ChatGPT 图像理解能力能在哪些场景发挥作用？

[xuelang]

试了下 ChatGPT 的图像理解，比预期好，效果还是很赞的。

ChatGPT 图像理解能力深度体验

现在能想到的一些用途包括：

1. 以后排查问题可以直接扔截图给它；
2. 帮忙实现 web 页面；

其他还要啥好的使用场景吗？

[whatv3]

验证码...

[jimrok]

去除水印

[xuelang]

@whatv3 那得破解才行

[xuelang]

@jimrok 这里说的是图像理解。。去水印至少得有文生图才行

[xuelang]

@whatv3 试了下数字验证码，好像不用破解，直接就给识别了

[zealotxxxx]

你直接看微软发的那个论文，基本说的很全了。
[2309.17421.pdf]( https://browse.arxiv.org/pdf/2309.17421.pdf)

[maxxfire]

大家来找茬游戏，可以玩通关了

[JayZXu]

如果速度能提升的话，对视障人士还是挺有用的

[jimrok]

修改设计图可能行，把老王 p 掉，把老王 p 好看点

[xuelang]

@zealotxxxx 感谢，我瞅下

[tuutoo]

有人能使用这个图像识别功能了没？上次看了介绍，但啥时候有这功能啊。

[iorilu]

这么说打码问题可以解决了？

[xuelang]

@tuutoo 我这边已经有了，还在不断体验中

[xuelang]

@iorilu 试了下，并不能很好识别验证码

[xuelang]

@jimrok 这不行。。。这个只是理解图片而已

[whatv3]

@xuelang 用了多少 token ？ 算算看是不是比打码平台便宜...

[xuelang]

@whatv3 哈哈哈，这是关键。目前还是打码平台靠谱便宜，ai 效果不行

[qiany]

检测员工摸鱼时长

[youthfire]

其实应用场景可以有很多，但是限制权在别人手里。比如说，interpretor (Advanced Data Analyze)，出来的时候可以进行复杂的表格结构分析，然后完成 ocr ，最后排版。当时我经常用在业务上。但是现在只剩“告诉你逻辑/思路”，连 ocr 都不能顺利完成，不是告诉你环境缺失相关组件，就是一顿分析后质量很低，又或者提供惨不忍睹的部分结果。所以这个问题，回到图像理解能力上也是一样，它能懂，但是对于能不能做到你的需求，一直是变量。能力是有，但是服务商略微调整，你这边的结果，或者应用能力就变动很明显。

[MelodyZhao]

看图讲故事，还是挺不错的

[xuelang]

@youthfire 有可能是因为 GPU 算力紧缺，只能裁剪

[xuelang]

@whatv3 试了下识别验证码，效果很差
可以看
https://selfboot.cn/2023/10/11/chatgpt_recaptcha/