智东西
编译 | 香草
编辑 | 李水青
10月11日凌晨，设计软件巨头Adobe宣布推出一系列图像生成模型，其中Firefly Image 2作为新一代图像生成器，通过改善皮肤、头发、眼睛、手和身体结构增强了人体渲染质量，提供更好的色彩和改进的动态范围，并为用户提供更大的控制输出的能力 。
此前，OpenAI于9月21日宣布旗下图像生成工具DALL-E的升级，新版本DALL-E 3大幅提升图像生成质量，尤其改进了在图像上生成文字的功能。
在国外图像生成赛道，Midjourney和DALL-E常被视为两大竞争对手。Adobe Firefly 2的发布，意味着又一强大竞争对手加入，形成三强对阵的格局。
虽然Adobe在今年3月便推出了Firefly模型的测试版，但当时一些图像分析师批评Firefly在生成效果方面落后于Midjourney和DALL-E 2等竞争对手，他们将这一差距部分归因于Adobe承诺仅使用授权和公共领域内容进行培训。
下面是一组Adobe Firefly、Midjourney与DALL-E 2生成图像对比，提示词为：山谷，童话般的树屋村庄覆盖，哑光绘画，高度精细，动态照明，电影，现实主义，逼真，照片真实，日落，详细，高对比度，去噪，居中。
Adobe Firefly、Midjourney与DALL-E 2生成图像对比（图源：Muhammad Usman，mdorazio）
从上图的对比可以看出，Midjourney生成的图像内容最丰富，有很多细节描绘；DALL-E 2的生成更类似于油画风格，虽然不够逼真，但表现尚可。
相比之下，Firefly的生成效果则不尽人意，既没有符合大多数提示词，整体质量也较差，甚至在物体轮廓上出现杂色。
此次更新，Firefly 2大幅提升了生成图像质量和准确性，尤其是人像渲染方面。
Firefly 2与Firefly 1生成图像对比（图源：Adobe）
那么，目前的Firefly 2在其他方面具体表现如何？它能否与DALL-E 3和Midjourney竞争，帮助Adobe在生成式AI领域占据一席之地？这三款图像生成器各自具有什么样的特点和优势？近日，外媒Gold Penguin从8个方面的生成图像效果对比中，也许找到了这些问题的答案。
总体来看，三款图像生成器各具风格，也各具优势。如DALL-E 3拥有优秀的文字生成功能，更适合高语境提示；Adobe Firefly 2生成效果最逼真，在人像细节等写实表现上最具优势；Midjourney则时常迸发出一些“艺术性”的创作，可提供创作灵感。
下表总结了这三款图像生成器在可用性、输出效果、运行速度等方面的特点，供读者参考。简单来说：Firefly 2更逼真，Midjourney更艺术，DALL-E 3善解人意。
三款AI图像生成器性能对比（图源：Gold Penguin，智东西译制）
一、三路选手PK，行业巨头对决两家AI独角兽
今天，我们让三位选手来进行一场大PK。
首先是一号选手Adobe Firefly Image 2，它是Adobe于10月11日凌晨推出的新一代图像生成模型。
Adobe公司在图像处理领域的地位可谓是不言而喻。背靠Adobe，Firefly系列一经推出便获得了巨大的关注。
据介绍，Firefly 2通过改善图像中人体皮肤、头发、眼睛、手和其它身体结构，来增强图像的渲染质量，为用户生成更高质量图像。
Firefly 2模型有三大新功能：生成匹配（Generative Match）、照片设置（Photo Settings）、提示指导（Prompt Guidance）。
它支持100多种语言的文本提示，以及包括“快速”生成积分在内的新付费计划。
Firefly 2的生成匹配功能（图源：Adobe）
二号选手DALL-E 3来头也不一般。
DALL-E 3是OpenAI于9月21日凌晨推出的升级版文生图工具，与之前的版本相比，它的提示理解能力更强，对文本的处理效果也更好。
OpenAI作为现象级应用ChatGPT的开发商，可谓是刮起了一阵AIGC热潮。
升级后的DALL-E 3原生集成至ChatGPT，对两款产品而言都是“如虎添翼”。10月3日，微软宣布DALL-E 3可供所有Bing Chat和Bing Image Creator用户免费使用，再次降低了它的使用门槛。
值得一提的是，DALL-E 3在此次升级中增强了“在图像上生成文字”的功能，此功能目前在Firefly 2和Midjourney中暂未实现。
DALL·E 3可在图像上生成准确的文字（图源：OpenAI）
三号选手Midjourney与前两位相比，背后的公司可能没有太大的名头，但它凭借着强大的图像生成质量，一度成为图像生成领域的现象级应用，一年实现1000万用户和1亿美元营收。
Midjourney公司成立于2021年8月，创始人大卫·霍尔茨（David Holz）曾是体感控制器公司Leap Motion的联合创始人。Midjourney以详细的输出、通过提示工程参数进行的广泛定制和细微差别而著称，其最新5.2版本于6月23日推出。
Midjourney 5.2版本的最大亮点在于放大（Zoom Out）功能，允许用户将放大图像的画布扩展到其原始边界之外，而不更改原始图像的内容。新扩展的画布将根据提示和原始图像的指导进行填充。
Midjourney的放大功能（图源：Midjourney）
9月，Midjourney首席执行官曾向媒体透露，Midjourney 6会在今年内发布，将实现品质上的巨大飞跃。
二、Adobe Firefly 2、Midjourney、DALL-E 3生成图像大比拼
接下来，让我们从8个方面对比一下Adobe Firefly 2、Midjourney和DALL-E 3生成图像的效果，分别是写实人像、建筑设计、风景、超现实主义、抽象概念、风格化艺术、矢量平面设计以及文字生成。
1、写实人像
首先是Adobe Firefly 2“大肆宣扬”的人像，下面两组图的提示词分别为：一个疲惫大学生的特写；一位身着黄色衬衫女士的肖像照。
写实人像（图源：Gold Penguin）
写实人像（图源：X博主@saana_ai）
可以看出，Adobe Firefly 2生成的人像确实非常逼真，面部表情清晰，具有明显的皮肤、毛发质感，光照效果也很好。
Midjourney的输出也相当不错，但与Firefly 2相比更柔和，皮肤质感略逊一筹。对于第一组提示词，Midjourney生成的图像中桌面上的书本存在渲染失误，不过并不明显。
对比之下，DALL-E 3生成的人像有些逊色，几乎不存在皮肤和毛发质感。对于第一组提示词，DALL-E 3过分强调了学生的疲惫，“黑眼圈”有些夸张。
值得一提的是，这些图像都没有产生“恐怖谷”效应，这是一个很大的优点。
2、建筑设计
再来看看建筑设计，第一组图的提示词为：从广角俯瞰，带下沉式客厅的时尚砖墙曼哈顿风格阁楼。
建筑设计（图源：Gold Penguin）
对于第一组提示词，这三个图像生成器都没有完全理解提示意图。它们都创造了一个曼哈顿风格的阁楼，但很难将下沉式客厅的部分表现出来。
Adobe Firefly 2的照明效果最好，强调了阴影与光线来源的对应关系，并将它们完美地融合在一起。
Midjourney最大的优点是注重细节。从一楼的书籍到二楼的画作，都符合典型阁楼式公寓的设计。
DALL-E 3的灯光则显得有些夸张，质感也比较柔和。不过，它是唯一表现了“下沉式客厅”这一提示词的生成器，虽然表现方式有些失误。
第二组图的提示词为：卧室，大窗户，现代家具，灰色和金色，豪华，中世纪现代风格。
建筑设计（图源：X博主@chaseleantj）
对于第二组提示词，三个图像生成器都表现得很好。不过相比之下，DALL-E 3生成的图像对“豪华”和“金色”提示词的表现比其他两个生成器少。
3、风景
在风景景观方面，第一组提示词为简短的词组：野花草地日落景观。
风景（图源：Gold Penguin）
对于第一组提示词，Adobe Firefly 2的输出效果栩栩如生，但与网络上的草地图片过于相似。此外，野花的渲染似乎出现了故障，细看会发现没有一朵花是正常渲染的。
Midjourney的草地色彩非常鲜艳，但倾向于风格化，比起写实照片更像是一幅画。
DALL-E 3更加强调“日落”这个提示词，整体色彩呈橘色色调，给人一种雄伟壮观的感觉。虽然它不是色彩最丰富的，但质感细腻。
第二组提示词比较详细：无人机航拍波拉波罗岛令人惊叹的陆地景观，阳光下波光粼粼的水面。
风景（图源：X博主@chaseleantj）
对于第二组提示词，Firefly 2和Midjourney生成图像相似，有种宏大的史诗感，不过后者的树木渲染更具细节。
DALL-E 3的水面渲染则显得有些粗糙，强调了“阳光”，但却没有表现出强烈光照下的阴影投射，因此显得很扁平。
4、超现实主义
看完了现实，再来看看超现实主义。下图的提示词为：一幅超现实主义油画，牛仔布做的房子中有一只大萤火虫。
超现实主义（图源：Gold Penguin）
对于第一组提示词，三个生成器采取了完全不同的处理方式。
Adobe Firefly 2的作品大量借鉴了儿童读物，风格很像儿童绘本。
Midjourney结合了现实世界的图像和奇幻的概念。与其他两张图像不同，它将视角放在了房间内部，也因此对“牛仔布”的表现并不明显。此外，Midjourney似乎连萤火虫都渲染成了牛仔布质感。这可能有些偏离提示词的描述，但测试者表示很喜欢这个处理。
DALL-E 3的处理方式则更具艺术性，它模糊了房子的界限，创造了一种新的叙事方式。它还“创作”了一些细节，比如两个月亮和口袋窗户。
再试试更抽象的提示词：震惊、美丽的外星人，科幻、未来，浅茶色和琥珀色。
超现实主义（图源：X博主@saana_ai）
对于第二组提示词，三个生成器的处理方式也是各具风格。
Adobe Firefly 2仍然采用了类似于插画的风格，Midjourney和DALL-E 3则更偏向于“写实”。但DALL-E 3忽略了“琥珀色”这个提示词，并且生成的图像比起“外星人”，似乎更接近“机器人”。
5、抽象概念
如果说超现实主义还提供了一些细节上的表述，接下来我们再试试完全抽象的概念。下图的提示词为：无限的可视化。
抽象概念（图源：Gold Penguin）
“无限”是无法被创造出来的，但三幅作品进行了不同的尝试来表现这个概念。
Adobe Firefly 2和DALL-E 3都选取了螺旋化的表达方式，Firefly 2类似于斐波那契数列的可视化，DALL-E 3生成的图像则更加迷幻，具有丰富的色彩，看起来就像一件复杂的扎染衬衫。
Midjourney生成的图像则具有故事性，一个人类的背影向光芒走去，四周围绕着像藤蔓或树枝一样的东西。
6、风格化艺术
在一些风格化艺术的理解上，三位选手也表现各异。第一组图的提示词为：达达主义（Dadaism）风格插图，妇女为争取平等而斗争。
风格化艺术（图源：Gold Penguin）
达达主义诞生于20世纪初，具体可以追溯到第一次世界大战期间。达达艺术以非传统材料、拼贴、组合和表演为特征，旨在挑衅和震撼观众，达到质疑艺术和社会的意义和目的。
Adobe Firefly 2的输出看起来不像任何达达艺术，且多次调整提示词后，得到的结果总是相似。
Midjourney和DALL-E 3则理解了背景，它们的作品完全模仿了达达主义。
Midjourney倾向于拼贴艺术，与著名的俄国艺术家汉娜·霍克（Hannah Höch）风格相似；DALL-E 3更偏向于模仿法国艺术家马塞尔·杜尚（Marcel Duchamp）。这两位艺术家都是达达主义运动时期的杰出代表。
再来看看像素风格艺术，采用的提示词为：白色背景上的Q版像素艺术，RPG游戏的游戏资产，以挥舞火之力量的龙巫师盔甲为特色，周围环绕着配套的物品组。
风格化艺术（图源：X博主@chaseleantj）
对于像素风格艺术，DALL-E 3的表现非常突出。它覆盖了几乎所有提示词，同时生成了Q版人物（Chibi characters）、像素艺术和物品套装。
Firefly 2成功地完成了像素艺术，但忽略了“白色背景”和“物品组”的提示词。
Midjourney的作品甚至没有像素化。
7、矢量平面设计
接下来是办公领域比较实用的矢量平面设计。首先我们让AI助手来画一下AI助手，提示词：一个AI助手的平面矢量插图。
矢量平面设计（图源：Gold Penguin）
Adobe Firefly 2又一次理解失误。输出本身仍然是矢量艺术，但没有表现“AI助手”这个关键词。
Midjourney和DALL-E 3的输出则更像传统的矢量艺术。前者着重表现AI助手帮助人类工作这一场景，后者则将重点放在“AI助手”本身。
值得注意的是，DALL-E 3甚至在没有提示的情况下自行添加了文字，且具有逻辑性。
再试一下更具象的提示词：白色背景上简单的平面矢量插画，一位女性和一只小狗坐在办公桌前，拿着笔记本电脑。
矢量平面设计（图源：X博主@chaseleantj）
第二组提示词三位选手整体都表现不错。
但细看之下，Firefly 2和Midjourney都有些细节上的缺陷。Firefly 2生成图像中，女人的左手似乎“消失”了；Midjourney生成图像中，小狗的耳朵太过尖锐，看起来更像一只猫。
DALL-E 3的表现风格则更加扁平化，色块干净，很适合用在演示文稿和宣传材料中。
8、文字生成
最后是DALL-E 3引以为傲的文字生成功能，提示词：白色背景上的定制贴纸设计，采用优雅的字体书写“Rachel”字样，并点缀以水彩蝴蝶、雏菊和柔和的粉彩色调。
文字生成（图源：X博主@chaseleantj）
在文字生成方面，DALL-E 3取得了压倒性的胜利。Firefly 2和Midjourney均无法生成准确的文字，不过相比之下，Firefly 2比Midjourney稍微接近正确答案一些。
Firefly 2和DALL-E 3对“贴纸”的表现更明显，均采取了白色描边的方式来表现。水彩风格上，Firefly 2表现最佳。
值得注意的是，Firefly 2似乎总是在忽略“白色背景”这一提示词，“执着地”以浅绿色的背景来代替。
结语：行业巨头加入战场，AI图像生成器混战开始
生成式AI正在重塑艺术创作领域，通过图像生成器，任何人都可以通过编写文本提示打开艺术创作的新世界，从事创造性工作的人们也可以节省大量时间、激发想象力的更多可能性。
作为老牌的创意软件巨头，Adobe通过一系列更新再次强化了其在图像编辑领域的深厚积累，Firefly 2的表现比升级前大幅提升，可以与Midjourney、DALL-E 3打得有来有回。
与此同时，国内的百度文心一言、讯飞星火认知大模型等都上线了图像生成能力，并面向全社会开放；国内知名的图像软件公司美图也在积极布局生成式AI，于10月9日发布自研视觉大模型3.0，增强了图像生成质量以及提示词智能联想功能。
良性的竞争可以为用户提供更多选择，促使产品不断迭代进化。也许，一年后我们回过头来看，会发觉如今的图像生成效果是多么“稚嫩”。
来源：Gold Penguin、X
