаем три очка за каждое первое место (делятся при ничьей) и одно очко за вторые места.

Победитель в номинации «текст в изображение»

ChatGPT Images 2.5

ChatGPT Images 2.5 побеждает в категории генерации с 9,5 баллами, опережая Gemini Nano Banana 2 с 9 баллами и Muse Image 1.0 с 7,5 баллами.

Победители в номинации «Редактирование изображений»

Muse Image 1.0 и Gemini Nano Banana 2

Muse Image 1.0 и Gemini Nano Banana 2 делят победу в редактировании с 9,5 баллами у каждого, совсем немного опережая ChatGPT Images 2.5 с 9 баллами.

Победители в общем зачете

ChatGPT Images 2.5 и Gemini Nano Banana 2

ChatGPT Images 2.5 и Gemini Nano Banana 2 делят общую победу с 18,5 баллами у каждого. Muse Image 1.0 отстает совсем немного с 17 баллами.

Попробуйте сами

Создавайте и редактируйте изображения с помощью ИИ

Мы подготовили подборку промптов, чтобы сделать эти модели генерации изображений еще проще в использовании — посмотрите как

Изучить возможности создания изображений