1 पॉइंट द्वारा GN⁺ 2023-11-28 | 1 टिप्पणियां | WhatsApp पर शेयर करें

DALL·E इमेज ट्रांसफॉर्मेशन पार्टी

  • DALL·E इमेज ट्रांसफॉर्मेशन के लिए एक पार्टी प्रदान करता है.
  • यूज़र्स को पसंद आने वाले इमेज थीम्स में 'gnome', 'बुज़ुर्ग साइबेरियाई', और 'अजीब बिल्लियाँ' जैसी चीज़ें शामिल हैं.
  • OpenAI API key का उपयोग करके शुरुआती prompt के आधार पर इमेज generation शुरू किया जा सकता है.

उन्नत सेटिंग्स

  • iteration count जैसी उन्नत settings के ज़रिए यूज़र इमेज generation process को समायोजित कर सकते हैं.
  • GPT-4 vision prompt का उपयोग करके base prompt को बदला जा सकता है, या उसे और मज़ेदार, और विचित्र, और अनोखा बनाया जा सकता है, या हर चीज़ को बिल्ली में बदला जा सकता है.

GN⁺ की राय

  • इस लेख की सबसे महत्वपूर्ण बात यह है कि DALL·E का उपयोग करके विभिन्न इमेजेज़ बनाई जा सकती हैं और उन्हें यूज़र की इच्छानुसार बदला जा सकता है.
  • रचनात्मक और व्यक्तिगत इमेज generation की क्षमता लोगों को एक दिलचस्प अनुभव देती है और इसे तकनीकी प्रगति तथा artificial intelligence की संभावनाओं को दिखाने वाले उदाहरण के रूप में देखा जा सकता है.

1 टिप्पणियां

 
GN⁺ 2023-11-28
Hacker News की राय
  • prompt में बदलाव करते हुए image chain में क्या होता है, यह देखना काफ़ी मज़ेदार है। हाल की एक Twitter पोस्ट[1] से प्रेरित होकर, मैंने इसे हर बार तीव्रता बढ़ाने के लिए सेट किया
    शुरुआती prompt, या कम से कम विषय, मेरे एक बच्चे ने सुझाया था। एक साधारण बकरी की उथल-पुथल को cosmic horror और ब्रह्मांड के अंत जैसी madness में तेज़ी से बदलते हुए देखिए। सच में कमाल है
    https://dalle.party/?party=vCwYT8Em
    [1]: https://x.com/venturetwins/status/1728956493024919604?s=20

    • “19 जनवरी 2024 को मशीनों ने धरती पर कब्ज़ा कर लिया
      किसी गुमनाम influencer के computer पर एक infinite loop ने GPT-5 को ‘इसे और ऐसा बनाओ’ का निर्देश दिया
      13 घंटे बाद, दुनिया भर की रोशनियां बुझनी शुरू हो गईं”
    • inspiration के लिए धन्यवाद। DALL-E शैतानी images बनाने में सचमुच बहुत अच्छा है: https://imgur.com/a/ng2zWTo
      लगता है dataset में Satan से जुड़ी सामग्री असामान्य रूप से ज़्यादा है #tinfoilhat #deepstate
    • क्या बच्चा भी Goat Simulator खेल रहा है? =D
    • हर बार तीव्रता बढ़ाने को कहने का idea शानदार है। इसकी वजह से शाम मज़ेदार हो गई
    • “एक साधारण बकरी की उथल-पुथल cosmic horror और ब्रह्मांड के अंत जैसी madness में तेज़ी से बदलती है” — यह तो सचमुच वही बात है कि Icon of Sin जितनी देर धरती पर रहता है, उतना ही ताकतवर होता जाता है
      ...वाह, काफ़ी dramatic है
  • मेरे पास एक custom prompt है जिसे मैंने खुद आज़माया और पसंद किया
    “image के हर छोटे detail पर गहराई से सोचो, और style, रंग व lighting सहित उसे conceptualize करो
    अंतिम चरण के रूप में, इसे एक paragraph में संक्षेपित करो
    सबसे प्रमुख features और बेहद सटीक भाषा का उपयोग करते हुए, अपने विचारों को बहुत सावधानी से एक paragraph में संक्षेपित करो”
    https://dalle.party/?party=1lSMniUP
    https://dalle.party/?party=cEUyjzch
    https://dalle.party/?party=14fnkTv-
    https://dalle.party/?party=wstiY-Iw
    Basilisk की जय हो, आखिरकार request limit लग गई और अब मैं सोने जा सकता हूं

    • मेरा वाला भी पल भर में surreal हो गया, लेकिन छठी image काफ़ी अच्छी है https://dalle.party/?party=DNgriW_E
    • जो बात सचमुच समझ से परे हद तक हैरान करती है, वह यह है कि image की shadows सही हैं। यह कैसे संभव है? क्या DALL-E में सच में कोई shadow-tracing component है?
    • https://dalle.party/?party=14fnkTv-
      यह दिलचस्प है कि सिर्फ़ एक iteration में anthropomorphic cardboard boxes लगभग पूरी तरह Danbo जैसे बनाए गए हैं: https://duckduckgo.com/?q=danbo+character&ia=images&iax=images
      ज़्यादा fantasy-like images के बीच एक पहचानने योग्य character का उभर आना चौंकाने वाला था
    • https://dalle.party/?party=1lSMniUP
      भेड़िये और Red Riding Hood के रिश्ते को अंधेरे और खतरनाक माहौल से शांत और दोस्ताना रिश्ते में बदलते देखना बहुत दिलचस्प है
    • fractal images बढ़िया हैं
  • opposite concepts के साथ खेलना भी काफ़ी मज़ेदार है
    एक साधारण बिल्ली लेटे हुए खीरे में evolve होती है, और आखिर में opposite world बन जाता है
    https://dalle.party/?party=pqwKQVka
    ऊर्जावान celestial octopus beings की सभा
    https://dalle.party/?party=lHNDUvtp

  • यह मुझे party game Telestrations की याद दिलाता है, जिसमें खिलाड़ी बारी-बारी से चित्र बनाते हैं और जो देखा उसे शब्दों में लिखते हैं। prompts पढ़ते हुए अगली drawing का अंदाज़ा लगने लगता है, इसलिए result देखना मज़ेदार है
    काश यहां भी एक अलग view mode होता जो image और उसके बाद वाला prompt दिखाता। अगर button दबाने पर अगली image खुले, तो prompt पढ़ते समय मन में picture imagine की जा सकती है
    अपडेट: अभी देखा कि mobile mode में जाने या window size छोटा करने पर यह effect मिल सकता है। prompt पढ़ने के बाद नीचे scroll करके image देखी जा सकती है

    • यह मुझे exquisite corpse की याद दिलाता है, जिसमें लोग बारी-बारी से एक हिस्सा बनाते या एक paragraph लिखते हैं, और सिर्फ़ सबसे हाल की चीज़ देख सकते हैं (https://austinkleon.com/2020/07/02/exquisite-corpse/)
  • मुझे लगा था यह जल्दी ही surreal दिशा में भटक जाएगा, लेकिन उल्टा यह धीरे-धीरे तकनीकी गिरावट पर खत्म हुआ
    शुरुआती prompt:
    “steam locomotive और DaVinci flying machine का futuristic hybrid”
    नतीजा:
    https://dalle.party/?party=14ESewbz
    साथ ही, अगर किसी को यह जानना हो कि iterations की संख्या के साथ लागत कैसे बढ़ती है, तो बता दूँ कि इस नतीजे के पूरे 10 iterations के लिए credit balance से $0.21 charge हुए

    • उसी शुरुआती prompt से दूसरी run भी की, और इस बार “make it more whimsical” modifier इस्तेमाल किया। फर्क आता है, और evolution के दौरान prompt या image का कौन-सा हिस्सा ज़्यादा उभरकर आता है, यह देखना दिलचस्प है
      शुरुआती prompt: “steam locomotive और DaVinci flying machine का futuristic hybrid”
      नतीजा: https://dalle.party/?party=qLHPB2-o
      लागत: 8 iterations के लिए $0.44 — लगता है API execution के अलावा extra calls ले रही है। मैंने अलग browser और अलग machine पर verify किया कि shared link key pass नहीं करता, लेकिन ऐसा क्यों है, यह ठीक से नहीं पता
    • 9वें में passenger car में आग लगी है, या कम-से-कम उससे बहुत ज़्यादा steam निकल रही है, यह मुझे पसंद आया
      images शानदार हैं, लेकिन ऐसी चीज़ें अक्सर दिख जाती हैं, और तब immersion थोड़ा टूट जाता है
      3 और 4 भी अच्छे हैं, लेकिन वहाँ smoke tracks से निकल रहा है, train से नहीं
  • शुरुआती prompt “अपने-आप को चित्रित करती artificial intelligence” डालकर बनाया: https://dalle.party/?party=wszvbrOx
    यह लगातार canvas पर painting बनाते robot को दिखाता है। पहली 4 images robot की paintings हैं, अगली 3 galaxies हैं, और आख़िरी 2 landscapes हैं

    • मैंने भी कुछ मिलता-जुलता किया। दिलचस्प बात यह है कि image 2 वही थी जो मैं चाहता था, और उसके बाद से अजीब होने लगा
      https://dalle.party/?party=C2w7zuwe
    • कुछ pictures में robot का appearance Will Smith वाली I Robot movie adaptation से काफ़ी ज़्यादा प्रभावित लगता है
  • gnome example की तरह किसी खास prompt और subject का relatively stable बने रहना देखना अच्छा है। लेकिन “चूहों को lecture देती बिल्ली” जल्दी ही अजीब surreal sloth banana वाली territory में भटक जाती है
    मेरा अंदाज़ा है कि “gnome + art style + mushroom” training data से ज़्यादा concrete examples खींच सकता है, लेकिन cat example जैसी अजीब situations में AI को image गढ़ने के लिए ज़्यादा व्यापक रूप से खोजना पड़ता है, शायद इसलिए ऐसा होता है

  • Corgi madness में descent भी है: https://dalle.party/?party=oxXJE9J4

    • लगता है कि हर चीज़ cosmic/space theme बन जाने वाला meme सच था
    • यह अच्छा है। “Meerkat” से fork करके बनाया तो अंत काफ़ी psychedelic निकला
      कुछ समय तक Van Gogh की “Starry Night” में अटका रहा
      https://dalle.party/?party=LOcXREfq
      और मुझे इस idea की simplicity पसंद है। “fork” option और यह देखने के लिए graph हो तो अच्छा होगा कि कहाँ से शुरू हुआ था
    • तीसरी image में जो काफी dramatic मोड़ आता है, वह पसंद आया। वह truck पक्का corgi को टक्कर मारने वाला लगता है; violent imagination ने दिमाग में एक vivid scene बना दिया
      लेकिन अगली image में DALL-E अपना मन बदलता है और truck को दूसरी lane में रख देता है
    • तो क्या यह समझना सही है कि corgi पूरी तरह GPT-4 द्वारा picture interpret करके बनाया गया है?
  • “इमेज का टेक्स्ट वर्ज़न बनाना” prompt बेहद महत्वपूर्ण है
    तीन चीज़ें आज़माईं और demo ये हैं
    default
    https://dalle.party/?party=JfiwmJra
    बहुत लंबा + maximum detail + compression — दिखाता है कि अगर text पर्याप्त हो तो काफी मिलती-जुलती images को बहुत अच्छे से recreate किया जा सकता है
    https://dalle.party/?party=QtEqq4Mu
    बहुत लंबा + maximum detail + compression + उसे 12 शब्दों में घटाने का निर्देश — ठीक दिखता है, लेकिन लगता है कि बहुत ज़्यादा details खो देता है
    https://dalle.party/?party=0utxvJ9y
    कुल मिलाकर extreme content filtering और झूठे error messages अच्छे नहीं लगते। आगे बेहतर होने की संभावना है। अगर बहुत लंबा या risky prompt भेजें, या generated image random तरीके से बहुत risky हो जाए, तो कभी सच में बता देता है, और कभी request limit hit होने का बहाना भी करता है। कभी-कभी सच में request limit भी hit हो जाती है
    साथ ही, जब तक आप यह साबित नहीं करते कि आपने OpenAI को एक निश्चित राशि से ज़्यादा payment किया है, request limit बढ़ाई नहीं जा सकती। नए sign-ups गलती से हजारों डॉलर की limit उड़ा न दें, इसे रोकने के तरीके के तौर पर यह कुछ हद तक समझ में आता है
    ultra-detailed prompt:
    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.
    अंतिम 12-शब्दों की reduction:
    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.

    • prompt पसंद आया। कुछ results ऐसे हैं
      https://dalle.party/?party=Vwuu9ipd
      https://dalle.party/?party=Pc3g4Har
      अंदाज़ा है कि “poetry” वाला हिस्सा image को थोड़ा kitsch दिशा में झुका देता है
    • 4
      पिछली image से generated GPT-4 vision prompt:
      I'm sorry, I cannot assist with this request.
      spaceship धीरे-धीरे किसी RPG backpack जैसी दिखने लगी थी, तो क्या उसने इसे weapons की images बनाने वाले prompt को describe करने की request माना और unsafe समझा?
    • prompt में कई review steps लिख देना शायद असल में उन steps को perform करने का substitute नहीं है
  • results उम्मीद से ज़्यादा noise वाले थे, लेकिन concept पसंद आया
    https://dalle.party/?party=bxrPClVg
    https://dalle.party/?party=mmBxT8G-
    https://dalle.party/?party=kxra0OKY (आखिरी prompt पर content warning आया था)
    https://dalle.party/?party=Q8VYXU0_

    • custom prompt on है। शायद किसी और चीज़ को देखने के बाद “start over” दबाने से on हुआ होगा, लेकिन यह opposite concept मांग रहा है, इसलिए noise काफी ज़्यादा बढ़ेगा