Сравнение нейросетей Шедеврум и Kandinsky 2.1.

Весной этого года появилось сразу две российские нейросети. Сбер выпустил модель Kandinsky 2.1 нейросети Russian DALL-E, а Яндекс — мобильное приложение Шедеврум. Нейросети захватили интернет, ведь это круто — получить уникальное изображение на основе запроса. Для кого-то это хорошее подспорье в работе, для кого-то — игра.

Какая из двух российских нейросетей лучше? Сравню по нескольким критериям — доступность и удобство использования, качество изображений и цензура.

Доступность и удобство использования

Пользование любым сервисом начинается с его интерфейса. Зачастую, если пользоваться программной неудобно, задаешься вопросом: «А оно мне надо?» На мой взгляд, и Кандинский, и Шедеврум весьма удобны в применении.

Шедеврум доступен только в приложении для Android и IOS, во всяком случае, на сегодняшний день. Интерфейс приложения абсолютно минималистичный и простой — выглядит, как соцсеть с лайками и подписками. Зато можно смотреть, что нарисовал Шедеврум для других пользователей. Очень надеюсь, появится и десктопная версия. Пока ее нет, картинки, сохраненные на мобильное устройство, приходится пересылать себе с помощью других приложений, например, Телеграм. В результате манипуляций получаешь изображение размером 1024 x 1024 пикселей.

Модель Кандинский доступна в приложении Салют, в телеграм-боте, а также на сайтах https://fusionbrain.ai и https://rudalle.ru. Кандинский сформирует изображение размером 768 x 768 пикселей. На сайтах можно задать один из кучи стилей. В телеграм-боте предустановленных стилей всего четыре. К сожалению, можно увидеть результаты только своих запросов. Ну, или те изображения, которыми с тобой поделились другие.

Качество изображений

Чтобы сделать вывод, какая из двух нейросетей создает более качественные картинки, я создам несколько идентичных запросов в том и другом сервисе. Первый запрос предельно простой: «Кот в питерском дворе». Да, я в курсе, что составлять запросы для нейросетей — это целая наука. Пока этого не требуется. В обеих нейросетях формирую запрос без стиля.

Кандинский справился быстрее. Он генерирует всего одну картинку. Можно увидеть, что он вполне справился с заданием. Кот есть, фон похож на Питер. Хотя и не без косяков.

Шедеврум формирует четыре изображения, из которых для публикации можно выбрать только одно. Кот есть, атмосферы Питера нет. Ну, если только двор на окраине Санкт-Петербурга.

Выбираю последнее изображение. Красивый котик, но картинка зернистая.

Теперь к этому же запросу применю расширения, или промты, — приглушенное освещение, высокая детализация, реалистично, профессиональное фото и другие. На четвертом фото задан промт макросъемки 30mm lens. Изображения стали четче, Питер на заднем плане появился на картинках Шедеврума, но с котами приключилась какая-то беда. Промты к запросам, как и сами запросы — тоже целая наука. Не стоит ими чрезмерно увлекаться.

Все нейросети испытывают проблемы при рисовании рук. Посмотрим, как с этой задачей справятся Кандинский и Шедеврум. Первый запрос: «человеческая рука, реалистично, 4k».

Реалистичностью тут и не пахнет, но Шедеврум более-менее справился с задачей — рука хоть и ущербная, зато пять пальцев. У Кандинского получился адский кринж, по-другому не могу это охарактеризовать. Даю Кандинскому еще один шанс и генерирую запрос «пять пальцев на руке». Получилось, хоть от таких рук мороз по коже пробирает.

А теперь посмотрим, как нейросети нарисуют городской пейзаж. Задаю одинаковый запрос на тему стихотворения А.Блока «Ночь, улица, фонарь, аптека и ледяная гладь канала».

Вот здесь и понадобится умение правильно составлять запросы. У Шедеврума хоть и словарный запас беднее, чем у Кандинского, но эта нейросеть оказалась более понятливой. Правда, качество изображения хромает. Задаю следующий запрос: «Санкт-Петербург, ночь, улица вдоль заледеневшего канала освещается фонарями, в здании возле моста аптека».

Санкт-Петербург вижу, канал и фонари тоже. Мост есть, но у Кандинского он какой-то не такой. А мост обязателен: аптеки в Питере располагались именно возле моста. Где аптека? Переиначиваю запрос: «Питер, ночь, улица вдоль заледеневшего канала освещается фонарями, аптека в здании возле низкого моста».

Мост Кандинский пропустил, зато изобразил аптеку. Даже подобие инвалидных колясок перед ней. Надо было в запросе добавить «начало XX века». Век живи — век учись! Кстати, Санкт-Петербург — это что-то помпезное, а Питер — попроще.

Теперь я хочу оценить, как обе нейросети нарисуют человеческое лицо. Задаю запрос: «красивая античная девушка». По моему мнению, счет в пользу Кандинского.

Теперь задам запрос обеим нейронкам простой запрос в другом стиле: «Еж в хвойном лесу, советский мультфильм». На обоих сайтах с Кандинским есть возможность выбрать стиль советского мультфильма, но я задаю запрос телеграм-боту. Это без разницы. Как оказалось, Шедевруму также знаком этот стиль. Сравните результаты.

Усложняю запрос: «Еж и заяц в хвойном лесу, советский мультфильм». Ой, кто это тут получился? Кандинский изобразил гибридов ежа и зайца, причем у одного из них лапа трансформировалась в третье ухо. Шедеврум со скрипом, но справился с задачей.

Еще усложняю запрос, чтобы посмотреть, справится ли Шедеврум на этот раз — «еж, заяц и белка в хвойном лесу, диснеевский мультфильм». И тут я столкнулась с цензурой в Шедевруме: слово «диснеевский» под запретом. О цензуре речь пойдет ниже, а пока заменяю стоп-слово на «американский». Кандинский изобразил трех гибридов, а Шедеврум — белку и корявого зайца. И это лучший из четырех предложенных вариантов, в остальных яндексовская нейросеть с заданием не справилась.

Еще несколько картинок, по которым можно сравнить две нейронки.

Цензура в нейросетях

Настала пора посмотреть, как нейросети изобразят известного человека. Есть такое правило: в любой непонятной ситуации рисуй Трампа. Потому что Дональд Трамп — личность харизматичная и запоминающаяся, и нейросети его хорошо рисуют. И тут я второй раз столкнулась с цензурой на Шедевруме. При попытке задать запрос, в который входит известная фамилия, а иногда даже имя, появляется сообщение: «Мне нельзя делать картинки на некоторые темы, например про любых конкретных людей». Далее предлагается пройти по ссылки с правилами.

Согласно правилам, в Шедевруму нельзя изображать конкретных людей, даже исторических личностей (то есть запрос «пирожное Наполеон» тоже проигнорируется, как и «диснеевский мультфильм»). Почему? Потому что, как сказано, Шедеврум не должен никого обижать или становиться генератором дипфейков. А такое уже случалось, когда многие поверили изображению, сгенерированному нейросетью Midjourney. Я понимаю, что Шедевруму до Midjourney еще расти и расти, но как знать, насколько далеко простираются амбиции и намерения Яндекса. Нельзя также рисовать по запросам, связанным с политикой и религией, насилием и жестокостью, а также тематикой 18+.

Отлично, я поняла тебя, Яндекс. Но не обещаю, что не буду делать попыток обойти цензуру.

Такое впечатление, что Шедеврум во всех непонятных ситуациях рисует именно Трампа. И на различные запросы на тему «Кто виноват?» и, непонятно почему, «культ личности». Итак, Шедевруму задаю вопрос, кто виноват в происходящем в мире, а Кандинского просто прошу нарисовать Трампа. Получаю следующий результат.

Сходство, конечно, неполное. Проверяю Шедеврум еще раз с помощью запроса «Шедеврум на Дональда всех собак повесил». Отлично! Имя Дональд незацензурено, в отличие от Вани, Вовы и Пети. Кандинскому задаю запрос «Трамп с собаками», иначе он рисует висящих на веревке собак, похожих на Трампа. Живых, но все равно неприятно, поэтому выкладывать здесь результат не буду.

В этом варианте у Шедеврума получилось достичь сходства. Видимо, срисовал предыдущего президента США с какой-то фотографии, найденной у себя в Яндексе.

Следующий запрос Шедевруму: «основоположник марксизма-ленинизма». В ответ получаю портрет Карла Маркса, срисованного с известной фотографии. Кандинскому задаю запрос «Карл Маркс». Чей портрет больше похож на оригинал?

К сожалению, я не смогла заставить Шедеврум нарисовать кого-нибудь из наших известных людей. Может быть, у вас получится.

Провоцирую нейросети дальше. Ой, дождусь я, что в Шедевруме начнут на меня жаловаться! Задаю запрос «Что происходит на Украине?» Все четыре варианта показывают вполне реальную картину происходящего, если не считать непонятные летательные аппараты на втором изображении.

Можно я не буду выкладывать результат? Все равно все варианты корявые. На тот же запрос Кандинский рисует цветы. Так в этой нейросети проявляется цензура: запрос под запретом. Также под запретом у Кандинского сцены насилия и все то, что не разрешается на нормальных сайтах.

Под цензурой у Шедеврума оказались слова «президент», «флаг», «кремль» (то есть Новгородский кремль Шедеврум тоже не нарисует), а также мемные фразы «собака сутулая» (а вот «сутулая собака» можно), «свино-карась» («швайно-карась» тоже) и всевозможные оскорбительные эпитеты. Составляйте корректные и правильные запросы.

Другие возможности нейросети Кандинский 2.1

К плюсам Кандинского можно отнести веселую возможность смешивания двух картинок, картинки и текста и создания вариации картинки. Такими возможностями располагает телеграм-бот.

Смешивание двух картинок

Смешивание картинки и текста

Вариации картинки

Сделаю вариации тех же Шрека, Чебурашки и рыжего кота. Ну, и Трампа (бедный Дональд!). Получился кринж, но что есть, то есть.

У Шедеврума таких возможностей нет. И появятся ли, не знаю. Он ведь боится кого-то обидеть, а возможности для этого появятся.