Bild-Prompts: Klare Vorgaben und verlässliche Bildprüfung

Ein Bild-Prompt beschreibt das gewünschte Ergebnis, garantiert aber keine fehlerfreie Umsetzung. Ein ausdrückliches Verbot von Beschriftungen kann deshalb mit einem Bild enden, das trotzdem Zahlen oder Etiketten enthält. Entscheidend sind eine eindeutige Beschreibung und eine Prüfung des erzeugten Bildes.

Der ursprüngliche Werkstattbericht schilderte Ketten auf Beton, ergänzt um unerwünschte Beweiskärtchen und ein Lineal. Die Stimmungsangabe enthielt das englische Wort forensic. Ein plausibler Zusammenhang ist damit beschrieben; die Ursache ist dadurch noch nicht nachgewiesen.

Beobachtung und Erklärung trennen

Im beschriebenen Folgelauf wurden gleichzeitig das Genrewort ersetzt und konkrete Objektverbote ergänzt. Ein besseres Ergebnis kann deshalb nicht eindeutig einer der beiden Änderungen zugerechnet werden. Auch zufällige Variation zwischen Ausgaben bleibt als Erklärung möglich.

Aus der Wortposition folgt ebenfalls keine belastbare Regel. Ein Verbot weit vor einem möglichen Auslöser ist nicht nachweislich schwächer als dasselbe Verbot am Ende. Wortabstand ist zudem keine Messung der internen Verarbeitung des Modells.

Die früher genannten 31 Bilder, Erfolgsquoten und exakten Promptpositionen werden hier nicht als erneut geprüfte Messreihe ausgegeben: Eine vollständig zuordenbare Rohserie mit Prompts, Modellständen und sämtlichen Ausgaben lag für diese Prüfung nicht vor. Der praktische Fall bleibt ein Anlass für bessere Tests, kein allgemeiner Wirkungsnachweis.

Das gewünschte Bild konkret beschreiben

Googles Dokumentation zur Bildgenerierung empfiehlt konkrete Szenenbeschreibungen, Kontext und schrittweise Verbesserungen. Bei unerwünschten Gegenständen wird eine positive Beschreibung der beabsichtigten Szene empfohlen. Das ist eine Arbeitsmethode, keine Zusage für jedes Ergebnis.

Für das Kettenmotiv lässt sich die Szene beispielsweise ohne Genrebegriff beschreiben:

A restrained, non-photorealistic illustration of exactly two metal chains
on a bare concrete surface, viewed directly from above.
The upper chain has a gap bridged by a thinner link.
The lower chain has an open gap. The remaining surface is empty.
Mood: quiet, exact, spare.

Die Motivbeschreibung legt Anzahl, Anordnung, Material und die freie Fläche fest. Zusätzliche Verbote können zur Klarstellung dienen, ersetzen aber keine Bildkontrolle. Ob diese Fassung besser abschneidet, muss ein Vergleich zeigen. Für den überarbeiteten Artikel wurden keine neuen Bilder mit diesem Prompt erzeugt.

Ein Verbot sichtbarer Wasserzeichen ist außerdem von unsichtbaren Herkunftsmarkierungen zu unterscheiden. Laut Google enthalten erzeugte Gemini-Bilder SynthID. Ein Prompt mit „kein Wasserzeichen“ ist deshalb keine Zusage, dass keinerlei Herkunftsmarkierung vorhanden ist.

Ein Vergleich mit getrennten Einflussgrößen

Für den beschriebenen Fall sind vier Varianten sinnvoll: ursprünglicher Prompt; nur das Genrewort ersetzt; nur die Objektbeschreibung präzisiert; beide Änderungen gemeinsam. Modellkennung, verfügbare Einstellungen, Referenzbilder und Bildformat bleiben möglichst gleich. Jede Variante braucht mehrere Ausgaben und vorab definierte Kriterien, etwa „keine lesbaren Zeichen“ und „genau zwei Ketten“.

Eine getrennte Frage ist die Position des Verbotsblocks. Dafür wird nur die Position verändert, nicht gleichzeitig der Wortlaut. Mehrere Durchläufe und eine Prüfung ohne Kenntnis der Variante verringern den Einfluss einzelner Zufallstreffer und Erwartungen. Ergebnisse gelten zunächst für die geprüfte Aufgabe und Modellfassung.

Geometrie messen statt erklären

Zwei geforderte gleich hohe Säulen sind eine prüfbare Bedingung. Unterschiedliche Höhen belegen zunächst eine Abweichung im Bild, keine interne Regel „Last führt zu Verformung“. Perspektive, Oberkante, Bodenlinie und die mitgezählte Last müssen vor einer Pixelmessung eindeutig festgelegt werden.

Bei beispielhaften Höhen von 282 und 243 Pixeln beträgt die Differenz 39 Pixel. Bezogen auf die größere Höhe sind das 13,8 Prozent; bezogen auf die kleinere Höhe 16,0 Prozent. Eine Prozentangabe ohne Bezugsgröße ist deshalb unvollständig. Für präzise technische Verhältnisse ist eine kontrollierte SVG- oder Diagrammkonstruktion oft geeigneter als eine frei erzeugte Illustration.

Dateien und Bildinhalt getrennt prüfen

Eine Prüfsumme ist ein kurzer Wert, der aus dem Dateiinhalt berechnet wird. Damit lassen sich mögliche Dateiduplikate gruppieren. Gleiche Hashwerte sind jedoch kein mathematischer Beweis gleicher Dateien; insbesondere MD5 besitzt bekannte Kollisionsschwächen. Für neue Prüfprotokolle eignet sich beispielsweise SHA-256, anschließend bestätigt ein vollständiger Bytevergleich die Gleichheit.

sha256sum -- image-a.png image-b.png
cmp -s -- image-a.png image-b.png

cmp -s liefert bei gleichen Dateien den Rückgabewert 0, bei unterschiedlichen Dateien 1 und bei einem Fehler 2. Die Befehle lesen die beiden genannten Dateien und verändern keine Bilder. Ein fehlender Dateipfad darf nicht als unterschiedliche Bildfassung interpretiert werden.