2023-12-11 09:29
四大巨头的AI绘图模型综合评测，究竟哪款AI绘图模型更厉害！
都知道AI卷，卷大语言模型，卷多模态，卷视频，反正啥玩意都都卷。
AI绘图作为跟大语言模型并驾齐驱的最成熟的模态之一。
那更是卷到飞起。
前几天，Meta这个搅屎棍，正式公开上线了他们的AI绘图模型，叫Meta Imagine，就是这个玩意。
网址：https://imagine.meta.com/ (对魔法要求比较高，找个美国的干净的节点)
最关键的是吧，他免费。
你说他是不是搅屎棍。。。
但是Meta确实也有这个底气，毕竟你架不住他卡多啊。。
一个不做云服务的，搞这么多卡。。。甚至囤的H100超过了微软。。
你说他想干啥。。。
当然是来当搅屎棍了(笑。
当然，其实前两天就想按我的体系，去评测一下Meta这个免费的AI绘图了，但是因为PIKA1.0的关系，实在没有空，这周六下午才腾出手来好好的去玩。
正好也想借着这个机会，来对比评测一下我心中的现在四个比较大的AI绘图模型：
Meta Imagine，Midjourney，Adobe Firefly，Dalle。
SDXL之所以没放在里面是因为他毕竟是个开源模型，是靠后续大神们的微调和生态来玩的，而且原生的质量确实有一点点差。。。
所以主要来对比这四个大模型。
我会从细节质量、审美(构图色彩等)、风格多样化、语义理解这四个维度来评测，每个维度3个Prompt，同时每个Prompt我会在AI绘图模型中roll3次，取效果最具有代表性的那个图，尽量减少偏见。
同时，为了有最后整体可视化的评分让大家看着更直观，所以我会进行打分。在每个案例中，第一名为4分，第二为3分，第三为2分，最后一名为1分，最后计算和。
OK，让我们开始。
主要测试AI绘图对于细节的表现能力，比如人物面部皮肤的质感、比如织物纹理的细节、场景细微元素的细节等等，这个是对模型精度和输出质量一个非常重要的考量。
Prompt1：Portrait of a 2000s blonde woman posing on a sports car, white wired headphones, expressionless, 2000s hairstyle, 2000s fashion, sun rays, light teal and amber,Cinestill 50D
2000年代金发女郎在跑车上摆姿势的肖像，白色有线耳机，面无表情，2000年代发型，2000年代时尚，太阳光线，浅青色和琥珀色，Cinestill 50D
明显可以看出，Adobe在人物皮肤质感和衣服质感上最佳，Meta和MJ其次，Dalle3最差;耳机细节都有问题，Dalle3取巧了所以没有BUG，Meta直接没给你画;背景的细节都差不多。
Adobe：4.MJ：3.Meta：2.Dalle：1.
-
Prompt2：Amazing photo of golden retriever chasing tennis ball underwater, close-up portrait
金毛猎犬在水下追逐网球的惊人照片，特写肖像
Meta整体最好，MJ其次，被水沾湿的细节都画出来了，Adobe狗身上的细节少了一些，Dalle3还是拉了，水的气泡的细节崩了。
Meta：4.MJ：3.Adobe：2.Dalle：1.
-
Prompt3：A girl with a bunny sitting and smiling in 1970s fashion in a field of flowers
一个带着兔子的女孩，穿着 1970 年代的时尚，坐在花丛中微笑
MJ完胜，花和兔子、头发细节基本都没啥可挑的，Adobe的细节很足但是裤子崩了，Meta的面部皮肤质感很难受，Dalle基本就没啥东西，一股子油画感。
MJ：4.Adobe：3.Meta：2.Dalle：1.
在细节质量上，总分如下:
主要测试AI绘图的审美能力，一张图好不好看，是美是丑，除了细节之外，更多的还需要看模型的审美能力，比如构图、色彩、光影等等，审美强，出的图才好看。
Prompt1：Product shot of juicy burger, artisan, rustic, food photography, delicious, close-up
多汁汉堡的产品拍摄， 工匠， 质朴， 食物摄影， 美味， 特写镜头
一张非常强调审美的图，Meta的色彩几乎就不能看，让人毫无食欲，Dalle的构图问题很大背景太乱，两个瓶子跟门神一样，MJ也没有构图就一个大主体，Adobe完胜。
Adobe：4.MJ：3.Dalle：2.Meta：1.
-
Prompt2：Dungeons and Dragons, Close up of a fire breathing flying dragon, cinematic shot
龙与地下城，喷火飞龙的特写，电影镜头
特写镜头，很强调构图，还有火与龙身的光影对比，Meta的龙极其呆逼，其他所有的龙眼睛也都会发光来做强调，就它真画了个眼睛上去，色彩和构图也不太行，整体最佳还是Adobe，色彩和构图都棒，其次是MJ，再次是Dalle，构图差点意思，太偏左上了，最次是Meta。
Adobe：4.MJ：3.Dalle：2.Meta：1.
-
Prompt：Diagonal Shot. Constantinople, 1453. masked sorceress, in the style of biblical drama, movie scene, low saturation, muted colors, extreme detail, 8K
对角线拍摄。君士坦丁堡，1453年，蒙面女巫，圣经戏剧风格，电影场景，低饱和度，柔和的色彩，极端细节，8K
MJ的构图和色彩质感基本爆杀全场了，Adobe完全没理解我最后的低饱和度，Dalle的构图也很奇怪。
MJ：4.Meta：3.Adobe：2.Dalle：1.
在审美上，总分如下:
主要测试AI绘图对于风格的包容度，比如皮克斯风格、吉卜力风格、折纸艺术等等，理论上是需要大规模用几百个艺术风格去测成功率的，但是我个人精力有限，所以简单测试3个稍微常见一点但是不是那么烂大街的艺术风格吧。
Prompt1：an anime illustration of a samurai girl carrying a ninja sword, in the style of ethereal brushstrokes, ink painting, dark white and dark gray, fluid formation
拿着忍者剑的武士女孩的动画插图，风格空灵，水墨画，深白色和深灰色，流体形成
在水墨画这块，得神韵得还是MJ和dalle，Meta那个笔触就很诡异一点都不连贯断断续续得，Adobe画出来就感觉一个日漫一样。
MJ：4.Dalle：3.Meta：2.Adobe：1.
-
Prompt2：small boy looking out of his bedroom window into a cyberpunk world, pixelated, 8 bit style
小男孩从卧室窗户望向赛博朋克世界，像素化，8 位风格
8bit的像素画+赛博朋克，Adobe和Dalle都画出了这种风格，Meta差了一些，MJ是完全没画出。在像素化上，Adobe确实最好。
Adobe：4.Dalle：3.Meta：2.MJ：1.
-
Prompt3：Colorful logo of a French restaurant called "Khazix" with a flying seagull
一家名为“Khazix”的法国餐厅的彩色标志，上面有一只飞翔的海鸥
在做Logo上，Dalle3的精准文字目前确实是独一档，无人可比，logo的设计上，Dalle最强，MJ次之，Adobe普普通通，Meta的图形和细节简直稀碎。
Dalle：4.MJ：3.Adobe：2.Meta：1.
在风格多样化上，总分如下:
主要测试AI绘图对于复杂语义的理解能力，能否将文本内容都能清晰的表达出来并保证生成图片的质量。
Prompt1：A cup of coffee sitting on a table in front of a window; outside the window is a futuristic city; a futuristic monorail can be seen close by; many lush plants around; shot from ground floor; clouds above
窗前的桌子上放着一杯咖啡;窗外是一座未来的城市;附近可以看到未来派的单轨列车;周围有许多茂盛的植物;从一楼拍摄;上面有云
MJ崩了，是唯一没画出列车的，Adobe画了列车但是轨道有BUG，Meta画出来了但是很乱，Dalle完美。
Dalle：4.Meta：3.Adobe：2.MJ：1.
-
Editorial photography of astronaut cooking Christmas colorful chocolate honey cookies on spaceship, Christmas honey cookies floating around astronaut, no gravity, in spaceship, levitated
宇航员在宇宙飞船上烹饪圣诞彩色巧克力蜂蜜饼干的编辑摄影，圣诞蜂蜜饼干漂浮在宇航员周围，没有重力，在宇宙飞船中，悬浮
Dalle暴揍全场，唯一理解了圣诞、彩色元素的，Adobe在做饼干但是没这些元素，MJ好看是好看但是快把自己炸没了，饼干都没在做，Meta的饼干没漂浮。。。
Dalle：4.Adobe：3.Meta：2.MJ：1.
-
Prompt3：Shot diagonally. Cinematic shot of several astronauts in the space station, surrounding a chromium metal water droplet suspended in the air, the surface of the water droplet can reflect everything like a mirror, indoor scene
对角线拍摄。几名宇航员在空间站中的电影镜头，围绕着一个铬金属水滴周围，铬金属水滴悬浮在空中，水滴的表面可以像镜子一样反射一切，室内场景
之前做《三体》时一个天坑镜头，镜面能反射一切的铬金属水滴没几个AI能理解的，Dalle不亏是语义之王，Adobe理解成了从天上往下滴的水滴，Meta和MJ不知道在玩个啥。。。
Dalle：4.Adobe：3.MJ：2.Meta：1.
在语义理解上，总分如下:
写在最后
在四个维度评完了以后，我们应该能对这几个大模型有大概的了解了。
但是为了更直观一些，我再来做个雷达图吧。
细节质量方面，MJ > Adobe > Meta > Dalle。
审美方面，MJ = Adobe > Meta = Dalle。
风格多样化方面，Dalle > Adobe = MJ > Meta。
语义理解方面，Dalle > Adobe > Meta > MJ。
综合看，目前Adobe是最水桶的，其次是MJ，然后是Meta，Dalle偏科过于严重。
虽然只放出来了12个prompt，但是我在后面跑了将近14个小时，测了300多个例子，选出了典型。。快吐了。。
希望这个评测，能抛砖引玉吧，让大家对AI绘图综合有一些了解。
相关文章
近期文章
更多
Kardashian
Altman
