Kan AI generere fotorealistiske billeder ud fra tekstprompts, der konkurrerer med professionel fotografi ?

AI har gjort store fremskridt med at konvertere tekst til detaljerede billeder. Fra landskaber til portrætter skaber diffusionsmodeller som DALL-E 3 og Midjourney visuals, der næsten er umulige at skelne fra rigtige fotos. Denne evne har forvandlet kreative brancher, reklame og sociale medier. Kvaliteten narre endda trænede øjne. Gengivelse af komplekse scener med korrekt lys og skygger forventes nu.

Nuværende tekst-til-billede-systemer som Stable Diffusion XL, Midjourney v6 og DALL-E 3 kan producere fotorealistiske resultater, der ofte er umulige at skelne fra professionelle stockfotos ved første øjekast, men de kæmper stadig med konsistent overholdelse af komplekse rumlige forhold, præcis brandstil-replikation og lyskohærens på tværs af flere objekter. Disse modeller udnytter diffusionsbaserede arkitekturer, der er trænet på hundredvis af millioner af billed–tekst-par for at syntetisere overbevisende detaljer, dog forbliver artefakter som forvredne hænder, unaturlige skygger og usandsynlige refleksioner almindelige fejltilstande, når prompts kræver høj troskab. Professionelle fotografer rapporterer, at selvom AI kan forstærke konceptudvikling og hurtig prototyping, kan den stadig ikke pålideligt levere den nuancerede kontrol, juridisk oprindelse og etisk kildevalg, der kræves til kommercielle kampagner.

— Beriget 12. maj 2026 · Kilde: “Photorealistic Text-to-Image Diffusion Models: A Survey,” arXiv preprint arXiv:2309.07995, 2023.