ChatGPT“与图对话”初体验
ChatGPT发布语音和图像能力重大更新:要点解读、应用畅想与原文翻译
中提到:ChatGPT开放了“与图对话”的多模态能力,用户可以上传一张图片或多张图片,与ChatGPT展开基于图片的对话。想不到这么快就开放了:
ChatGPT对图片的理解能达到什么水平呢?让我们一起来测试。
单图理解:非常精确
我上传了一张我和女儿在一个室内动物园戴着动物面具的合影,让ChatGPT理解这张图片:
ChatGPT的描述是下面这样的:
它详细描述了:
- 森林背景墙
- 我的穿着打扮
- 女儿的穿着打扮
- 父女俩的动作
- 整个画面的氛围
这理解不能说是特别准确,那简直是十分精确!那个传神的表情“✌️”真的赞!
然后可以让ChatGPT以此图片为蓝本,讲一个你想要的故事:
ChatGPT能否生成图像呢?
遗憾的是,无论是生成图片还是修改上传的图片,ChatGPT暂时还做不到。
ChatGPT能注意到更多的细节(那个插座)吗?
看来它是注意到了那个墙上的插座,而且知道它存在安全隐患,很赞!
它能注意到右上角那不太容易分辨的蜘蛛网吗?
看来是没有注意到。我提示一下,会如何?
经过提示,它注意到了蜘蛛网,不过它并不百分之百确认。看来这个部分的识别精确度比较低。
还能进一步理解吗?
嗯,能理解人物关系。
对背景森林的类型也能做比较准确的推断。
这就有点强人所难了!
总的来说,ChatGPT对单张图片的理解是相当准确的,无论是场景描述、人物关系,还是整体氛围、局部细节。
艺术风格识别:一半一半
对感兴趣的绘画作品,可以让ChatGPT做解释:
这是它对其艺术风格和内容的描述:
这的确是马赛克风格的绘画。它也知道不同画家的风格流派:
试试中国风:
不错,就是工笔画。
也有不尽人意的地方,比如将下面的“ChatGPT发布语音和图像能力重大更新:要点解读、应用畅想与原文翻译