Последователността на персонажа се постига чрез дефиниране на неизменни черти в текста и закрепването им с визуални референции, след което стриктно се контролират променливи като осветление и ъгъл. Това се постига чрез отделяне на идентичността на персонажа от контекста на сцената във вашия работен процес.
Проблемът с дрейфа на персонажа в генеративния AI
Генеративните модели интерпретират запитванията вероятностно. Когато поискате конкретен персонаж, моделът избира от разпределение на възможните интерпретации. Без ограничения всяко генериране е ново хвърляне на зар. Малки вариации в геометрията на лицето, текстурата на косата или детайлите на облеклото се натрупват в различните изображения. Този дрейф се случва, защото моделът приоритизира цялостната композиция и осветлението пред конкретните маркери за идентичност. Ако не ограничавате активно изхода, персонажът се превръща в генеричен архетип, а не в конкретен индивид.
Дефиниране на неизменни черти на персонажа в запитванията
Трябва да идентифицирате чертите, които дефинират персонажа, и да ги третирате като безусловни. Това са неизменните черти. Те включват конкретна геометрия на лицето, цвят на очите, форма на косата и уникални елементи от облеклото. Не описвайте персонажа с неясни термини като "готин" или "мистериозен". Опишете физическата реалност. Вместо "грубоват вид", посочете "късо подстригана коса, белег над лявата вежда, износена кожена якета".
- Избройте неизменните черти в фиксиран блок текст.
- Запазете този блок идентичен за всяко запитване.
- Поставете този блок в началото на запитването, за да му придадете висока тежест.
- Избягвайте прилагателни, които предполагат множество интерпретации. Използвайте конкретни съществителни и физически описания.
Ако промените описанието на косата, моделът може да интерпретира новото описание като различен персонаж. Текстът на запитването е основният котвен елемент. Ако текстът е двусмислен, изображението ще бъде непоследователно.
Използване на референтни изображения и стилови котви
Текстът сам по себе си често е недостатъчен за сложни персонажи. Визуалните референции осигуряват пространствена и стилова котва. Качвате изображение на персонажа, за да насочите интерпретацията на модела за идентичността. Тук конкретните инструменти се вписват в процеса.
- Midjourney се използва, когато трябва да се позовете на конкретно изображение на персонаж, за да осигурите последователни черти на лицето и стилистика при новите генерации.
- Adobe Firefly се използва, когато трябва да качите референтно изображение на персонаж, за да насочите стила и идентичността на генерираните изображения в екосистемата на Creative Cloud.
- Leonardo.Ai се избира, когато трябва да фиксирате конкретни черти на персонажа и естетика в множество генерации на изображения.
- Stable Diffusion се използва за напреднала последователност чрез обучение на LoRA върху набори от данни с персонажи или чрез използване на ControlNet за фиксиране на позата и структурата.
- Krea се прилага, когато трябва да качите изображение, за да поддържате идентичността и стила на персонажа при генериране в реално време.
- Runway се използва, когато трябва да поддържате последователност на персонажа при генериране на видео последователности или анимиране на статични дизайни на персонажи.
- DALL-E 3 се разчита на него, когато трябва да поддържате последователност на персонажа чрез подробни, специфични текстови подсказки и итеративно усъвършенстване, тъй като липсва вградена функция за референция на изображение.
При използването на тези инструменти оценявайте изхода според това дали структурата на лицето съвпада с референцията. Не го оценявайте според това дали сцената изглежда добре. Ако лицето е грешно, сцената е нерелевантна.
Управление на вариациите в осветлението и ъгъла
Осветлението и ъгълът са най-честите причини за възприемана непоследователност. Персонаж при ярка дневна светлина изглежда различно от същия персонаж в сянка. Това не е дрейф; това е физика. Въпреки това моделите често тълкуват промените в осветлението като промени в идентичността.
- Поддържайте описанието на осветлението последователно, ако искате персонажът да изглежда по един и същи начин.
- Ако промените ъгъла, очаквайте чертите на лицето да се променят.
- Използвайте неутрално осветление за листове с персонажи, за да установите базовата идентичност.
- Прилагайте драматично осветление едва след като идентичността е фиксирана.
Ако генерирате персонаж в тъмна алея и след това в ярко студио, моделът може да тълкува сенките като различни структури на лицето. Отделете идентичността от средата. Генерирайте персонажа първо в неутрален контекст. След това композирайте или използвайте подсказка за конкретната среда.
Итеративно усъвършенстване и отрицателни подсказки
Няма да постигнете резултата от първия път. Итеративното усъвършенстване е сърцевината на работния процес. Генерирайте множество варианти. Изберете този, който е най-близо до целевата идентичност. Използвайте избрания вариант като нова референция. Това създава обратна връзка, която затвърждава последователността.
Негативното подканване е съществено. Трябва да кажете на модела какво да не прави.
- Посочете чести отклонения във вашето негативно подканване.
- Включете термини като "different face", "wrong hair" или "generic features".
- Актуализирайте негативното подканване, когато наблюдавате нови типове грешки.
Ако моделът продължава да придава на персонажа различна форма на носа, добавете "wrong nose shape" към негативното подканване. Това активно потиска дрейфа.
Чести грешки, които нарушават последователността
Повечето проблеми с последователността произтичат от грешки в работния процес, а не от ограничения на инструментите.
- Промяна на описанието на персонажа между подканванията.
- Използване на неясни прилагателни вместо физически описания.
- Игнориране на контекста на осветлението при преценката на идентичността.
- Неизползване на негативно подканване за потискане на отклоненията.
- Очакване на перфектна последователност без итеративно усъвършенстване.
- Използване на единична референтна снимка с ниско качество или неясноти.
Ако допуснете тези грешки, нито един инструмент няма да ви спаси. Работният процес трябва да бъде дисциплиниран. Текстът трябва да е прецизен. Референциите трябва да са ясни. Итерацията трябва да е непрекъсната.