Perspektive, Schlagschatten, Spiegelungen … Wo KI (noch) schwächelt

Viele Mängel waren in der Anfangszeit bildgenerativer KI unübersehbar: Überzählige Finger, matschige Gesichter, Durchdringung von Objekten. Das gibt es kaum noch. Aber gewisse Fehlleistungen kommen noch immer vor. Oft muss man schon sehr genau hinschauen, um sie zu entdecken. Doch Menschen können das oft nicht besser. | Doc Baumann „Eine Frau steht vor einem Spiegel und hält ein Messer in der rechten Hand.“ Wirklich korrekt setzte das keine KI um; von links nach rechts Chat GPT, Ideogram und Seedream. Auch letztere lag ansonsten falsch. Hier stimmt nur das Messer nicht – ebenso wie der Schatten hinten. Die allermeisten KI-generierten Bilder sehen inzwischen überzeugend aus und enthalten wenige offensichtliche Fehler. Das bedeutet nicht, dass sie öfter den im Prompt formulierten Absichten der Anwender entsprechen oder sich nicht mehr der Darstellung nackter Haut verweigern würden. Letzteres ist die Folge davon, was ihre Entwickler nicht wollen. Was uns hier interessiert ist das, was die Systeme (noch) nicht können. Auf den ersten und meist auch auf den zweiten Blick erscheinen KI-Szenen völlig „richtig“ und unterscheiden sich von daher kaum noch von Fotos. Nicht nur Laien sind damit überfordert, Fotografiertes und Generiertes korrekt zuzuordnen. Man muss also schon sehr genau hinschauen, um typische Fehler zu erkennen. Und die haben kaum etwas mit dem verwendeten KI-Modell zu tun. Bei den drei hier angesprochenen Bereichen patzen alle: Perspektive, Schlagschatten und (horizontale) Spiegelungen. Während KI in der Regel vertikale Spiegelungen – also solche von Objekten oder Personen, die auf einer spiegelnden Fläche stehen – weitgehend richtig darstellt, versagt sie bis auf wenige Ausnahmen bei der Anforderung, die Reflexion einer Szene vor einem Spiegel in diesem angemessen wiederzugeben. Das äußert sich vorrangig weniger im Ignorieren der Gesetze der optischen Projektion, sondern bereits in einem „Unverständnis“ des Verlangten. Objekte sind in der Spiegelung verschoben, zeigen nicht ihre Rückseite, fehlen oder werden hinzuphantasiert. Perspektive und Schlagschatten dagegen sehen zunächst meist korrekt aus, und es bedarf schon des Einzeichnens von Fluchtlinien oder Lichtstrahlenverläufen, um zu verdeutlichen, dass etwas nicht stimmt. Die Fehler sind unauffällig, aber vorhanden. Das allerdings ist bei vielen Gemälden nicht anders. Nur ein Beispiel, das aber repräsentativ für alle KI-Modelle ist. Der Prompt für Nano Banana verlangte einen auf einem Tisch stehenden Spiegel, in dem sich auf diesem Tisch stehende Objekte spiegeln. Tasse und Stein sind immerhin vor und im Spiegel zu sehen, wenn auch falsch positioniert. Das Notizbuch wird nicht reflektiert, auf dem Tisch steht kein Wecker, und die Kamera links fungiert sogar als ein beide Welten verwirrend verknüpfendes Objekt. DOCMA-Leser werden sich an meine frühere Rubrik „Bildkritik“ erinnern, in der ich Bildmontagen aus dem Medien vorgestellt habe, die grobe Mängel der Bildlogik enthielten. Was damals (und heute) von Menschen angerichtet wurde und wird, hat KI längst hinter sich gelassen. 01 Perspektive #1 (Seedream) Der Prompt forderte für alle Bilder dieser Seite eine gerade Straße in Rom mit Häusern zu beiden Seiten. Eine solche auf den Petersdom zulaufende Gasse gibt es zwar nicht, aber darum geht es nicht. Die eingezeichneten Fluchtlinien treffen sich zwar nicht auf einem Punkt, aber ihre Enden liegen doch dicht beieinander. 02 Perspektive #2 (Ideogram) Auch bei Ideogram konvergieren die Fluchtlinien nicht auf einen Punkt auf dem Horizont, aber auch hier liegen sie dicht zusammen. Allerdings ist das ein Phänomen, das durchaus auch bei Fotos vorkommt – wahrscheinlich, weil die Gebäudekanten, Fenster oder Gesimse in der Realität nicht perfekt parallel verlaufen. 03 Perspektive #3 (Qwen) Etwas schlechter ist es bei diesem Beispiel aus Qwen. Der Bereich, in dem sich die Fluchtlinien kreuzen, ist kein einzelner Punkt auf dem Horizont, sondern ein recht großer Bereich, auch mit unterschiedlichen Horizonthöhen. Aber noch einmal: Gerade bei alten Gebäuden kommt das auch auf echten Fotos vor. 04 Perspektive #4 (Midjourney) Auch bei Midjourney gibt es keinen klaren Fluchtpunkt der Gebäudekanten. Bei allen hier gezeigten Beispielen sollte man jedoch berücksichtigen, dass die Abweichungen eher gering sind und daher ohne eingezeichnete Fluchtlinien mit bloßem Auge wohl kaum einen Betrachter auffielen.

Als Abonnent einloggen

DOCMA 2GO abonnieren

Schreibe einen Kommentar Antwort abbrechen