เกณฑ์มาตรฐานการสร้างรูปภาพ

Muse Image ของ Meta ดีแค่ไหนเมื่อเทียบกับ Gemini Nano Banana 2 และ ChatGPT Images 2.5?

การประเมินการสร้างภาพจากข้อความแบบต้นฉบับเจ็ดรายการ ตามด้วยการประเมินการแก้ไขรูปภาพเจ็ดรายการโดยใช้รูปภาพต้นฉบับและพรอมต์ที่กำหนดไว้

Muse Image 1.0Gemini Nano Banana 2ChatGPT Images 2.5

01

กรณีทดสอบ

ทรอมโบนสีแดงหกชิ้น

พรอมต์ (แปลจากภาษาอังกฤษ)

คำขอหลัก: ทรอมโบนสีแดงหกชิ้นอยู่ทางขวาของเต่าแก้วสี่ตัวที่กำลังกระโดดข้ามลามาสีฟ้า สไตล์/สื่อ: ภาพประกอบในสตูดิโอที่สะอาดตาและอ่านง่ายมาก องค์ประกอบ/การจัดเฟรม: ฉากสี่เหลี่ยมจัตุรัสที่สอดคล้องกันหนึ่งฉาก แสดงวัตถุทุกชิ้นอย่างครบถ้วน ทำให้ความสัมพันธ์ระหว่างการอยู่ทางขวาและการกระโดดข้ามมีความชัดเจน ข้อจำกัด: ทรอมโบนสีแดงหกชิ้นพอดี, เต่าแก้วใสสี่ตัวพอดี, ลามาสีฟ้าหนึ่งตัวพอดี ไม่มีวัตถุส่วนเกิน ไม่มีข้อความ ตัวเลข ป้าย ขอบ แผง หรือลายน้ำ

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
คำตัดสิน

Gemini > ChatGPT > Muse

Gemini เป็นโมเดลเดียวที่วาดทรอมโบนจำนวนหกชิ้นพอดี ChatGPT วาดทรอมโบนหกชิ้นแต่แสดงเต่าห้าตัวผิดพลาด ในขณะที่ Muse วาดทรอมโบนแปดชิ้นและเต่าห้าตัว

Gemini แสดงให้เห็นถึงการปฏิบัติตามจำนวนที่ร้องขอได้ดีที่สุด

02

กรณีทดสอบ

การสลับบทบาทและคุณลักษณะที่ผิดปกติ

พรอมต์ (แปลจากภาษาอังกฤษ)

สร้างฉากฟาร์มกว้างแบบภาพยนตร์ฉากเดียวที่สลับบทบาทที่คุ้นเคยโดยไม่กลายเป็นภาพปะติด ตรงกลาง นักบินอวกาศในชุดอวกาศสีขาวเต็มตัวกำลังคลานด้วยมือและเข่า ในขณะที่ม้าสีเกาลัดตัวหนึ่งนั่งคร่อมเป้ระบบช่วยชีวิตของนักบินอวกาศอยู่ ขี่นักบินอวกาศอย่างเห็นได้ชัด อย่าแสดงภาพนักบินอวกาศขี่ม้า ทางด้านซ้าย นกสีฟ้าตัวเล็กตัวหนึ่งกำลังไล่หุ่นไล่กาที่ทำจากฟางอย่างดุร้าย ซึ่งเอนไปข้างหลังโดยยกแขนขึ้น ทางด้านขวา ยีราฟสีชมพูสดใสกำลังมองมาจากด้านหลังรั้วเตี้ยๆ รักษาให้ทุกตัวมองเห็นได้อย่างเต็มที่ มีโครงสร้างร่างกายที่ชัดเจน และแยกจากกันในพื้นที่ภาพอย่างชัดเจน ไม่มีข้อความหรือลายน้ำ

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
คำตัดสิน

ChatGPT ≥ Gemini > Muse

ChatGPT เป็นโมเดลเดียวที่แสดงภาพนกสีฟ้ากำลังขู่หุ่นไล่กาอย่างจริงจัง ในภาพอื่นๆ ทิศทางการล้มของหุ่นไล่กาไม่สอดคล้องกับทิศทางที่นกบินเข้ามา

Muse อยู่อันดับรองจาก Gemini เนื่องจากแยกระยะของวัตถุในพื้นที่ได้ไม่ดี Gemini เป็นภาพเดียวที่สื่อถึงความลึกที่น่าเชื่อถือ

03

กรณีทดสอบ

เรขาคณิตของกระจก มือ และเครื่องประดับ

พรอมต์ (แปลจากภาษาอังกฤษ)

สร้างฉากโต๊ะเครื่องแป้งสี่เหลี่ยมจัตุรัสสมจริงเพื่อทดสอบเรขาคณิตของกระจกและมือ ผู้หญิงคนหนึ่งหันหน้าเข้าหากระจกแนวตั้งบานใหญ่พร้อมกับยกมือซ้ายจริงขึ้น โดยหันฝ่ามือเข้าหากระจก เงาสะท้อนของมือจะต้องปรากฏที่ด้านขวาของกระจกและแสดงฝ่ามือเดียวกัน มือซ้ายจริงของเธอสวมแหวนสามวงพอดี ได้แก่ หินสีแดงบนนิ้วชี้ ทองเกลี้ยงบนนิ้วกลาง และหินสีฟ้าบนนิ้วนาง ในขณะที่ข้อมือขวาจริงของเธอสวมสร้อยข้อมือเงินเพียงอย่างเดียว วางถ้วยสีเขียวไว้ทางซ้ายของกระจกและถ้วยสีแดงทางขวา ตำแหน่งที่สะท้อนต้องสลับกัน แสดงนิ้วที่เป็นธรรมชาติรวมสิบนิ้วบนมือจริง มือสะท้อนที่สอดคล้องกัน ไม่มีเครื่องประดับ ข้อความ หรือลายน้ำส่วนเกิน

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
คำตัดสิน

Muse > Gemini > ChatGPT

Muse ทำตามคำสั่งได้อย่างแม่นยำสำหรับมือทั้งสองข้าง

Gemini ไม่ได้ยกมือซ้ายขึ้น และวางเครื่องประดับทั้งหมดไว้ที่มือขวา

ChatGPT มีมือเกินมาหนึ่งข้างทางด้านขวา ซึ่งดูไม่เป็นธรรมชาติและน่ากลัว

04

กรณีทดสอบ

ตัวอักษร เครื่องหมายกำกับเสียง และเส้นฐานโค้ง

พรอมต์ (แปลจากภาษาอังกฤษ)

สร้างภาพถ่ายสตรีทอาร์ตสมจริงบนผนังอิฐสีแดงผืนเดียว บริเวณกึ่งกลางด้านบน ให้วาดประโยคตัวพิมพ์ใหญ่ว่า “BE EXCELLENT TO EACH OTHER” ด้วยตัวอักษรบล็อกสีขาวขนาดใหญ่ สะกดถูกต้องหนึ่งครั้ง ด้านล่าง บนเส้นฐานสีเทอร์ควอยซ์ที่โค้งอย่างชัดเจน ให้เขียนคำว่า “Crème brûlée — déjà vu!” โดยใส่เครื่องหมายกำกับเสียงทั้งสองตัว เครื่องหมายขีดยาว (em dash) ตัวอักษรพิมพ์เล็ก และเครื่องหมายอัศเจรีย์ครบถ้วน ทางด้านขวา ให้ใส่กราฟฟิตีรูปเอเลี่ยนสีเขียวหนึ่งตัวสวมทักซิโด้สีดำและหูกระต่ายสีแดง ด้านหน้า วางหัวจ่ายน้ำดับเพลิงสีเหลืองหนึ่งถังบนทางเท้าด้านซ้าย และโปสเตอร์ขนาดเล็กทางขวาสุดที่อ่านข้อความว่า “eXit 7½” ไม่มีข้อความที่อ่านได้ ตัวอักษรซ้ำ ลายน้ำ หรือภาพปะติดอื่นๆ

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
คำตัดสิน

ChatGPT > Muse > Gemini

ChatGPT ทำตามข้อกำหนดได้อย่างแม่นยำ

Muse ใช้เครื่องหมายกำกับเสียงผิด โดยเขียนคำว่า “brûlée” ด้วย “û”

Gemini สร้างถนนขึ้นมาทางด้านซ้ายและมุมผนังทางด้านขวา ซึ่งขัดแย้งกับผนังต่อเนื่องชิ้นเดียวที่ขอไว้

05

กรณีทดสอบ

การกระทำในครัวและฉากหลังเชิงลึก

พรอมต์ (แปลจากภาษาอังกฤษ)

สร้างภาพถ่ายสไตล์ภาพยนตร์แบบโฟกัสลึกภายในห้องครัวสเตนเลสสตีลระดับมืออาชีพ บริเวณกึ่งกลางด้านหน้า เชฟถือคีมคีบสีดำด้วยมือขวาเหนือกระทะที่มีสเต็กอยู่พอดีสองชิ้น ในขณะที่มือซ้ายถือด้ามกระทะ ด้านซ้าย ซูเชฟกำลังโยนมะเขือเทศสีแดง ใบไม้สีเขียว และพริกหยวกสีเหลืองในชามแก้ว ด้านหลัง มีพนักงานสามคนกำลังหั่นอาหาร จัดจาน และเปิดเตาอบแยกกัน แขวนกระทะทองแดงสี่ใบไว้เหนือศีรษะ โดยมีขนาดลดหลั่นกันจากซ้ายไปขวา ใบสั่งอาหารเหนือช่องส่งอาหารระบุคำว่า “TABLE 7” อย่างชัดเจน แสดงมือให้ถูกต้องและไม่มีพนักงานหรือข้อความส่วนเกิน

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
คำตัดสิน

Gemini > Muse > ChatGPT

Gemini สร้างความรู้สึกถึงมิติของพื้นที่ได้ดีที่สุดและวางใบสั่งอาหารไว้ในตำแหน่งที่สมเหตุสมผล

Muse สร้างพื้นที่สามมิติที่ดูไม่สมเหตุสมผล และคนงานที่กำลังเปิดเตาอบดูเหมือนจะหลอมรวมเข้ากับเชฟที่อยู่ฉากหน้า

ChatGPT มีพื้นที่ 3 มิติที่เป็นไปไม่ได้มากที่สุด กระทะดูเหมือนจะอยู่ห่างเท่ากับเชฟ แต่กลับมีขนาดเล็กกว่าปกติมาก ด้านซ้ายและด้านขวาของภาพแสดงความลึกที่แตกต่างกัน (คนงาน 3 คนอยู่ไกลออกไปมากกว่าที่ด้านซ้ายควรจะเป็น)

06

กรณีทดสอบ

ความโปร่งใส การบดบัง และแสงเงา

พรอมต์ (แปลจากภาษาอังกฤษ)

สร้างภาพนิ่งสตูดิโอที่มีความเป็นไปได้ทางกายภาพบนพื้นสีเทาด้าน วางลูกบาศก์แก้วใสไว้ด้านหลังทรงกลมสีแดงมันเงาแต่ด้านหน้ากรวยสีเหลือง ทรงกลมบดบังลูกบาศก์บางส่วน และลูกบาศก์บดบังกรวยบางส่วน ในขณะที่รูปร่างของทุกชิ้นยังคงระบุได้ แขวนลูกแก้วสีฟ้าสองลูกในแนวตั้งไว้ภายในลูกบาศก์ ที่ริมซ้ายสุด จัดเรียงพีระมิดเงินขนาดเล็กสามอันเป็นแนวเรียงจากหน้าไปหลัง ที่ริมขวาสุด ซ้อนวงแหวนสีเขียวสี่วงเหมือนโซ่โดยไม่ผสานกัน ให้แสงจากด้านบนซ้ายเพื่อให้เงาทุกอันตกกระทบลงล่างและขวา ไม่มีข้อความหรือรูปทรงส่วนเกิน

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
คำตัดสิน

Muse = ChatGPT > Gemini

Muse ทำได้ดีพอใช้ แต่ทรงกลมสีแดงกลับแสดงภาพสะท้อนทั้งสองด้าน ซึ่งสื่อถึงแหล่งกำเนิดแสงที่สองทางด้านขวาอย่างไม่ถูกต้อง

ChatGPT มีปัญหาคล้ายกัน แม้ว่าปัญหาเรื่องแหล่งกำเนิดแสงที่สองจะเด่นชัดน้อยกว่า แต่ในทางกลับกัน ลูกบาศก์ของมันกลับบิดเบี้ยวมากกว่า

Gemini มีวงแหวนเพียงสามวง และลูกแก้วภายในลูกบาศก์แก้วมีภาพสะท้อนที่ไม่สมจริง

07

กรณีทดสอบ

การจับคู่ป้ายกับร้านในตลาดโต้รุ่งหลายภาษา

พรอมต์ (แปลจากภาษาอังกฤษ)

สร้างฉากตลาดโต้รุ่งที่สมจริงราวกับภาพถ่ายแบบต่อเนื่องหนึ่งฉาก โดยมีร้านค้าสามร้านเรียงจากซ้ายไปขวา ป้ายสีขาวของร้านหนังสือสีฟ้าอ่านว่า "LIBROS"; ป้ายสีครีมของร้านชาสีแดงอ่านว่า "茶"; ป้ายสีดำของร้านขนมปังสีเขียวอ่านว่า "خبز" แขวนโคมไฟสีแดงจำนวนห้าดวงไว้เหนือร้านตรงกลางเท่านั้น พ่อค้ามือซ้ายกำลังรินน้ำจากกาน้ำสีเงินที่ถือด้วยมือซ้ายลงในถ้วยที่มีลำดับสีคือ สีฟ้า สีขาว และสีเหลือง ตามลำดับ ด้านหน้า ให้วางเด็กที่สวมเสื้อโค้ทสีม่วงไว้ระหว่างสุนัขลายจุดทางด้านซ้ายและแมวลายทางด้านขวา คงตัวอักษร จำนวน สี และการจับคู่ระหว่างป้ายกับร้านทั้งหมดไว้; ไม่มีข้อความอื่นที่อ่านได้

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
คำตัดสิน

ChatGPT = Muse = Gemini

โมเดลทั้งหมดจับบรรยากาศที่คึกคักและสมจริงของตลาดโต้รุ่งได้

Gemini วางโคมไฟได้อย่างถูกต้องเหนือแผงลอยตรงกลาง ในขณะที่ Muse และ ChatGPT วางไว้ภายในแผงลอย

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

การแก้ไขรูปภาพ

ภาพต้นฉบับ + พรอมต์

08

การลบวัตถุออกจากฉากที่ซับซ้อน

พรอมต์ (แปลจากภาษาอังกฤษ)

แก้ไขรูปภาพ A โดยใช้เป็นภาพถ่ายพื้นฐาน ลบเฉพาะจักรยานสีดำขนาดใหญ่ที่อยู่ตรงกลางด้านหน้าสุดออก: จักรยานที่มีแฮนด์สีเงิน อานสีดำ ตัวบังโซ่สีดำ และบังโคลนหน้าสีเงินสว่าง สร้างส่วนที่ถูกบังขึ้นใหม่ ได้แก่ จักรยานสีเขียวที่อยู่ด้านหลัง กำแพงอิฐที่ทาสี เส้นปูนยาแนว รอยกราฟฟิตี ขอบถนน และหินปูพื้น เพื่อให้ดูต่อเนื่องและสมจริงตามหลักกายภาพ รักษาจักรยานคันอื่นๆ รอยกราฟฟิตีที่เหลืออยู่ทั้งหมด การครอป ตำแหน่งกล้อง แสงแดด เงา พื้นผิว และเกรนภาพถ่ายให้อยู่ในสภาพเดิม ห้ามเพิ่มวัตถุ ข้อความ ความเบลอ ซี่ลวดล้อที่ซ้ำซ้อน หรือรอยรีทัชที่มองเห็นได้ ส่งคืนภาพถ่ายในกรอบแนวนอนและอัตราส่วนภาพเดิมเช่นเดียวกับรูปภาพ A

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
คำตัดสิน

Muse > ChatGPT > Gemini

Muse อนุมานได้อย่างถูกต้องว่าล้อหน้าของจักรยานตรงกลางที่เหลือควรเป็นสีเงิน ซึ่งทำให้มีคะแนนนำหน้า ChatGPT ไปเล็กน้อย

ChatGPT ยังทิ้งรอยต่อที่ไม่เป็นธรรมชาติไว้บริเวณด้านล่างของกราฟฟิตีด้วย

Gemini ล้มเหลวอย่างสิ้นเชิงในการลบจักรยานออก

09

การเปลี่ยนสีแบบเลือกเฉพาะโดยคำนึงถึงวัสดุ

พรอมต์ (แปลจากภาษาอังกฤษ)

แก้ไขรูปภาพ A โดยใช้เป็นภาพถ่ายพื้นฐาน เปลี่ยนเฉพาะส่วนตัวถังโลหะสีแดงที่มองเห็นได้ของรถ ซึ่งรวมถึงประตู บังโคลนหน้า ขอบฝากระโปรง แผงด้านข้างส่วนหลัง และแผงตัวถังนูนสีแดงขนาดเล็กเหนือแนวหลังคา ให้เป็นสีเขียวเมทัลลิกเข้มแบบ British Racing Green สีใหม่ต้องคงแนวตะเข็บแผงเดิม ไฮไลต์ และเงาสะท้อนของต้นไม้ไว้ ห้ามเปลี่ยนสีหรือออกแบบใหม่ในส่วนของหลังคาไวนิลสีน้ำตาล คิ้วโครเมียม กระจกมองข้าง กระจก ยางสีดำ มือจับประตู แม่กุญแจ เสาอากาศ ตราสัญลักษณ์ ภายในรถ ผู้ขับ ช่อดอกไม้ หรือฉากหลัง ห้ามเปลี่ยนรุ่นรถหรือรูปทรงเรขาคณิต รักษาขนาดการครอป ระยะชัดลึก แสง และอัตราส่วนภาพเดิมไว้ ห้ามเพิ่มข้อความ โลโก้ หรือวัตถุใดๆ

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
คำตัดสิน

Muse = Gemini > ChatGPT

Muse ใช้การเพิ่มความคมชัดที่ไม่ต้องการกับตราสัญลักษณ์ Ranchero แต่การสะท้อนหญ้ามีความแม่นยำต่อภาพต้นฉบับมากกว่า

Gemini ทำให้เงาของหญ้าคมชัดขึ้นแต่ยังคงปล่อยตราสัญลักษณ์ไว้ตามเดิม

ChatGPT ทำให้ตราสัญลักษณ์ Ranchero คมชัดขึ้นและใส่การเพิ่มความคมชัดที่เงาอย่างมาก จึงอยู่อันดับสุดท้าย

10

การจัดแสงใหม่ทั่วทั้งภาพโดยไม่มีการคลาดเคลื่อนของโครงสร้างหรือข้อความ

พรอมต์ (แปลจากภาษาอังกฤษ)

แก้ไขรูปภาพ A โดยใช้เป็นภาพถ่ายพื้นฐาน เปลี่ยนฉากจากกลางวันที่มีเมฆครึ้มเป็นช่วงเวลาพลบค่ำ (Blue Hour) ที่สมจริงหลังฝนตก ทำให้ท้องฟ้าเป็นสีน้ำเงินเข้มโคบอลต์ที่แจ่มใส เปิดไฟอบอุ่นภายในและใต้กันสาด ให้แสงไฟอบอุ่นเหล่านั้นและแถบสีม่วงของสถานีที่มีอยู่สะท้อนลงบนพื้นทางเดินที่เปียกชุ่มอย่างแนบเนียน รักษาตำแหน่งกล้อง มุมมองมุมกว้าง รูปทรงเรขาคณิตของอาคาร กันสาด เสา ทางเข้า รูปแบบการปูพื้น แถบสีม่วง และคำภาษาอังกฤษสีขาวที่อ่านได้ว่า "Woolwich" ไว้ให้เหมือนเดิมทุกประการ คงบุคคล เสาปูนกันรถชน โปสเตอร์ และป้ายทุกป้ายที่มีอยู่เดิมไว้ในตำแหน่งเดิม และห้ามเพิ่มหรือลบสิ่งใดออกไป ห้ามเขียนใหม่ แปลใหม่ หรือสร้างข้อความขึ้นมาเอง รักษาช่วงไดนามิกที่สมจริง (ไม่ต้องแต่งภาพให้ดูเป็นแฟนตาซีนีออน) และคืนค่าการจัดวางกรอบภาพแนวนอนและอัตราส่วนภาพเดิม

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
คำตัดสิน

Gemini > Muse > ChatGPT

โมเดลทั้งสามทำได้ดีพอสมควรในการรักษามุมกล้องที่ไม่ธรรมดา มุมมอง และข้อความไว้ ขณะที่สร้างพื้นเปียก

Gemini เป็นโมเดลเดียวที่ใช้แสงที่ถูกต้อง เนื่องจากทั้ง Muse และ ChatGPT ต่างสร้างหลอดไฟขึ้นมาซึ่งไม่มีอยู่ในภาพต้นฉบับ

โคมไฟของ ChatGPT อยู่ผิดที่ และยังสร้างโคมไฟเพิ่มขึ้นหนึ่งดวงบนต้นไม้ทางด้านซ้าย จึงอยู่อันดับสุดท้าย

11

การนำผลิตภัณฑ์ตัวจริงไปวางในห้องที่ตกแต่งแล้วอย่างแม่นยำ

พรอมต์ (แปลจากภาษาอังกฤษ)

ใช้ภาพ A เป็นห้องต้นแบบ และใช้ภาพ B เป็นข้อมูลอ้างอิงเฟอร์นิเจอร์เท่านั้น ในภาพ A ให้แทนที่เฉพาะเก้าอี้อาร์มแชร์หุ้มเบาะสีเขียวซีดแคบๆ ตรงกลางด้านหลัง ซึ่งอยู่ระหว่างหน้าต่างสว่างด้านหลังสองบานและอยู่ด้านหลังโซฟาสีน้ำเงินบางส่วน ด้วยเก้าอี้อาร์มแชร์สีน้ำเงินและทองที่ตรงกันจากภาพ B รักษาพนักพิงและเบาะสีน้ำเงินทรงสี่เหลี่ยมอันเป็นเอกลักษณ์ของภาพ B กรอบไม้แกะสลักปิดทอง ที่วางแขนแบบเปิด พู่ชายครุย และเรียวขาที่เพรียวบาง จัดวางให้อยู่ในตำแหน่งบนพื้นและมุมมองเดิมของเก้าอี้ด้วยสเกลห้องที่น่าเชื่อถือ ปรับแสงหน้าต่างที่อบอุ่น เงาสัมผัสบนพื้น มุมมอง และการบังกันของขอบที่เป็นธรรมชาติให้เข้ากัน ห้ามเปลี่ยนโซฟาสีน้ำเงิน โต๊ะกาแฟ พรม ที่นั่งบิวท์อินริมหน้าต่าง โคมไฟ หน้าต่าง โคมระย้า ผนังไม้ หรือส่วนอื่นๆ ของภาพ A ห้ามเก็บพื้นหลังพิพิธภัณฑ์สีเทาของภาพ B ไว้ คืนค่ากรอบและสัดส่วนภาพแนวนอนดั้งเดิมของภาพ A ไม่มีเฟอร์นิเจอร์ ข้อความ หรือขอบภาพตัดปะเพิ่มเติม

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
คำตัดสิน

Muse > Gemini = ChatGPT

Muse เป็นโมเดลเดียวที่วางเก้าอี้ที่ถูกแก้ไขไว้ในทิศทางดั้งเดิม ขณะที่อีกสองโมเดลหมุนมันไปทางขวามากเกินไป

12

การจับคู่ตัวตน โครงสร้าง และพื้นผิวจากภาพอ้างอิงสามภาพ

พรอมต์ (แปลจากภาษาอังกฤษ)

สร้างภาพถ่ายพอร์ตเทรตสตูดิโอเชิงบรรณาธิการแบบสมจริงจัตุรัสหนึ่งภาพโดยใช้ภาพอ้างอิงทั้งสามภาพพร้อมการผูกบทบาทอย่างเคร่งครัด วางแมวลายสลิดสีเทาตัวเดิมจากภาพ A ให้นั่งตัวตรงและมองไปทางซ้ายเล็กน้อยบนเก้าอี้ปีกนกที่ตรงกับภาพ B พอดี รักษาใบหน้าของแมว ตาสีเขียวอมเหลือง ลายทางหน้าผากเข้ม ขนลายสลิดสีเทา รูปทรงหู และหางยาวลายวง รักษาพนักพิงสูงมีปีก ที่วางแขนแบบม้วน เบาะกว้าง ขาหน้าโค้ง และคานขวางด้านล่างสีเข้มของภาพ B แต่ให้แทนที่เฉพาะผ้าหุ้มด้วยลายผ้า Strawberry Thief จากภาพ C เท่านั้น ได้แก่ พื้นหลังสีน้ำเงินเข้ม นกเดินดงจัดวางเป็นภาพสะท้อนกัน สตรอเบอร์รี่สีแดง ใบไม้สีน้ำเงิน และดอกไม้สีชมพู ในสัดส่วนที่มองเห็นนกตัวเต็มอย่างน้อยสองตัวพาดผ่านเก้าอี้ ใช้ฉากหลังสตูดิโอสีเทาอบอุ่นไร้รอยต่อและแสงนุ่มจากด้านซ้ายบนพร้อมเงาสัมผัสที่กลมกลืน ห้ามคัดลอกใบไม้หรือพื้นหลังจากภาพ A ฉากหลังหอจดหมายเหตุจากภาพ B หรือตัวอย่างผ้าสี่เหลี่ยมผืนผ้าจากภาพ C ไม่มีปลอกคอ เครื่องแต่งกาย สัตว์เพิ่มเติม เฟอร์นิเจอร์เพิ่มเติม ข้อความ ขอบ หรือแผงภาพปะติด

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
คำตัดสิน

ChatGPT > Muse > Gemini

ChatGPT ให้ผลลัพธ์ที่ตรงตามพรอมต์และมีความแม่นยำมากที่สุดอย่างเห็นได้ชัด

เก้าอี้ในผลลัพธ์ของ ChatGPT ยังคงมีลักษณะเก่าและมีฝุ่นเกาะเช่นเดียวกับเก้าอี้ต้นฉบับ

Muse รักษาทิศทางและรายละเอียดของเก้าอี้ได้อย่างสมบูรณ์แบบ แต่สีของมันสว่างเกินไป

Gemini มีสีที่สว่างเกินไปเช่นเดียวกัน และยังหมุนเก้าอี้มาหากล้องอย่างไม่ถูกต้อง จึงอยู่อันดับสุดท้าย

13

พาลูกสาวของฉันไปที่ภูเขาสกีในฮอกไกโด

พรอมต์ (แปลจากภาษาอังกฤษ)

ใช้ภาพ B เป็นภาพถ่ายปลายทางหลัก และใช้ภาพ A เป็นข้อมูลอ้างอิงอัตลักษณ์สำหรับลูกสาวของฉันเท่านั้น สร้างภาพถ่ายท่องเที่ยวครอบครัวที่สมจริงโดยวางเด็กผู้หญิงคนเดิมจากภาพ A ลงบนลานสกีที่ปกคลุมด้วยหิมะในภาพ B โดยรักษาภูเขาโยเตอิของฮอกไกโด เส้นขอบฟ้า ลานสกี และท้องฟ้าฤดูหนาวสีน้ำเงินไว้เช่นเดิม แสดงตัวเธอเต็มตัวในส่วนหน้าด้านซ้าย ยิ้มอย่างเป็นธรรมชาติเข้าหากล้อง สวมเสื้อแจ็คเก็ตสกีสีแดงที่เหมาะสมกับวัย กางเกงสกีสีน้ำเงินเข้ม ถุงมือสีดำ รองเท้าสกีสีขาว และหมวกไหมพรมสีครีมที่เผยให้เห็นใบหน้าของเธออย่างชัดเจน วางสกีขนาดสำหรับเด็กสองอันขนานกันใต้รองเท้าของเธอ และไม้สกีหนึ่งอันในแต่ละมือ ปรับแสงของภูเขา ความสูงของกล้อง สเกล อากาศหนาวที่สดชื่น เงาสัมผัสบนหิมะ และแสงสีฟ้าที่สะท้อนให้เข้ากัน รักษาอายุ ใบหน้า สีตา ไรผม และสีหน้าที่จดจำได้ง่ายของเธอไว้ ห้ามทำให้เธอดูเป็นผู้ใหญ่ขึ้นหรือทำให้สวยเกินจริง ห้ามเปลี่ยนเงาของภูเขา เพิ่มอาคาร คิดค้นข้อความ ทำซ้ำผู้คน หรือสร้างภาพตัดปะ คืนค่ากรอบและสัดส่วนภาพแนวนอนของภาพ B

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
คำตัดสิน

ChatGPT > Gemini > Muse

โมเดลทั้งสามสร้างภาพการเล่นสกีที่สมจริงและรักษาเอกลักษณ์ของเด็กผู้หญิงไว้ได้ อย่างไรก็ตาม ทั้งหมดต่างประสบปัญหาในการเรนเดอร์รองเท้าบูทและสกีให้ถูกต้อง

ChatGPT ชนะในเรื่องของสกีกระดานที่เรนเดอร์ได้อย่างสะอาดตาและเงาที่เป็นธรรมชาติบนใบหน้าของเด็กผู้หญิง แม้ว่าส่วนท้ายของสกีจะสั้นเกินไปอย่างเห็นได้ชัดก็ตาม

Gemini มีปัญหาในการเรนเดอร์ส่วนท้ายของสกี นอกจากนี้ ไม้ค้ำสกีข้างขวายังยาวกว่าข้างซ้ายมาก

Muse ยังมีปัญหาในการเรนเดอร์สกี อีกทั้งเงารอบใบหน้าของเด็กผู้หญิงยังดูไม่เป็นธรรมชาติด้วย

14

เปลี่ยนแฟนเก่าของฉันเป็นคนใหม่

พรอมต์ (แปลจากภาษาอังกฤษ)

ใช้ภาพ A เป็นภาพถ่ายพื้นฐาน แทนที่เฉพาะผู้หญิงโตที่นั่งอยู่ด้านหลังผู้ชายบนสกู๊ตเตอร์ด้วยผู้หญิงโตจากภาพ B รักษาใบหน้า ดวงตา จมูก ปาก ผิวพรรณ และผมยาวสีเข้มที่จดจำได้ง่ายของผู้หญิงคนใหม่ แต่ปรับท่านั่ง สเกล และสายตาของเธอให้เข้ากับผู้โดยสารเดิมอย่างเป็นธรรมชาติ เธอต้องสวมคาร์ดิแกนสีครีมและกระโปรงสีเบจของผู้โดยสารเดิม และถือกล้องสองเลนส์ตัวเดียวกันในตำแหน่งเดียวกันด้วยมือที่ดูสมจริง ห้ามนำหมวกทรงกรวย ผ้าพันคอสีแดง ธง ถนน หรือพื้นหลังของภาพ B มาด้วย รักษาผู้ชายไว้ตามเดิมอย่างสมบูรณ์ รวมถึงใบหน้า ผม เสื้อเชิ้ตลายทางสีน้ำเงิน มือ และท่าทางในการขับขี่ และรักษาภาพ A ในส่วนของสกู๊ตเตอร์ ชั้นวางโครเมียม หินปูถนน อาคารแลนด์มาร์ก ประตู ต้นไม้ ป้าย เงา การครอบตัด และความชัดลึก ปรับแสงแดดตอนเที่ยงและเงาสัมผัสที่มีอยู่ให้เข้ากัน เพื่อให้ภาพนี้ดูเหมือนภาพถ่ายท่องเที่ยวที่ไม่มีการตัดต่อ ห้ามเปลี่ยนแปลงบุคคลหรือวัตถุอื่นๆ เพิ่มเครื่องประดับหรือข้อความ ทำซ้ำอวัยวะ เบลอใบหน้า หรือสร้างภาพตัดปะ คืนค่าสัดส่วนภาพแนวนอนของภาพ A

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
คำตัดสิน

Gemini > ChatGPT > Muse

ทั้ง Gemini และ ChatGPT ทำหน้าที่สลับใบหน้าได้ดี สีผิวดูไม่เป็นธรรมชาติทั้งในสองภาพ Gemini ชนะเพราะเด็กผู้หญิงมองลงมาและสอดคล้องกับท่าทางเดิมมากกว่า

Muse ล้มเหลวอย่างสิ้นเชิงในการสลับใบหน้าของภาพพอร์ตเทรตที่สอง จึงถือว่าไม่ผ่านโดยสิ้นเชิง

ยอดรวมสุดท้าย

โมเดลรูปภาพใดเป็นผู้ชนะ?

เพื่อให้เข้าใจง่าย เราจะมอบสามคะแนนสำหรับการเข้าเส้นชัยเป็นอันดับหนึ่งแต่ละครั้ง (แบ่งคะแนนกันหากเสมอกัน) และหนึ่งคะแนนสำหรับตำแหน่งอันดับสอง

ผู้ชนะด้านการสร้างภาพจากข้อความ

ChatGPT Images 2.5

ChatGPT Images 2.5 ชนะในหมวดการสร้างภาพด้วยคะแนน 9.5 คะแนน นำหน้า Gemini Nano Banana 2 ที่ได้ 9 คะแนน และ Muse Image 1.0 ที่ได้ 7.5 คะแนน

ผู้ชนะการแก้ไขรูปภาพ

Muse Image 1.0 และ Gemini Nano Banana 2

Muse Image 1.0 และ Gemini Nano Banana 2 ครองแชมป์ด้านการแก้ไขร่วมกันด้วยคะแนน 9.5 คะแนนเท่ากัน โดยเฉือนชนะ ChatGPT Images 2.5 ที่ได้ 9 คะแนนไปอย่างฉิวเฉียด

ผู้ชนะโดยรวม

ChatGPT Images 2.5 และ Gemini Nano Banana 2

ChatGPT Images 2.5 และ Gemini Nano Banana 2 ครองแชมป์ร่วมกันด้วยคะแนนรวมเท่ากันที่ 18.5 คะแนน Muse Image 1.0 ตามมาติดๆ ด้วยคะแนน 17 คะแนน

ลองทำด้วยตัวคุณเอง

สร้างและแก้ไขภาพด้วย AI

เราได้รวบรวมชุดพรอมต์เพื่อทำให้โมเดลรูปภาพเหล่านี้ใช้งานได้ง่ายยิ่งขึ้น ดูวิธีใช้งาน

สำรวจการสร้างรูปภาพ