Gemini の思考モデルの違い（画像解釈編）
公開日：
:
パソコン
歌川広景の『江戸名所道戯尽 八 隅田堤の弥生』という版画をご紹介。
春（弥生）、隅田川の土手（隅田堤）で桜の花見を楽しんでいた人々が、水茶屋の縁台に腰掛けたところ、縁台の足が折れてひっくり返ってしまう滑稽なハプニングが描かれています。
- このファイルを Gemini に読ませてプロンプトを作ってもらいます。
- そのプロンプトをもとに chatGPT に画像を作ってもらいます。
元の画像をどのくらい再現できるか、あるいはまったく違う趣の画像ができるか などを見てみましょう。
＊
今回はプロンプトをつくるほうの Gemini の思考モデルを切り替えて比べてみます。
現在 Gemini の思考モデルは 3.1 Pro、3.5 Flash-Lite、3.8 Flash、4 Argon と選べます。
3.5 Flash-Lite、3.8 Flash、4 Argon で比べてみましょう。
横長にする設定は後で私が加えています。
＊
3.5 Flash-Lite
3.8 Flash
4 Argon
4 Argon が絵の主旨を正しく表現しています。
縁台というか木で組んだお座敷が崩壊したようでスケールアップしているのと、なぜかみんな嬉しそうなのが気になりますが。
しかもどういう画像であるかちゃんと調べて、正しく題字をつけてくれています。
3.5 Flash-Lite は投扇という遊びに変わっていますし、縁台も壊れていません。そもそも風のある野外で投扇はしないと思うのですが・・・
3.8 Flash は縁台が壊れたのではなく、滑り台をみんなで楽しむことに変わっています。
じつは 3.1 Pro でもやってみましたが、3.5 Flash-Lite と同じでした。
＊
浮世絵の意味を読み取るのは現代の人間でも難しいところがあるので、3.5 Flash-Lite や3.8 Flash が間違えるのはまあ理解できます。
いつものハルシネーションです。
4 Argon はさすがですね。時間はかかりましたが、まずどういう絵なのか探しにいったみたいで、それを解釈してプロンプトに入れ込んだようです。
自分で絵を理解したのか、誰かの意見を検索で見つけて入れ込んだだけなのかわかりませんが。
＊
結論は、意味を正しく表現したい場合は 4 Argon を使い、変わった絵ができるのを期待したい場合はそれ以前のモデルを採用するのがいいってことでしょう。
###
関連記事
-
-
ウエスタンデジタルHDD Ultrastar 14TB
以前書いた記事「500GB HDD が安い」の中で紹介した 2.5インチ 500GB ハードディスク
-
-
UBUNTU16.04LTS ネットワーク設定でＩＰを固定にする
インストールした Ubuntu 16.04 ですが、ネットワーク接続ではデフォルトでは DHCP
-
-
KDE ベースの Linux
＊ 有名な Linux ディストリビューションである Ubuntu には、デスクトップ環境の違
-
-
Zorin 12 Core 試用してみた
Zorin 12 Core について 今回は現在常用している Zorin 9 Core の正統後継
-
-
PT2 WOWOW 設定
自宅のTVでは WOWOW に加入し、主にカミサンが観ています。 私にはチャン
-
-
パソコンが立ち上がらない
今朝、高槻の事務所で使っている（普段使っていない）PCの 1台が立ち上がらなくなっていること
-
-
Mac OS によく似た elementary OS でイーサイトの読影環境
Mac ライクな Linux として一部で有名な elementary OS ですが、たまにギャ
-
-
XP でも 簡単に 4画面出力 GF-QUAD-DISP/4DVI
玄人志向 グラフィックボード DVIx4 4画面出力 ファンレス GF-
-
-
Linux で MetaTader4 を動かす
この前から FX で自動売買させている Windows パソコンが２台とも勝手に再起動するようになっ
- PREV
- Google AI Pro で制限くらう
