Generativ AI i kommunikation

Går det att skapa fotorealistiska genrebilder på människor med hjälp av AI? Jag testade mina nybörjarkunskaper i Adobe Firefly, DALL-E och MidJourney.

Jag utgick från det här Instagraminlägget på Lunds universitet forskning:

Bilderna är hämtade från bildsajten Mostphotos.com och är inte jätteroliga. Skulle det funka att använda AI-verktyg för denna typ av inlägg istället?

Promptar

Promptarna , alltså textbeskrivningarna jag använde för att få fram en bild, såg lite olika ut för de olika verktygen och justerades allt eftersom jag testade mig fram, men de byggde generellt på följande:

Male caucasian patient in scandinavian hospital bed talking to a female african american doctor, serious faces

Eller:

Female african american doctor standing beside a hospital bed, talking to a male patient

Adobe Firefly Image 2

Firefly ingår i Adobe Creative Cloud, dels med inbyggda funktioner i Adobeprogrammen/apparna, dels som ett separat webbverktyg. Testet skedde i webbverktyget och text-till-bild-modulen:

Adobe Firefly text-till-bild

Här skriver du in din bildbeskrivning, och kan enkelt via en panel göra inställningar för olika stilar, effekter, fotoinställningar, belysning, färg, ton, ladda upp referensbild etcetera. Skriver du på engelska kan du också få förslag på beskrivningar.

Resultatet

Människorna ser ”verkliga” men väldigt redigerade ut. De blir för släta och glowiga. Det blir lite bättre om jag drar ner reglaget för ”visuell intensitet”. Dessutom visar det sig vara väldigt svårt att få dem att inte le stort trots ord som “serious face” eller ”having pain” 🤨. Händer blir sällan rätt – ibland får de tre händer eller händer som svävar i luften. Och ögon pekar gärna på olika håll eller stirrar ut i tomma intet…

Jag försökte också få till olika hudfärg på läkaren respektive patienten, vilket visade sig vara svårt. Mörkhyad läkare gav också mörhyad patient och tvärtom.

Svårt att generera en miljö som andas svensk sjukhus/skandinavisk sjukdvård. Det blir gärna snöiga alptoppar utanför fönstret 🏔️❄️

Fördelar

• Superkul att leka och testa runt
• Smidigt gränssnitt och enkel panel med många valmöjligheter för att justera bilderna
• Praktiskt för att skapa kreativa artsy bilder, illustrationer, loggor
• Toppen att det ingår i Adobe-sviten

Nackdelar

• Blir inte fotorealistiskt
• Blir väldigt ”glowy” människor
• Svårt med ögon/blicken – personerna tittar konstigt/på fel håll/på ingenting
• Kroppsdelar, särskilt händer, fortfarande ett stort problem
• Svårt att prompta specifika scener – att läkare står bredvid sjukhussängen och pratar med en patient
• Svårt att få till olika hudfärg när det ska vara flera personer i en bild
• Svårt att få personerna att ha de ansiktsuttryck man är ute efter

Bra frågor och svar om Firefly

Moderskeppets frågor och svar om Adobe Firefly

DALLE-E

DALL-E finns numera inbyggt i betalversionen av ChatGPT. Här jobbar du precis som i “vanliga” ChatGPT och promptar fram din bild. Till skillnad från Firefly (och MidJourney) så genereras endast en bild åt gången istället för fyra varianter.

Resultat

DALLE-E kan leverera häftiga och snygga bilder, och relativt realistiska sådana när det inte handlar om människor som motiv. Hur jag än promptar så blir resultatet mer likt en målning. 

Efter en del googling hittar jag en tråd på Reddit; ”Is it me or does Dall-E 3 not produce realistic photos?” Jag hittar tips på hur man bör skriva in typ av kamera och olika kamerainställningar. Men de flesta verkar överens om att Dall-e bara levererar bilder i stil med ”computer art”. Och trots test av olika specifika kameror och inställningar så tröttnar jag ganska snabbt på att försöka få till fotografiska genrebilder i DALL-E.

Fördelar

• Lätt att använda. Du skriver bara in vad du vill att bilden ska föreställa och är du van vid ChatGPT så är det superenkelt.
• Smidigt att det ingår i ChatGPT som är det verktyget många nybörjare startar med.
• Kan skapa grymma bilder i stil med “computer art”.

Nackdelar

• Kan inte generera fotorealistiska bilder på människor alls?
• Jag kommer inte i närheten av det jag är ute efter vare sig i stil eller motiv – i alla fall inte med mina grundläggande promptkunskaper.

MidJourney

MidJourney är liiite krångligare att starta upp och komma in i då du måste skapa ett inlogg i appen Discord först. Gränssnittet är också lite rörigare – i alla fall för en otålig person – då du befinner dig i en stor community med olika servrar där du kan chatta med olika människor om helt olika saker. Här finns också mängder av trådar och tips på hur du promptar på bästa sätt.

För att generera bilder chattar du med boten MidJourney och skriver din prompt. Du har lite fler valmöjligeter än i DALLE-E, men inte samma enkla panel med olika inställningar som i Firefly. 

Fördelar

• Enkelt att välja vilka bild du vill jobba vidare med eller skala upp.
• Grym på att generera artsy illustrationer och fantasyliknande motiv

Nackdelar

• Svårt att veta hur du ska prompta och med vilka specifika termer om du är nybörjare. 
• Känslan av att det finns en hel värld att upptäcka här inne, om du har tiden…
• Bilder på människor ser redigerade och allt för “glowy” ut.

Summering – och en fråga till dig som läst hela vägen hit

Går det att skapa fotorealistiska genrebilder med människor som motiv?

Ja det går, men det blir inte tillräckligt bra eller tillräckligt realistiskt för att jag – just nu – ska kunna använda dessa i forskningskommunikation i SoMe där Lunds universitet är avsändare. Det ser INTE ut som ett foto och människor får än så länge konstiga kroppsdelar och ansiktsuttryck.

Kan jag använda verktygen till andra typer av genrebilder?

Ja det tror jag! Men människor är svårt. Och detta case var troligtvis lite för specifikt och avancerat.

Vilket verktyg gillade jag bäst?

I skrivande stund vinner Firefly för mig… På grund av att det känns som att jag har mest kontroll där, med högerpanelen och alla dess inställningar som inte kräver att jag blir en promptspecialist.

FRÅGA: Kommentera jättegärna om ni har förslag på promptar och inställningar för att få till denna typ av bilder bättre 🙏! 

13 december 2023

Anna Johnsson

Inlägget postades i

Bild