Google descobre padrões inesperados na geração de imagens de IA
Um novo artigo de pesquisa do Google mostra como a empresa pode identificar o que os usuários estão fazendo com o Nano Banana sem violar a privacidade do usuário. Posteriormente, eles descobriram cinco maneiras diferentes de usar a geração de imagens.
O problema e a solução
As pessoas estão enviando imagens sensíveis de si mesmas e de suas famílias para o Nano Banana, então a preocupação com a privacidade é real.
No entanto, a geração de imagens de IA é muito popular e compreender como as pessoas usam a Nano Banana é crucial para identificar como ela é aplicada e o que pode ser feito para melhorá-la nas diferentes e emergentes formas como está sendo usada. Portanto, o desafio era identificar uma forma de entender como o Nano Banana estava sendo utilizado e, ao mesmo tempo, respeitar a privacidade do usuário.
O artigo de pesquisa explica:
“Além dos auto-relatos proativos na mídia tradicional e nas redes sociais, há dados limitados sobre como e por que muitas pessoas estão usando a geração de imagens LLM.
Com esse crescimento no uso e nos casos de uso emergentes, procuramos fornecer algumas análises descritivas do uso da Nano Banana, para ajudar a compreender as maneiras pelas quais os usuários podem achar ferramentas como a Nano Banana úteis para conexões sociais, materiais educacionais, avanço científico, comércio e muito mais.”
Os pesquisadores propuseram que pudessem entender como as pessoas usam a geração de imagens de IA analisando padrões em seus prompts de texto e conversas, sem a necessidade de examinar elas próprias as imagens carregadas ou geradas, ao mesmo tempo que protegem a privacidade do usuário.
Os pesquisadores usaram um sistema existente chamado Urania, uma estrutura existente que o Google já usa para obter insights de interações de bate-papo LLM.
Análise e descobertas
Os pesquisadores analisaram 2,1 milhões de conversas do Gemini Nano Banana e as agruparam em cinco categorias:
- Sociais e virais
- Marca e Marketing
- Visualização de produtos e comércio eletrônico
- Design Arquitetônico e Espacial
- Informações educacionais e técnicas
Eles também compararam como as pessoas usaram a tecnologia nessas cinco categorias, examinando:
- Estilos artísticos
- Recursos de edição de imagens
- Recursos de composição de imagem
- Recursos de interações/sessão
- Recursos de seleção múltipla
1. Recursos de edição de imagens
Esta atividade inclui remover objetos e pessoas de uma imagem, modificar um fundo, adicionar novos elementos e modificar imagens redimensionando-as ou restaurando-as.
“A edição de imagens incluía solicitações explícitas de modificações para alterar, limpar ou alterar elementos específicos dentro de uma imagem que já foi criada (ou uma imagem de referência carregada por um usuário).”
2. Estilos Artísticos
Os estilos artísticos são outra característica interessante onde os pesquisadores descobriram que os usuários estavam solicitando meios de arte específicos, como aquarelas, esboços a lápis, estilo fotográfico ou imagens como pinturas a óleo. Outros usuários vibraram em suas imagens descrevendo ambientes ou estilos como minimalista, filme noir ou vintage. Alguns dos usuários mais criativos solicitaram mashups conceituais que combinassem estilos ou ambientes conflitantes.
Os pesquisadores explicaram:
“O Estilo Artístico incluía solicitações explícitas dos usuários sobre a direção criativa e estética visual, desde o meio artístico usado até
influências estilísticas ou culturais específicas.
…Absurdo ou Humor:
Solicitações que incorporem intencionalmente elementos de absurdo, sátira,comédia surreal ou exagero humorístico.
Imite arte, pessoa ou personagem:
Solicitações explícitas para emular o estilo distinto de um artista, figura pública ou personagem fictício específico.”
3. Composição da imagem
Dentro das cinco categorias de usos também notaram que os usuários compunham as imagens com iluminação, perspectiva, restrições (dizendo o que não fazer) e solicitações de pessoas e quantas.
“Composição refere-se a solicitar detalhes sobre o arranjo estrutural da cena, incluindo posicionamento de temas, perspectiva, iluminação, etc.”
4. Recursos de interações/sessão
“Os recursos de interação analisam a conversa como um todo e como as pessoas interagem e editam as imagens geradas.”
5. Recursos de seleção múltipla
Eles classificam as conversas em dimensões adicionais, como prompts que incluem requisitos de texto e tipografia, tipos de transformação de imagem, contexto de trabalho e estágios de criação de conteúdo. Os recursos de seleção múltipla fornecem informações adicionais sobre o que as pessoas estão tentando realizar e como usam a geração de imagens.
Os recursos de seleção múltipla incluem:
- Especificação completa
Se os usuários especificam com precisão um estilo e um texto. - Apenas conteúdo preciso
O usuário fornece o conteúdo do texto, mas não o estilo. - Apenas estilístico/genérico
As instruções do usuário contêm a vibração do que eles desejam, mas sem detalhes. - N / D
O prompt não menciona texto ou fontes.
O que os pesquisadores descobriram
Os pesquisadores descobriram que a Nano Banana estava sendo usada para mais do que usos virais triviais nas redes sociais. As pessoas também o usavam para atividades comerciais, ilustrações educacionais, instruções técnicas e visualizações de produtos.
A descoberta mais surpreendente é que memes e imagens humorísticas foram as características menos prevalentes nas categorias sociais e virais. Eles descobriram que a característica mais prevalente era a inclusão de pessoas (quase 80%). Solicitações envolvendo composição de imagens e estilos artísticos também eram comuns, enquanto solicitar ao LLM que recomeçasse era cerca de duas vezes mais prevalente do que solicitar pequenas alterações.
Os pesquisadores observaram:
“Talvez surpreendentemente, o estilo ou formato do meme e o absurdo/humor sejam os menos prevalentes.”
Por último, os investigadores descobriram que grande parte da marca e da atividade de marketing envolvia marcas originais, fictícias ou não reconhecidas, em vez de empresas estabelecidas. Os pesquisadores sugeriram que alguns usuários podem estar desenvolvendo marcas para negócios novos ou especulativos.
Eles apontaram estas descobertas relacionadas ao uso de marketing da geração de imagens:
Imagens de marketing enfatizam precisão
O uso do marketing enfatizou requisitos visuais específicos. Os recursos mais prevalentes nas conversas de marketing envolviam o controle de como as imagens eram compostas, incluindo o posicionamento dos elementos, pessoas, iluminação e instruções sobre o que não deveria aparecer.
O marketing teve a maior prevalência de solicitações de texto detalhadas
Em comparação com as outras quatro categorias, o marketing teve a maior prevalência de solicitações especificando texto exato e instruções detalhadas sobre tipografia.
Isto sugere que os profissionais de marketing estão usando a geração de imagens para criar imagens promocionais com texto específico e requisitos de design, em vez de simplesmente solicitar imagens atraentes.
Pequenas empresas e indivíduos são mais prevalentes que grandes marcas
A categoria Marca e Marketing teve a maior prevalência de conversas identificadas como envolvendo pequenas empresas, indivíduos ou atividades paralelas.
O marketing usa além da geração de imagens do zero
Os investigadores identificaram atividades que envolvem o refinamento de logótipos, a alteração de textos e cores, a criação de materiais promocionais e o desenvolvimento de identidades visuais de marca consistentes, incluindo ativos para envolvimento online e utilizações promocionais tradicionais.
Conclusões
Reconheceram também que ainda não está claro se a IA está a permitir atividades inteiramente novas ou simplesmente a tornar as existentes mais baratas. Eles expressaram que prevêem o surgimento de usos adicionais à medida que as pessoas continuam a experimentar a geração de imagens de IA.
Imagem em destaque da Shutterstock/Khosro
