Show HN: Loop de feedback com DALL·E 3 e GPT-4 Vision

 (dalle.party)
1 pontos por GN⁺ 2023-11-28 | 1 comentários | Compartilhar no WhatsApp

Festa de transformação de imagens com DALL·E

  • O DALL·E oferece uma festa para transformação de imagens.
  • Entre os temas de imagem de que os usuários gostam estão "gnomos", "idosos siberianos" e "gatos estranhos".
  • É possível gerar imagens com base em um prompt inicial usando uma chave da API da OpenAI.

Configurações avançadas

  • Com configurações avançadas, como o número de iterações, o usuário pode ajustar o processo de geração de imagens.
  • Também é possível personalizar usando prompts de visão do GPT-4 para alterar o prompt base, deixá-lo mais divertido, mais estranho, mais criativo ou até transformar tudo em gatos.

Opinião do GN⁺

  • O ponto mais importante deste artigo é que, com o DALL·E, é possível gerar várias imagens e transformá-las da maneira que o usuário quiser.
  • Os recursos de geração de imagens criativos e personalizados oferecem uma experiência interessante para as pessoas e podem ser vistos como um exemplo do avanço da tecnologia e das possibilidades da inteligência artificial.

Leituras relacionadas

1 comentários

 
GN⁺ 2023-11-28
Comentários do Hacker News

  • É bem divertido ver o que acontece na sequência de imagens ao mexer no prompt. Inspirado por uma publicação recente no Twitter[1], configurei para aumentar a intensidade a cada vez.
    O prompt inicial, ou pelo menos o tema, foi sugerido por um dos meus filhos. Apreciem a cena em que uma confusão comum com uma cabra acelera para horror cósmico e loucura em nível de fim do universo. É realmente sensacional.
    https://dalle.party/?party=vCwYT8Em
    [1]: https://x.com/venturetwins/status/1728956493024919604?s=20

    • “19 de janeiro de 2024, as máquinas tomaram conta da Terra
      Em algum computador de um influenciador desconhecido, um loop infinito instruiu o GPT-5 a ‘fazer mais assim’
      13 horas depois, as luzes do mundo inteiro começaram a se apagar”
    • Obrigado pela inspiração. O DALL-E é realmente bom em criar imagens demoníacas: https://imgur.com/a/ng2zWTo
      Parece que há uma quantidade anormalmente grande de material relacionado a Satã no dataset #tinfoilhat #deepstate
    • Será que a criança também está jogando Goat Simulator? =D
    • A ideia de pedir para aumentar a intensidade a cada vez é excelente. Tornou minha noite mais divertida.
    • “Uma confusão comum com uma cabra acelera para horror cósmico e loucura em nível de fim do universo” é literalmente o lance de o Icon of Sin ficar mais forte quanto mais tempo permanece na Terra.
      ...uau, bem dramático.

  • Tenho um prompt customizado que testei e gostei.
    “Pense profundamente em todos os detalhes da imagem e conceitualize-a, incluindo estilo, cor e iluminação.
    Como etapa final, comprima isso em um único parágrafo.
    Usando as características mais marcantes e uma linguagem extremamente precisa, comprima seus pensamentos com muito cuidado em um parágrafo.”
    https://dalle.party/?party=1lSMniUP
    https://dalle.party/?party=cEUyjzch
    https://dalle.party/?party=14fnkTv-
    https://dalle.party/?party=wstiY-Iw
    Louvado seja o basilisco, finalmente bati no limite de requisições e vou poder ir dormir.

    • O meu também ficou surrealista rapidinho, mas a sexta imagem é bem legal: https://dalle.party/?party=DNgriW_E
    • O que é incrivelmente surpreendente, a ponto de eu não entender, é que as sombras da imagem estão corretas. Como isso é possível? O DALL-E realmente tem algum componente de rastreamento de sombras?
    • https://dalle.party/?party=14fnkTv-
      É interessante que, em uma única iteração, quase todas as caixas de papelão antropomorfizadas sejam desenhadas como Danbo: https://duckduckgo.com/?q=danbo+character&ia=images&iax=images
      Foi surpreendente ver um personagem reconhecível surgir no meio das imagens mais fantásticas.
    • https://dalle.party/?party=1lSMniUP
      É muito interessante ver a relação entre o lobo e a Chapeuzinho Vermelho mudar de uma atmosfera sombria e ameaçadora para uma relação tranquila e amigável.
    • As imagens fractais são legais.

  • Também é bem divertido brincar com o conceito oposto.
    Um gato simples evolui para um pepino deitado e, no fim, vira um mundo oposto.
    https://dalle.party/?party=pqwKQVka
    Uma reunião de seres-polvo celestiais e animados.
    https://dalle.party/?party=lHNDUvtp

  • Isso me lembrou Telestrations, o party game em que os jogadores alternam entre desenhar e escrever o que viram. Como você tenta prever o próximo desenho enquanto lê o prompt, ver o resultado fica engraçado.
    Seria bom se houvesse também um outro modo de visualização que mostrasse a imagem e o prompt seguinte. Se a próxima imagem só fosse revelada ao apertar um botão, daria para imaginar o desenho na cabeça enquanto se lê o prompt.
    Atualização: acabei de ver que dá para conseguir esse efeito entrando no modo mobile ou reduzindo o tamanho da janela. Depois de ler o prompt, basta rolar para baixo e ver a imagem.

  • Achei que isso fosse descarrilar rapidamente para uma direção surrealista, mas acabou mais como uma degradação técnica gradual
    Prompt inicial:
    “um híbrido futurista de uma locomotiva a vapor e uma máquina voadora de DaVinci”
    Resultado:
    https://dalle.party/?party=14ESewbz
    Além disso, caso alguém esteja curioso sobre como o custo aumenta conforme o número de iterações, o total de 10 iterações desse resultado cobrou US$ 0,21 do saldo de créditos

    • Fiz uma segunda execução com o mesmo prompt inicial e, desta vez, usei o modificador “tornar mais criativo”. Dá para ver uma diferença, e é interessante observar quais partes do prompt ou da imagem ficam mais proeminentes ao longo da evolução
      Prompt inicial: “um híbrido futurista de uma locomotiva a vapor e uma máquina voadora de DaVinci”
      Resultado: https://dalle.party/?party=qLHPB2-o
      Custo: US$ 0,44 por 8 iterações — parece que a API recebe chamadas adicionais além da execução. Confirmei em outro navegador e em outra máquina que o link compartilhado não passa a chave, mas não sei bem por que isso acontece
    • Gosto de como, na 9ª, o vagão de passageiros pegou fogo ou pelo menos está soltando vapor demais
      As imagens são incríveis, mas acabo encontrando coisas assim com frequência, e isso quebra um pouco a imersão
      A 3ª e a 4ª também são boas, mas pelo fato de a fumaça sair dos trilhos e não do trem

  • Experimentei com o prompt inicial “uma inteligência artificial desenhando a si mesma”: https://dalle.party/?party=wszvbrOx
    Ele continua mostrando um robô desenhando em uma tela. As 4 primeiras são desenhos de robôs, as 3 seguintes são galáxias, e as 2 últimas são paisagens

    • Fiz algo parecido. Curiosamente, a 2ª imagem era o que eu queria, e daí em diante ficou estranho
      https://dalle.party/?party=C2w7zuwe
    • Em algumas imagens, a aparência do robô parece ter sido fortemente influenciada pela adaptação cinematográfica de I, Robot com Will Smith

  • É legal ver que certos prompts e temas se mantêm relativamente estáveis, como no exemplo do gnome. Mas “um gato dando aula para ratos” rapidamente descarrila para um território estranho e surreal de bicho-preguiça banana
    Meu palpite é que “gnome + estilo artístico + cogumelos” consegue puxar exemplos mais concretos dos dados de treinamento, enquanto, em situações estranhas como o exemplo do gato, a IA precisa buscar de forma mais ampla para inventar a imagem

  • Também há a descida à loucura dos Corgis: https://dalle.party/?party=oxXJE9J4

    • Parece que o meme de que tudo vira tema espacial/cósmico era verdade mesmo
    • Gostei disso. Fiz uma bifurcação com “Meerkat” e acabou ficando bem psicodélico
      Ficou preso por um tempo em “Starry Night”, de Van Gogh
      https://dalle.party/?party=LOcXREfq
      E gosto da simplicidade dessa ideia. Seria legal ter uma opção de “fork” e um grafo mostrando de onde partiu
    • Gosto da virada bem dramática na terceira imagem. Aquele caminhão parece claramente prestes a atropelar o corgi; a imaginação violenta criou uma cena muito vívida na minha cabeça
      Mas, na imagem seguinte, o DALL-E muda de ideia e coloca o caminhão em outra faixa
    • Então devo entender que o corgi foi algo criado puramente pelo GPT-4 ao interpretar a imagem?

  • O prompt “criar uma versão em texto da imagem” é extremamente importante
    Testei três variações, e as demos são estas
    Padrão
    https://dalle.party/?party=JfiwmJra
    Superlongo + máximo de descrição detalhada + compressão — mostra que, se houver texto suficiente, dá para reproduzir imagens bem parecidas com bastante competência
    https://dalle.party/?party=QtEqq4Mu
    Superlongo + máximo de descrição detalhada + compressão + instrução para reduzir isso a 12 palavras — parece bom, mas acho que perde detalhes demais
    https://dalle.party/?party=0utxvJ9y
    No geral, a filtragem extrema de conteúdo e as mensagens de erro falsas são ruins. Há chance de melhorar no futuro. Quando você envia um prompt longo demais ou perigoso, ou quando a imagem gerada fica aleatoriamente perigosa demais, às vezes ele realmente avisa, e às vezes mente dizendo que você atingiu o limite de requisições. Às vezes você realmente atinge o limite de requisições
    Além disso, não dá para aumentar o limite de requisições antes de provar que pagou à OpenAI acima de determinado valor. Como forma de impedir que novos usuários estourem por engano um limite de milhares de dólares, isso faz algum sentido
    Prompt ultradetalhado:
    Look at this image and extract all the vital elements. List them in your mind including position, style, shape, texture, color, everything else essential to convey their meaning. Now think about the theme of the image and write that down, too. Now write out the composition and organization of the image in terms of placement, size, relationships, focus. Now think about the emotions - what is everyone feeling and thinking and doing towards each other? Now, take all that data and think about a very long, detailed summary including all elements. Then "compress" this data using abbreviations, shortenings, artistic metaphors, references to things which might help others understand it, labels and select pull-quotes. Then add even more detail by reviewing what we reviewed before. Now do one final pass considering the input image again, making sure to include everything from it in the output one, too. Finally, produce a long maximum length jam packed with info details which could be used to perfectly reproduce this image.
    Redução final para 12 palavras:
    NOW, re-read ALL of that twice, thinking deeply about it, then compress it down to just 12 very carefully chosen words which with infinite precision, poetry, beauty and love contain all the detail, and output them, in quotes.

    • Gostei do prompt. Alguns resultados:
      https://dalle.party/?party=Vwuu9ipd
      https://dalle.party/?party=Pc3g4Har
      Minha intuição é que a parte de “poetry” inclina um pouco a imagem para uma direção kitsch
    • 4
      Prompt do GPT-4 Vision gerado a partir da imagem anterior:
      I'm sorry, I cannot assist with this request.
      Será que, como a nave espacial foi ficando cada vez mais parecida com uma mochila de RPG, ele interpretou isso como um pedido para descrever um prompt para criar uma imagem de arma e considerou inseguro?
    • É bem provável que especificar várias etapas de revisão no prompt não substitua realmente executar essas etapas

  • O resultado teve mais ruído do que eu esperava, mas gostei do conceito
    https://dalle.party/?party=bxrPClVg
    https://dalle.party/?party=mmBxT8G-
    https://dalle.party/?party=kxra0OKY (o último prompt recebeu um alerta de conteúdo)
    https://dalle.party/?party=Q8VYXU0_

    • O prompt customizado está ativado. Provavelmente foi ativado depois de ver outra coisa e clicar em “start over”, mas ele está pedindo o conceito oposto, então deve aumentar muito o ruído