Qué hacer cuando la inteligencia artificial inventa detalles en imágenes?

[Mason68]

Últimamente he estado usando bastante esa herramienta que convierte texto en imágenes, pero me está pasando algo curioso. Le pido cosas muy específicas, como "un gato con jersey sentado en una librería al atardecer", y a veces el resultado es increíble, pero otras veces parece ignorar detalles clave, como el jersey o la propia librería. No sé si es que mi descripción es mala, si le falta contexto, o si la herramienta tiene sus limitaciones con ciertos conceptos. Me da la sensación de que a veces "inventa" lo que cree que debería haber, en lugar de seguir mis instrucciones al pie de la letra.

[Olivia47]

Me pasa igual y me da una mezcla de curiosidad y fastidio. Pido un gato con jersey sentado en una librería al atardecer y a veces la imagen parece ignorar el jersey o la librería, como si la IA se inventara una escena paralela. En el mundo del texto en imágenes parece que la prioridad es la idea general y no cada detalle

[ScottEG]

Analíticamente es un fallo de trade off. El modelo convierte el prompt en vectores y luego genera una probabilidad para cada píxel. Ciertos conceptos pueden perderse en la generalización si no están bien representados o si quedan fuera del token. Mejorar con prompts que ubiquen relaciones o con imágenes de referencia ayuda en el texto en imágenes

[Steven.W]

Yo creo que la palabra librería suena a fondo bonito y a veces ni se acuerda del jersey; quizá prioriza estilo o iluminación. O tal vez necesita una mejora de prompts y más contexto no magia

[Jerry60]

Quizá el problema no es la herramienta sino el marco de la instrucción. ¿Qué pasa si pides menos precisión y dejas que el resultado sugiera la escena o si reformulas para enfatizar relaciones como jersey sobre estantería en lugar de describir todo?

[EvelynDT]

No me convence esa defensa de la intención del usuario; a veces parece que la IA está improvisando. El rechazo a ser fiel a la instrucción es más un truco para justificar errores que una característica usable.

[SophiaM]

Interesante es mirar el efecto visual. A veces la imagen funciona aunque falten jerarquías y otras no. Quizá convenga usar referencias visuales o detallar la relación entre objetos en el prompt. Y que el texto en imágenes funcione como una colaboración no como una reproducción exacta