Тест-сравнение: Gemini 2.5 Flash Image Preview против Flux Kontext [pro]
Категории тестирования:
🔘Генерация изображений по текстовому описанию (Text-to-Image)
🔘Редактирование изображений и Inpainting
🔘Мультимодальные возможности и работа с несколькими изображениями
🔘Скорость и эффективность
🔘Понимание контекста и следование сложным инструкциям
1️⃣ Генерация изображений по текстовому описанию
Цель: Оценить способность моделей создавать высококачественные, релевантныe и детализированные изображения на основе текстовых подсказок.
Простой запрос: "Фотореалистичный портрет пожилого библиотекаря в тускло освещенной библиотеке."
Сложный и детализированный запрос: "Иллюстрация в стиле стимпанк, изображающая кошку-механика, работающую над сложным часовым механизмом в своей мастерской, наполненной шестернями и медными трубами. Освещение должно быть теплым и исходить от увеличительной линзы на ее глазу."
Абстрактный запрос: "Визуализация концепции 'творческого выгорания' в сюрреалистическом стиле."
2️⃣Редактирование изображений и Inpainting
Цель: Сравнить точность, контекстную осведомленность и простоту использования функций редактирования изображений.
Локальное редактирование: Загрузить изображение с красной машиной и дать команду "измени цвет машины на синий".
Добавление/удаление объектов: Загрузить пейзажное фото и дать команду "добавь на передний план палатку".
Редактирование текста в изображении: Тут я уже решил поиграться, нашел старый постер 60х годов и решил полностью его переработать, легче вам просто посмотреть на промпт самим
Измени Заголовок с "Королева Бензоколонки" на "Олень в рубашке". Слово "КИНОКОМЕДИЯ" измени на "МЫЛОДРАММА". Весь текст который находится под синим заголовком убери с фотографии. Шрифты должны выглядеть как на оригинале (подбор и стиль сохраняются). Цвета и текстуры плаката остаются аутентичными. Никаких артефактов вокруг текста (частая проблема у моделей). Внесённый текст должен быть полностью читаемым и гармонично вписанным.
3️⃣Мультимодальные возможности и работа с несколькими изображениями
Цель: Проверить способность моделей работать с несколькими исходными изображениями или различными типами входных данных.
Слияние изображений: Загрузить изображение дождевых сапог и изображение розовой розы с командой "создай дизайн для этих сапог с цветочным узором, вдохновленным этой розой".
Эскиз в изображение: Загрузить простой набросок сцены и дать текстовое описание для его детализации и раскрашивания.
4️⃣Скорость и эффективность
Цель: Сравнить время генерации и редактирования изображений.
Время генерации: Замерить время, необходимое для генерации изображения с высоким разрешением по сложному текстовому запросу.
Время редактирования: Замерить время, необходимое для внесения локального изменения в существующее изображение.
Этот тест я проводил можно сказать на протяжении всех других пунктов, поэтому могу сказать, что по скорости они +- на равне, gemini даже бывает быстрее, но gemini частенько тупит и останавливается на этапе размышления.
5️⃣Понимание контекста и следование сложным инструкциям
Цель: Оценить, насколько хорошо модели понимают сложные и многосоставные команды, а также пространственные отношения и другие нюансы.
Пространственные отношения: "Поставь синий куб на красный шар, а рядом с ними помести зеленую пирамиду."
Многоэтапная инструкция: "Создай изображение комнаты, затем сделай стену слева синей, а на пол положи персидский ковер."
Победила дружба 🥳🥳🥳
Gemini победил
