AI ilustrace v RPG hrách

[Jerson]

Třeba takový Jaroslav Velc říká, že u některých ilustrací musel trochu slevit z realističnosti, aby se na krabičku modelu letadla vešel jeho souboj s protivníkem, což třeba znamenalo, že zkrátil vzdálenosti mezi nimi. Nicméně žádné chyby nedělal.

Přičemž není jediný. Už v 80. letech jsem četl rozhovor s kreslířem, který říkal, že každý ilustrátor musí mít hromadu fotek reálných věcí, aby věděl, jak například vypadá rozříznutý motor a mohl ho nakreslit správně.

Prostě jsem vyrostl v době, kdy ilustrátoři chyby nedělali (ani u fantastických námětů) a považovalo se to za standard. Až v 90. letech přišla záplava ilustrací (většinou na obálkách knížek), které byly často nesmyslné, a stal se z toho nový standard.
Takže si nemyslím, že by mé požadavky byly nějak extrémní nebo nesplnitelné.

[MarkyParky]

Jinak pokud jde o chyby AI dané opakováním motivů, z čeho se je AI naučilo?

Jestli jsem to pochopil správně, tak tahle chyba není naučená, ale je to důsledek difuzního algoritmu, který dostává víc cukříků, pokud víckrát zobrazí promptovaný prvek nebo jeho segment.

Multimodální generátory by na to měly trpět míň.

[ilgir]

Jerson: vyrůstal jsi v době před Interetem a ještě z části za železnou oponou, takže se k tobě reálně dostal jen mizivý zlomek vznikajících ilustrací, a z mnoha důvodů zrovna těch nejkvalitnějších. To neznamená, že v té době nevznikaly špatné ilustrace, ani že dnes nevznikají dobré.

[Antharon]

Prostě jsem vyrostl v době, kdy ilustrátoři chyby nedělali (ani u fantastických námětů) a považovalo se to za standard.

Socialistický realizmus je len krátke historické obdobie, kedy umenie muselo byť tupé a cenzúrované. Spomeňme si ale napríklad na stredoveké iluminácie, kubizmus alebo napríklad impresionizmus, kde textúra farby bola dôležitejšia než zobrazené detaily.

[Antharon]

Skúsme si teraz príklad z jersnovho detstva. Ktorý obrázok je od josefa ladu a ktorý je AI? A na základe čoho ste tak rozhodli?

[ilgir]

AI je podle mě ten spodní, protože má kostel bez věže, creepy sněhuláky a chybí podpis. Nic z toho se ale asi nedá považovat za "chybu" podle Jersona.

EDIT: Já bych všechny ty technicky správné a vymakané ilustrace z dobrodružných komiksů a knih našeho mládí neházel do pytle "socialistického realismu". Zaprvé sorela je trošku něco jiného, a za druhé tento trend byl i na Západě a neřekl bych, že je časově omezený. Takové ilustrace jsou k vidění i dnes.

[Markus]

Na obrázku nahoře lidi něco dělají a vypadá to správně, na obrázku dole jen divně staticky pózujou. A kluk veze sněhuláka na saních?

[Pieta]

Oba obrázky jsou špatně, protože takhle zimy v Česku v Hrusicích, nadmořská výška 365 metrů, nevypadají.

[ilgir]

Můj souhrnný komentář k testu

Jsem rád, že můj test podnítil zajímavé reakce a diskuzi. Nebudu jmenovitě odpovídat na všechny postřehy a dotazy, to bych se ucitoval. Místo toho zkusím shrnutí, které by mělo splnit stejný účel.

Kvalita ilustrací:
Markusův test obsahoval, pokud se nepletu, ilustrace z knih a příruček, takže "zaručenou kvalitu" od profi autorů. Já naopak jsem to bral z Deviantartu, takže vznikla směska pochybné kvality od různých hobby autorů. To zjevně pohoršilo část testerů a Jersona naprosto vykolejilo. Naopak jsem si téměř jistý, že AI tvorba tam nebude, protože nejnovější z nich je z roku 2011, ale většina 2008 a méně.

Vsuvka: Narozdíl od Jersona nemám to technicky analytické vidění, a chyby a nesmysly v obrázcích prostě nevidím, natož aby mě urážely. Naopak, podobně jako Markuse, mě hned praští do očí ta strašlivě nudná vyumělkovaná preciznost, kterou se AI tvorba vyznačuje, pokud prompt neurčí jinak. Zde je vidět, jak je vnímání subjektivní. A jsem dalek od toho, označovat každého, kdo nerozpozná AI, za jedince bez vkusu.

Metodika:
Rovnou přiznám, že kdybych věděl, jaký bude o test zájem, dal bych si s přípravou víc záležet. Na druhou stranu, nejspíš bych tím dosáhl jen menší celkové úspěšnosti, ale relativní rozdíly by zůstaly podobné.

Jak jsem tedy postupoval?

V neplacené verzi Chatgpt jsem si nechal vygenerovat podrobné popisy původních obrázků. Ukázka, jak takový popis vypadal, je zde:

Brief visual description
Format & size: Wide landscape composition, approximately 1194 × 672 px, with a 16:9 aspect ratio. The entire figure is visible from head to feet.
Style: Dramatic dark-fantasy medieval character artwork, with a highly stylized, ominous and heroic appearance. It resembles polished fantasy game key art or a character illustration.
Technique: Digital painting with soft atmospheric rendering combined with detailed, sharply defined armor. Metallic surfaces use layered highlights and deep shadows, while smoke, fire and fabric are rendered with softer, diffuse brushwork.
Composition: A single heavily armored warrior stands centrally on a pile of broken stone or rubble. The character faces slightly toward the viewer while holding a large sword diagonally toward the upper-left corner. A tattered cloak extends dramatically toward the right, creating a strong horizontal counterbalance.
Character & armor: The warrior wears elaborate black or very dark metallic plate armor with numerous pointed and curved ornamental elements. The armor has a sinister, almost demonic design, with layered shoulder plates, pointed edges, segmented arms and legs, and an ornate breastplate. The head is concealed beneath a deep hood, with a dark face covering or mask visible inside.
Weapon: A large medieval-style sword with an elaborate guard is held in both hands. The blade glows bright orange-yellow, particularly toward the tip, and appears almost heated or enchanted. Small sparks and glowing particles trail around the upper part of the blade.
Cloak: A long, ragged dark cloak flows dramatically behind the warrior toward the right. Its torn edges and irregular shape suggest strong wind and give the character a dynamic silhouette.
Environment: The warrior stands on broken masonry and dark rubble, surrounded by low-lying mist or smoke. The background is an indistinct, devastated landscape with no clearly identifiable buildings or structures.
Lighting & colors: Dominated by muted gray, brown, mauve and charcoal tones. A strong warm backlight creates a pale glowing area behind the character, while the sword provides an intense orange-yellow secondary light source. The armor catches subtle purple, reddish and silvery highlights.
Atmosphere: Thick haze, smoke and scattered dark particles create a sense of a battlefield or ruined world. The bright backlight silhouettes the warrior and reinforces the mysterious, threatening mood.
Overall impression: A dark-fantasy armored warrior standing triumphantly amid ruins, wielding a glowing sword while a torn cloak blows behind them. The combination of dramatic silhouette, fiery weapon, ornate armor, mist and warm backlighting creates a powerful ominous heroic-battlefield atmosphere.

Když mi došly free tokeny, sáhl jsem po copilotovi, ale drtivá většina popisků je z Chatgpt. Protože chatbot měl tendenci odkazovat se na předchozí obrázky, dal jsem mu do promptu explicitně, že má každý popisovat nezávisle.

V placeném účtu Chatgpt jsem pak podle popisků generoval obrázky. Ano, všechny obrázky jsou z Chatgpt. Pokud se vám zdá, že jsou mezi nimi nějaké "sady", není to modelem, ale promptem. Na generování jsem založil projekt, kde jsem jako obecné pravidlo napsal, že se nemá snažit držet jednotný styl, ale přistupovat ke každému zadání individuálně, čistě na základě promptu.

Brzy jsem zjistil, že všechny bot generuje všechny obrázky hrozně složité a přeplácané detaily. Stačí, aby se v popisu originálu objevilo "detailed" a výsledky vidíte třeba u těch hradů a nekonečných věžiček... Takové výstupy jsem nemohl použít, protože pak by bylo rozpoznávání banálně jednoduché. Zároveň to model pořád tlačil do fotorealističnosti, a to i když se v popisu objevovaly výrazy jako "stylized, paintbrush" atd. Připomínám, že popisy jsem nepsal já, ale jiný účet téhož chatbota. Jen pár obrázků bylo použitelných na první dobrou, například vojáci v zákopech, u kterých popis zdůrazňoval komiksový a groteskní charakter.
V druhém kole jsem tedy bral výstupy a chtěl po botovi, aby je přepracoval. Psal jsem, že má ubrat detaily, ubrat fotorealističnosti a zdůraznit práci štětcem. To vedlo k tomu "impresse" efektu komentovaném Markusem. Když jsem měl v téhle podobě asi polovinu obrázků, uvědomil jsem si, že jsem se jen přesunul z bláta do louže a upravil jsem prompt směrem k "hladší malbě". Nakonec tedy vznikly tři sady: "původní", "impressionistická" a "hladká zjednodušená".

Technicky by bylo samozřejmě možné mořit bota opakovaně a na každém obrázku se ho snažit natlačit do původního stylu. To bychom ale už netestovali schopnost uživatelů rozpoznat AI, ale schopnost ilgira napromptovat nerozeznatelné obrázky.

Výsledky:
K dnešnímu datu test udělalo 52 respondentů s průměrnou úspěšností 18,5/25, mediánovou úspěšností 20/25. Nejčastější výsledek byl 20/25 (8 respondentů), maxima dosáhli 4 respondenti.

Pokud máte ještě nějaké konkrétní dotazy, sem s nimi.

[Passingby]

AI je podle mě ten spodní, protože má kostel bez věže

A kostel bez věže je problém jakože proč?

Brno0006.jpg

[York]

To bychom ale už netestovali schopnost uživatelů rozpoznat AI, ale schopnost ilgira napromptovat nerozeznatelné obrázky.

Což je ale přesně to, co testujeme. Nikdo, myslím, nezpochybňuje, že sloppy prompt dává sloppy výsledky. Generativní AIčka jsou záměrně trénovaný tak, aby výsledky byly co nejvěrnější zadání.

[LokiB]

Na obrázku nahoře lidi něco dělají a vypadá to správně, na obrázku dole jen divně staticky pózujou. A kluk veze sněhuláka na saních?

Vození sněhuláka na saních bylo na více lidských obrázcích, jakožto příklad roztomilé dětské aktivity, střílíš se do vlastní nohy

I ty aktivity jde zvládnout

lada.jpg

vtip je v tom, že ty víš dopředu, že je to AI, tak se podle toho k tomu chováš.

Na podobném principu funguje třeba Kulešovův efekt (viz Hitchcock) ... kdy se neubráníš tomu posuzovat obraz podle kontextu, v jakém ho vidíš. Tedy když máš dopřednou informaci, tak je tvůj postoj automaticky upraven.

Tohle srovnání AI lidský nemá smysl, protože se toho nezbavíš a vždycky budeš apriori ovlivněn.

[Jezus]

AI je podle mě ten spodní, protože má kostel bez věže

A kostel bez věže je problém jakože proč?

Pomineme-li fakt, že na odkázaném obrázku není (typický) kostel, ale katedrála, máš samozřejmě pravdu. Některé řády vyznávající chudobu stavěly kostely bez věží, jen s malou zvoničkou uprostřed střechy - jako udělalo to první AI Nicméně není to typické pro venkov, ani pro Ladu, takže jako hint to fungovat může.

[ilgir]

Přesně tak, Lada nekreslil kostely bez věže, pokud vím.

[Jarilo]

Díky za test, konečně jsem to teď udělal a teda dobrý, 23/25 a sekl jsem se u obrázku, kde jsem čekal, že se neseknu .

edit: vlastně 23/25, sorry