ایک جنریٹ کی گئی تصویر کو اس کے پرامپٹ کے مطابق پرکھیں

What this lesson is about

ایک جنریٹ کی گئی تصویر یا کلپ کو چار زمروں میں پرکھیں۔ جو مانگا گیا تھا، نقائص، پورے سیٹ کی طرز، اور جگہ کے لیے موزونیت۔

میرٹھ کا ایک پرنٹر آپ کو ماڈل سے بنی شادی کے کارڈ کی تصویر دکھاتا ہے۔ منگلسوترہ سادہ چین کی طرح بنایا گیا ہے۔ آپ کیا لکھیں گے؟

Why this matters

ایک شائع شدہ مطالعہ نے اٹھارہ ہزار جنریٹ کی گئی تصاویر پر تفصیلی فیڈبیک جمع کیا۔ ریٹرز نے دو چیزیں الگ الگ نشان زد کیں: وہ علاقے جو غلط لگتے تھے، اور پرامپٹ کے وہ الفاظ جو تصویر میں چھوٹ گئے۔ دونوں کو الگ رکھا گیا کیونکہ ان کی اصلاح مختلف ہوتی ہے۔ غلط علاقہ دوبارہ رنگا جا سکتا ہے۔ چھوٹا ہوا لفظ نئی تصویر یا بہتر ماڈل کا تقاضا کرتا ہے۔ اس مطالعے نے دو مزید زمروں کا ذکر نہیں کیا: پورے سیٹ کی طرز، اور جگہ کے لیے موزونیت۔ لسٹنگز دونوں کا تقاضا کرتی ہیں۔

ایک جنریٹ کی گئی تصویر یا کلپ کو اس کے پرامپٹ کے مطابق پرکھیں، اور ہر نقص کو اس کے متعلقہ زمرے میں رکھیں۔

ہر نقص کو ایک زمرے میں رکھیں: مانگا گیا، نقائص، پورے سیٹ کی طرز، یا جگہ کے لیے موزونیت۔
نقائص وہ چیز ہے جو کوئی حقیقی کیمرہ کبھی نہیں دکھائے گا: اضافی انگلیاں، پگھلا ہوا متن، دہرایا ہوا ٹائل، دھندلا کنارہ۔
ثقافتی عدم مطابقت صاف ستھری بنی ہوتی ہے اور پھر بھی جگہ کے لیے غلط ہوتی ہے۔ اسے دوبارہ رنگنے کی نہیں، اس جگہ کے کسی شخص کی ضرورت ہوتی ہے۔

Task

دیوالی کی مٹھائی کی دکان کے پوسٹر کے لیے ماڈل سے چھ تصاویر موصول ہوئیں۔ کلائنٹ کے لیے ان کا جائزہ لیں۔

Weak approach لکھتا ہے کہ تیسری تصویر میں ہاتھ خراب ہیں اور پانچویں تصویر عجیب لگتی ہے۔ کہتا ہے کہ باقی سیٹ ٹھیک ہے اور بھیج دیتا ہے۔

Stronger approach تیسری تصویر کی چھ انگلیوں کو نقائص میں رکھتا ہے۔ پانچویں تصویر کی چھت پر پڑنے والی برف کو ثقافتی عدم مطابقت میں رکھتا ہے، نقائص میں نہیں۔ نوٹ کرتا ہے کہ پہلی اور چوتھی تصویر میں دو مختلف لیمپ اسٹائل استعمال ہوئے ہیں، جو پورے سیٹ کی طرز کی خرابی ہے۔

Why the stronger approach works دونوں نے وہی نقائص دیکھے۔ صرف مضبوط جائزہ کلائنٹ کو بتاتا ہے کہ ہر نقص کو کس اصلاح کی ضرورت ہے۔

Try a changed situation ٹریکٹر کے اشتہار کے لیے بنائی گئی کلپ میں ایک لمحے کے لیے ڈرائیور کے ہاتھ میں چھ انگلیاں دکھائی دیتی ہیں۔ دکان کے بورڈ کے الفاظ کلپ کے درمیان بدل جاتے ہیں۔ آپ کیا درج کریں گے؟

Make something yourself ایک پرامپٹ کے لیے چھ جنریٹ کی گئی تصاویر لیں۔ ہر نقص کو ایک زمرے میں رکھیں، اور لکھیں کہ ہر زمرہ کس اصلاح کی طرف اشارہ کرتا ہے۔

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