ಉತ್ಪನ್ನಗೊಂಡ ಚಿತ್ರವನ್ನು ಅದರ ಸೂಚನೆಯೊಂದಿಗೆ ತೀರ್ಮಾನಿಸಿ

What this lesson is about

ಉತ್ಪನ್ನಗೊಂಡ ಚಿತ್ರ ಅಥವಾ ಕ್ಲಿಪ್ ಅನ್ನು ನಾಲ್ಕು ವಿಭಾಗಗಳಲ್ಲಿ ತೀರ್ಮಾನಿಸಿ. ಏನು ಕೇಳಲಾಯಿತು, ಕಲ್ಪಿತ ದೋಷಗಳು, ಸಂಪೂರ್ಣ ಸೆಟ್‌ನ ಶೈಲಿ, ಮತ್ತು ಸ್ಥಳಕ್ಕೆ ಹೊಂದಿಕೆಯಾಗುವಿಕೆ.

ಮೀರತ್‌ನ ಒಂದು ಮುದ್ರಣಾಲಯವು ನಿಮಗೆ ಮಾದರಿ ತಯಾರಿಸಿದ ವಿವಾಹ ಕಾರ್ಡ್ ಚಿತ್ರವನ್ನು ತೋರಿಸುತ್ತದೆ. ಮಂಗಳಸೂತ್ರವು ಸರಳ ಸರಪಳಿಯಾಗಿ ಚಿತ್ರಿಸಲಾಗಿದೆ. ನೀವು ಏನು ಬರೆಯುತ್ತೀರಿ?

Why this matters

ಒಂದು ಪ್ರಕಟಿತ ಅಧ್ಯಯನವು ೧೮,೦೦೦ ಉತ್ಪನ್ನಗೊಂಡ ಚಿತ್ರಗಳ ಮೇಲೆ ಸಮೃದ್ಧ ಪ್ರತಿಕ್ರಿಯೆ ಸಂಗ್ರಹಿಸಿತು. ವಿಮರ್ಶಕರು ಎರಡು ವಿಷಯಗಳನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಗುರುತಿಸಿದರು: ತಪ್ಪಾಗಿ ಕಾಣುವ ಭಾಗಗಳು ಮತ್ತು ಚಿತ್ರದಲ್ಲಿ ಕಾಣದ ಸೂಚನಾ ಪದಗಳು. ಇವುಗಳನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಇಡುವುದು ಅವುಗಳನ್ನು ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಸರಿಪಡಿಸುವುದರಿಂದ. ತಪ್ಪು ಭಾಗವನ್ನು ಮರುಬಣ್ಣಿಸಬಹುದು. ಕಾಣದ ಪದಕ್ಕೆ ಹೊಸ ಚಿತ್ರ ಅಥವಾ ಉತ್ತಮ ಮಾದರಿ ಬೇಕಾಗುತ್ತದೆ. ಆ ಅಧ್ಯಯನವು ಇನ್ನೂ ಎರಡು ವಿಭಾಗಗಳನ್ನು ಹೆಸರಿಸಿರಲಿಲ್ಲ: ಸಂಪೂರ್ಣ ಸೆಟ್‌ನ ಶೈಲಿ ಮತ್ತು ಸ್ಥಳಕ್ಕೆ ಹೊಂದಿಕೆಯಾಗುವಿಕೆ. ಈ ಎರಡೂ ಅಗತ್ಯವಿದೆ.

ಉತ್ಪನ್ನಗೊಂಡ ಚಿತ್ರ ಅಥವಾ ಕ್ಲಿಪ್ ಅನ್ನು ಅದರ ಸೂಚನೆಯೊಂದಿಗೆ ತೀರ್ಮಾನಿಸಿ, ಮತ್ತು ಪ್ರತಿಯೊಂದು ದೋಷವನ್ನು ಅದರ ಸರಿಯಾದ ವಿಭಾಗದಲ್ಲಿ ದಾಖಲಿಸಿ.

ಪ್ರತಿ ದೋಷವನ್ನು ಒಂದೇ ವಿಭಾಗದಲ್ಲಿ ಇಡಿ: ಕೇಳಲಾಯಿತು, ಕಲ್ಪಿತ ದೋಷ, ಸಂಪೂರ್ಣ ಸೆಟ್‌ನ ಶೈಲಿ, ಅಥವಾ ಸ್ಥಳಕ್ಕೆ ಹೊಂದಿಕೆಯಾಗುವಿಕೆ.
ಕಲ್ಪಿತ ದೋಷ ಎಂದರೆ ಯಾವುದೇ ನಿಜವಾದ ಕ್ಯಾಮೆರಾ ತೋರಿಸುವುದಿಲ್ಲದ ವಸ್ತುಗಳು: ಹೆಚ್ಚುವರಿ ಬೆರಳುಗಳು, ಕರಗಿದ ಅಕ್ಷರಗಳು, ಪುನರಾವರ್ತಿತ ಟೈಲ್, ಅಸ್ಪಷ್ಟ ಅಂಚು.
ಸಾಂಸ್ಕೃತಿಕ ಅಸಮಂಜಸತೆ ಎಂದರೆ ಸ್ವಚ್ಛವಾಗಿ ಚಿತ್ರಿಸಲಾಗಿದೆ ಆದರೆ ಸ್ಥಳಕ್ಕೆ ತಪ್ಪಾಗಿದೆ. ಅದಕ್ಕೆ ಮರುಬಣ್ಣಿಸುವುದಿಲ್ಲ, ಆ ಸ್ಥಳದ ವ್ಯಕ್ತಿ ಬೇಕು.

Task

ದೀಪಾವಳಿ ಮಿಠಾಯಿ ಅಂಗಡಿಯ ಪೋಸ್ಟರ್‌ಗೆ ಮಾದರಿಯಿಂದ ಆರು ಚಿತ್ರಗಳು ಬಂದಿವೆ. ಅವುಗಳನ್ನು ಗ್ರಾಹಕರಿಗಾಗಿ ಪರಿಶೀಲಿಸಿ.

Weak approach ಮೂರನೇ ಚಿತ್ರದಲ್ಲಿ ಕೆಟ್ಟ ಕೈಗಳು ಮತ್ತು ಐದನೇ ಚಿತ್ರದಲ್ಲಿ ವಿಚಿತ್ರತೆ ಇದೆ ಎಂದು ಬರೆಯುತ್ತದೆ. ಉಳಿದ ಸೆಟ್ ಸರಿಯಾಗಿದೆ ಎಂದು ಹೇಳಿ ಕಳುಹಿಸುತ್ತದೆ.

Stronger approach ಮೂರನೇ ಚಿತ್ರದ ಆರು ಬೆರಳುಗಳನ್ನು ಕಲ್ಪಿತ ದೋಷದಲ್ಲಿ ದಾಖಲಿಸುತ್ತದೆ. ಐದನೇ ಚಿತ್ರದ ಹಿಮವನ್ನು ಸಾಂಸ್ಕೃತಿಕ ಅಸಮಂಜಸತೆಯಲ್ಲಿ ಇಡುತ್ತದೆ, ಕಲ್ಪಿತ ದೋಷದಲ್ಲಿ ಅಲ್ಲ. ಮೊದಲ ಮತ್ತು ನಾಲ್ಕನೇ ಚಿತ್ರಗಳಲ್ಲಿ ಎರಡು ವಿಭಿನ್ನ ದೀಪ ಶೈಲಿಗಳನ್ನು ಬಳಸಿರುವುದು ಸಂಪೂರ್ಣ ಸೆಟ್‌ನ ಶೈಲಿ ದೋಷ ಎಂದು ಸೂಚಿಸುತ್ತದೆ.

Why the stronger approach works ಎರಡೂ ಸಮಾನ ದೋಷಗಳನ್ನು ಕಂಡುಹಿಡಿದವು. ಬಲವಾದ ವಿಮರ್ಶೆ ಮಾತ್ರ ಗ್ರಾಹಕರಿಗೆ ಪ್ರತಿಯೊಂದು ದೋಷಕ್ಕೆ ಬೇಕಾದ ಪರಿಹಾರವನ್ನು ತಿಳಿಸುತ್ತದೆ.

Try a changed situation ಟ್ರ್ಯಾಕ್ಟರ್ ಜಾಹೀರಾತಿನ ಉತ್ಪನ್ನಗೊಂಡ ಕ್ಲಿಪ್‌ನಲ್ಲಿ ಚಾಲಕನ ಕೈಗೆ ಕ್ಷಣಿಕವಾಗಿ ಆರು ಬೆರಳುಗಳು ಕಾಣಿಸುತ್ತವೆ. ಅಂಗಡಿಯ ಬೋರ್ಡಿನ ಅಕ್ಷರಗಳು ಕ್ಲಿಪ್ ಮಧ್ಯದಲ್ಲಿ ಬದಲಾಗುತ್ತವೆ. ನೀವು ಏನು ದಾಖಲಿಸುತ್ತೀರಿ?

Make something yourself ಒಂದು ಸೂಚನೆಗಾಗಿ ಆರು ಉತ್ಪನ್ನಗೊಂಡ ಚಿತ್ರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ. ಪ್ರತಿಯೊಂದು ದೋಷವನ್ನು ಒಂದು ವಿಭಾಗದಲ್ಲಿ ಇಡಿ ಮತ್ತು ಪ್ರತಿಯೊಂದು ವಿಭಾಗ ಯಾವ ಪರಿಹಾರಕ್ಕೆ ಸೂಚಿಸುತ್ತದೆ ಎಂದು ಬರೆಯಿರಿ.

Read the primary or official source: Liang et al., Rich Human Feedback for Text-to-Image Generation (arXiv)