Close Menu
    Trending
    • Scaling Recommender Transformers to a Billion Parameters
    • Hidden Gems in NumPy: 7 Functions Every Data Scientist Should Know
    • Is RAG Dead? The Rise of Context Engineering and Semantic Layers for Agentic AI
    • ChatGPT Gets More Personal. Is Society Ready for It?
    • Why the Future Is Human + Machine
    • Why AI Is Widening the Gap Between Top Talent and Everyone Else
    • Implementing the Fourier Transform Numerically in Python: A Step-by-Step Guide
    • Why AI should be able to “hang up” on you
    ProfitlyAI
    • Home
    • Latest News
    • AI Technology
    • Latest AI Innovations
    • AI Tools & Technologies
    • Artificial Intelligence
    ProfitlyAI
    Home » Ny forskning visar varför AI-bilder ser så konstiga ut
    Latest AI Innovations

    Ny forskning visar varför AI-bilder ser så konstiga ut

    ProfitlyAIBy ProfitlyAIOctober 21, 2025No Comments2 Mins Read
    Share Facebook Twitter Pinterest LinkedIn Tumblr Reddit Telegram Email
    Share
    Facebook Twitter LinkedIn Pinterest Email


    • Enligt en ny forskning visar att AI-system och människor uppfattar visuell info på fundamentalt olika sätt.
    • AI-verktyg betraktar fotorealism som standardvisuell stil och ignorerar ofta andra stilar om de inte specifikt instrueras att urskilja dem.
    • AI överdriver ofta detaljer i både textual content och visuell kind, vilket gör bilderna mer sensoralistiska än originalen.
    • AI-genererade bilder är mer mättade, ljusare och mer vivida än källbilder.

    Forskning visar att AI-system och människor uppfattar visuell info på fundamentalt olika sätt, vilket förklarar varför AI-genererade bilder ofta framstår som överdriven och opersonlig.

    Vi människor och AI-system ser världen på helt olika sätt. Och det märks tydligt när man kollar på AI-genererade bilder, de ser ofta överdrivet färgglada och lite märkliga ut jämfört med riktiga foton.

    Vad forskningen visar

    En ny studie dangerous AI att beskriva handritade illustrationer och fotografier. Sedan fick AI:n skapa nya bilder baserat på sina egna beskrivningar 

    Resultatet? AI:n såg fotorealism som standard, Den nämnde inte ens att fotografierna var verklighetstrogna. Men handritade bilder beskrevs specifikt som illustrationer.

    Kulturell kontext saknades nästan helt. AI:n kunde eller ville inte tolka arabisk eller hebreisk text i bilderna. Det visar hur dominerande engelska är i AI:s träningsdata.

    Hur ser vi egentligen?

    När det gäller synprocessen skiljer sig människors och datorers sätt att tolka världen markant

    Söker mönster och klassificerar objekt

    Mänsklig syn:

    • Bearbetar ljus genom ögonen.
    • Konverterar ljussignaler till elektriska impulser i näthinnan.
    • Fokuserar på färger, former, rörelser och djup.
    • Identifierar potentiella hot och förändringar i miljön.

    Datorseende:

    • Standardiserar bilder.
    • Använder metadata för kontext.
    • Identifierar kanter, hörn och texturer.

    Mer info:

    1. Computer-mediated representations: a qualitative examination of algorithmic vision and visual style
    2. How do computers see the world? It’s not quite the same way humans do
    3. The Difference Between Computer Vision and Human Vision



    Source link

    Share. Facebook Twitter Pinterest LinkedIn Tumblr Email
    Previous ArticleHow to Build An AI Agent with Function Calling and GPT-5
    Next Article 51% av all internettrafik består nu av botar
    ProfitlyAI
    • Website

    Related Posts

    Latest AI Innovations

    51% av all internettrafik består nu av botar

    October 21, 2025
    Latest AI Innovations

    ChatGPT får ny automatisk minnesfunktion

    October 20, 2025
    Latest AI Innovations

    Manus AI agentplattformen släpper version 1.5

    October 20, 2025
    Add A Comment
    Leave A Reply Cancel Reply

    Top Posts

    MIT tool visualizes and edits “physically impossible” objects | MIT News

    August 4, 2025

    Trump’s AI Action Plan is a distraction

    July 24, 2025

    The Geospatial Capabilities of Microsoft Fabric and ESRI GeoAnalytics, Demonstrated

    May 15, 2025

    Animating Linear Transformations with Quiver

    June 18, 2025

    What you may have missed about Trump’s AI Action Plan

    July 29, 2025
    Categories
    • AI Technology
    • AI Tools & Technologies
    • Artificial Intelligence
    • Latest AI Innovations
    • Latest News
    Most Popular

    Enabling real-time responsiveness with event-driven architecture

    October 6, 2025

    Dream 7B Diffusion – Den mest kraftfulla öppna diffusionsspråkmodellen hittills

    April 4, 2025

    Agentic AI 102: Guardrails and Agent Evaluation

    May 16, 2025
    Our Picks

    Scaling Recommender Transformers to a Billion Parameters

    October 21, 2025

    Hidden Gems in NumPy: 7 Functions Every Data Scientist Should Know

    October 21, 2025

    Is RAG Dead? The Rise of Context Engineering and Semantic Layers for Agentic AI

    October 21, 2025
    Categories
    • AI Technology
    • AI Tools & Technologies
    • Artificial Intelligence
    • Latest AI Innovations
    • Latest News
    • Privacy Policy
    • Disclaimer
    • Terms and Conditions
    • About us
    • Contact us
    Copyright © 2025 ProfitlyAI All Rights Reserved.

    Type above and press Enter to search. Press Esc to cancel.