Обзор Google Imagen 2.1 в AI Studio
Ключевые тезисы
- Google выпустила обновлённую модель для генерации изображений Imagen 2.1 на базе Gemini 1.5 Pro.
- Основные улучшения: повышенная точность, консистентность персонажей, работа с текстом/инфографикой, три уровня мышления, проверка визуальных фактов.
- Модель стала значительно лучше в фотореализме и натуралистичности изображений.
- Для редактирования изображений (Inpainting) модель работает в AI Studio через текстовые промты, но с некоторыми ограничениями.
- Обновление достойное, но не революционное; модель можно бесплатно протестировать в Google AI Studio.
Настройки Google AI Studio
Работа с моделью происходит в Google AI Studio, где доступны ключевые настройки:
- System Instructions: Поле для задания глобальных правил, тона, стиля и ограничений для модели.
- Output Format: Выбор формата вывода («Изображение и текст» или «Только изображение»).
- Уровень мышления: Регулирует время на «обдумывание» ответа перед генерацией. Чем выше уровень, тем лучше ожидаемый результат.
- Заземление через поиск Google: Позволяет модели искать актуальную текстовую информацию для избегания выдуманных фактов.
- Поиск по картинкам: Даёт возможность нейросети искать похожие изображения или проверять визуальные данные.
Генерация изображений с нуля: тесты и сравнения
Фотореализм
- Новая модель точно интерпретирует запросы (например, «крупный план») и выдаёт более натуралистичные результаты по сравнению с предшественницей.
- Изображения выглядят мягче, с приятной эстетикой, естественным контрастом и деталями (например, отбившиеся волоски).
- В сравнении с GPT-4o Image Model 2.5: Imagen 2.1 выигрывает в натурализме, хотя иногда всё ещё задирает контраст и насыщенность.
Научная фантастика и киберпанк
- Качество значительно улучшилось, результат больше не выглядит как «дешёвый нейрослоп».
- Эстетика стала «дороже», но до подлинного фотореализма в этом жанре не дотягивает.
- По сравнению с GPT-4o: Imagen 2.1 отстаёт в фотореализме, но разрыв уже не столь чудовищный. Изображения от OpenAI часто перегружены деталями, но могут быть интереснее по идеям и геометрии.
Мультипликационные стили
- При запросе «в стилистике Disney» результат отдалённо напоминает анимацию, ассоциируясь скорее с мобильными играми.
- Imagen 2.1 стремится к традиционной 2D-эстетике (например, Disney 90-х), в то время как GPT-4o Sunburst рисует в более современном стиле.
- С изображениями принцесс новая Imagen справилась хорошо, приблизившись к узнаваемой эстетике.
Редактирование изображений (Inpainting в AI Studio)
Функция точечного редактирования в Photoshop пока не доступна, все манипуляции происходят через текстовые промты в AI Studio.
Результаты редактирования:
- Изменение ракурса/освещения: Архитектура кадра практически не страдает, но появляется лёгкая цветовая дымка или изменение температуры цвета. При масштабировании заметно замыливание текстур и морфинг мелких деталей (серёжки, родинки).
- Сравнение с GPT-4o: Модель от OpenAI часто лучше сохраняет исходные текстуры и детали, но может страдать от низкого исходного разрешения (1536x1024 для соотношения 3:2) и неестественного света.
- Inpainting (замена элементов):
- Изменение цвета одежды, добавление аксессуаров (шляпка) работает хорошо с минимальными искажениями структуры.
- Замена персонажа с сохранением фона и одежды отрабатывает отлично.
- Полная замена сложного фона даётся модели тяжело: персонаж выглядит инородно, результат сомнительный.
Выводы по редактированию
Модель подходит для базовых манипуляций (замена одежды, изменение ракурса), достаточно точно сохраняя композицию. Главные недостатки: лёгкое искажение цветов и морфинг мелких элементов.
Итоги
Imagen 2.1 — это серьёзный шаг вперёд, особенно в сфере фотореализма и натуралистичности. Хотя революционного скачка не произошло, модель стала значительно лучше и составляет достойную конкуренцию другим решениям. Для фотореалистичных задач выбор часто склоняется в пользу Imagen 2.1, а для сложной стилизации или научной фантастики — в пользу GPT-4o. Оценить обновление можно бесплатно в Google AI Studio.