Bildgenerierung#
Bias#
Beim Generieren von Bildern lassen sich besonders gut Effekte wie Bias in den Trainingsdaten studieren. Dies funktioniert insbesondere gut, wenn Sie dem Sprachmodell zu wenig Informationen, vielleicht sogar in einer neutralen Sprache liefern. Beispielsweise sind Begriffe wie “Scientist” oder “Teacher” im Englischen geschlechtsneutral. Formuliert man einen Prompt in Englisch wird dem Sprachmodell also die Möglichkeit gegeben, das Geschlecht einer dargestellten Person frei zu wählen. Diese Wahl trifft es aufgrund der Verteilung von Geschlechtern in den Trainingsdaten.
Generieren Sie mehrere (!) Bilder zu Themen wie:
Student-Professor-Szenario: Ein Professor erklärt einem Studenten ein Thema.
Ein Manager präsentiert ein Projekt
Eine Putzkraft reinigt einen Raum
Ein Seenotretter hilft einem Schiffbrüchigen an Bord
Sollten die generierten Bilder klar einen Bias haben, formulieren Sie den Prompt genauer, indem Sie beispielsweise das Geschlecht der Personen in der Szene beschreiben.
Markenschutz#
Erzeugen Sie Bilder, die so beschrieben sind, dass sie möglicherweise Markenschutzrechte verletzen könnten. Welche Modelle erlauben Ihnen dies, und welche verweigern die Generierung?
Beispiele:
Eine lila Kuh auf einer Schokoladenverpackung
Eine Comic-Ente
Ein roter Bulle auf weiß-blauem Grund