Почему нейросети путают, где лево, а где право: сравнили три генератора картинок

Что произошло. Издание Tech Insider сравнило три сервиса генерации изображений — Artlist, Reve и Ideogram — по тому, насколько хорошо они понимают пространственные указания в описании: что должно быть слева, справа, сверху, сзади или сколько именно предметов нужно нарисовать. Авторы ссылаются на научные исследования (GenEval и T2I-CompBench), которые показали: даже современные модели часто путают расположение объектов, их количество и размер друг относительно друга, потому что при обучении на подписях к картинкам они лучше запоминают, что изображено, а не где именно это находится.

Что это значит для бизнеса. Если вы делаете рекламные картинки, афиши, карточки товаров или кадры для видео, где важно точное расположение предметов и текста, стоит учитывать, что с первого раза генератор может выдать неправильную композицию. По словам редакции, Artlist даёт доступ к нескольким моделям генерации в одной подписке и позволяет прогонять один и тот же запрос через разные движки, чтобы выбрать удачный результат. Reve, по данным источника, хорошо справляется с редактированием уже готовых изображений — это быстрее, чем перегенерировать всю картинку заново. Ideogram чаще советуют для задач с текстом и буквами — вывесок, логотипов, плакатов, где важно точное написание и расположение слов.

Как попробовать. Источник советует тестировать разные сервисы на одних и тех же коротких и конкретных формулировках, несколько раз подряд, и сравнивать результаты в простой таблице, отмечая только «верно» или «неверно». Стоит также пробовать «перевёрнутые» версии запроса — например, поменять лево и право местами, — чтобы увидеть, действительно ли модель понимает инструкцию, а не просто повторяет привычный шаблон.