Porovnávanie viacerých obrázkov
Na tejto strane
Analýza viacerých obrázkov v jednej požiadavke
Jednou z kľúčových silných stránok Grok Vision je schopnosť odoslať v jednej požiadavke neobmedzený počet obrázkov. Otvára to jedinečné možnosti pre porovnávanie, sledovanie vývoja v čase a krížovú analýzu, ktoré API pracujúce s jedným obrázkom ponúknuť nemôžu.
Štruktúra požiadavky s viacerými obrázkami
Formát je jednoduchý: do poľa input pridaj toľko objektov input_image, koľko potrebuješ, a striedaj ich s textom, ktorý usmerňuje analýzu:
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_text", "text": "Obrázok A:"},
{"type": "input_image", "image_url": url_image_a},
{"type": "input_text", "text": "Obrázok B:"},
{"type": "input_image", "image_url": url_image_b},
{"type": "input_text", "text": "Podrobne porovnaj tieto dva obrázky."}
]
)
Označenie každého obrázka textom („Obrázok A“, „Obrázok B“) pomáha modelu štruktúrovať odpoveď a jasne odkazovať na každý jednotlivý obrázok.
Prípad použitia: Porovnanie pred a po
Ideálne pre sledovanie projektov, rekonštrukcie, dizajn alebo kontrolu kvality:
def comparer_avant_apres(url_avant, url_apres):
prompt = """Porovnaj tieto dva obrázky (pred a po) a identifikuj:
1. Hlavné zmeny
2. Prvky, ktoré sa nezmenili
3. Viditeľné zlepšenia
4. Akékoľvek potenciálne problémy, ktoré vznikli
Svoju odpoveď prezentuj ako štruktúrovaný zoznam."""
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_text", "text": "PRED:"},
{"type": "input_image", "image_url": url_avant, "detail": "high"},
{"type": "input_text", "text": "PO:"},
{"type": "input_image", "image_url": url_apres, "detail": "high"},
{"type": "input_text", "text": prompt}
],
store=False
)
return response.output_text
Prípad použitia: Sledovanie vývoja v čase
Sleduj vývoj lokality, produktu alebo procesu v čase:
def analyser_evolution(images_chronologiques):
"""images_chronologiques: zoznam {"url": ..., "date": ...}"""
input_data = []
for img in images_chronologiques:
input_data.append({
"type": "input_text",
"text": f"Fotka z dátumu {img['date']}:"
})
input_data.append({
"type": "input_image",
"image_url": img["url"],
"detail": "auto"
})
input_data.append({
"type": "input_text",
"text": """Analyzuj chronologický vývoj viditeľný na
týchto obrázkoch. Identifikuj postupné zmeny, trendy
a akékoľvek pozoruhodné udalosti medzi jednotlivými dátumami."""
})
response = client.responses.create(
model="grok-4.5",
input=input_data,
store=False
)
return response.output_text
Prípad použitia: Kontrola kvality
Porovnaj vyrobený produkt s jeho referenčným modelom:
def controle_qualite(url_reference, url_produit):
prompt = """Porovnaj odfotený produkt s referenčným modelom.
Identifikuj:
1. Zhodu (čo zodpovedá modelu)
2. Nezhodu (odchýlky, defekty, rozdiely)
3. Závažnosť každej nezhody (menšia, veľká, kritická)
Vráť JSON v tvare:
{
"compliant": true/false,
"score": 0-100,
"compliances": [...],
"non_compliances": [
{"description": "...", "severity": "minor|major|critical"}
]
}"""
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_text", "text": "REFERENCIA (očakávaný model):"},
{"type": "input_image", "image_url": url_reference, "detail": "high"},
{"type": "input_text", "text": "PRODUKT na kontrolu:"},
{"type": "input_image", "image_url": url_produit, "detail": "high"},
{"type": "input_text", "text": prompt}
],
store=False
)
return response.output_text
Prípad použitia: Konkurenčná analýza
Porovnaj rozhrania, obaly alebo prezentácie produktov od konkurencie:
def analyser_concurrence(images_concurrents):
"""images_concurrents: [{"brand": "...", "url": "..."}]"""
input_data = []
for concurrent in images_concurrents:
input_data.append({
"type": "input_text",
"text": f"{concurrent['brand']}:"
})
input_data.append({
"type": "input_image",
"image_url": concurrent["url"],
"detail": "auto"
})
input_data.append({
"type": "input_text",
"text": """Porovnaj tieto produkty/rozhrania konkurencie.
Pre každý identifikuj vizuálne silné a slabé stránky.
Poskytni odporúčanie týkajúce sa posicionovania."""
})
response = client.responses.create(
model="grok-4.5",
input=input_data,
store=False
)
return response.output_text
Optimalizácia požiadaviek s viacerými obrázkami
Keď odosielaš veľa obrázkov, spotreba tokenov rýchlo rastie. Tu je niekoľko stratégií optimalizácie:
Úprava úrovne detailu
Použi low pre všeobecné porovnania a high len pri analýze jemných detailov:
# Globálne porovnanie: low stačí
detail = "low" # ~256 tokenov na obrázok
# Analýza defektov: high je potrebné
detail = "high" # ~1024-1792 tokenov na obrázok
Obmedzenie počtu obrázkov na požiadavku
Hoci neexistuje pevný limit, pri viac ako 10 – 15 obrázkoch sa môže kvalita analýzy znížiť. Model má konečný kontext a musí ho rozdeliť medzi všetky obrázky:
# Ak je obrázkov viac ako 10, spracuj ich v dávkach
def analyser_par_lots(images, taille_lot=10):
resultats = []
for i in range(0, len(images), taille_lot):
lot = images[i:i + taille_lot]
resultat = analyser_lot(lot)
resultats.append(resultat)
return fusionner_resultats(resultats)
Zmena veľkosti obrázkov
Ak porovnávaš fotografie s vysokým rozlíšením pre všeobecnú analýzu, pred odoslaním ich zmenši, aby sa znížil počet tokenov:
def preparer_pour_comparaison(chemin, taille_max=(800, 800)):
img = Image.open(chemin)
img.thumbnail(taille_max)
# ... zakódovanie do base64
Kľúčové poznatky
- Počet obrázkov na požiadavku je neobmedzený – to je kľúčová výhoda API od xAI
- Každý obrázok označ textom, aby si štruktúroval analýzu
- Prispôsob parameter
detailtypu porovnania - Pri viac ako 10 – 15 obrázkoch spracúvaj dávkovo, aby sa zachovala kvalita
- Prípady použitia zahŕňajú: porovnanie pred a po, sledovanie vývoja v čase, kontrolu kvality, konkurenčnú analýzu