Dosljednost lika održava se definisanjem nepromjenjivih osobina u tekstu i njihovim sidrenjem vizuelnim referencama, uz strogu kontrolu varijabli poput osvjetljenja i ugla. To postižete odvajanjem identiteta lika od konteksta scene u svom toku rada.
Problem drifta lika u generativnom AI
Generativni modeli interpretiraju promptove probabilistički. Kada tražite specifičan lik, model uzorkuje iz distribucije mogućih interpretacija. Bez ograničenja, svaka generacija je novo bacanje kockice. Male varijacije u strukturi lica, teksturi kose ili detaljima odjeće akumuliraju se kroz slike. Ovaj drift se dešava jer model prioritizira ukupnu kompoziciju i osvjetljenje nad specifičnim markerima identiteta. Ako aktivno ne ograničite izlaz, lik postaje generički arhetip umjesto specifične individue.
Definisanje nepromjenjivih osobina lika u promptovima
Morate identifikovati osobine koje definišu lik i tretirati ih kao nepregovarajuće. To su nepromjenjive osobine. One uključuju specifičnu geometriju lica, boju očiju, oblik kose i jedinstvene odjevne predmete. Ne opisujte lik nejasnim terminima poput "cool" ili "mysterious". Opisujte fizičku stvarnost. Umjesto "rugged look", navedite "kratka ošišana kosa, ožiljak iznad lijeve obrve, nošena kožna jakna."
- Navedite nepromjenjive osobine u fiksnom bloku teksta.
- Ovaj blok držite identičnim za svaki prompt.
- Postavite ovaj blok na početak prompta kako biste mu dali visoku težinu.
- Izbjegavajte pridjeve koji impliciraju više interpretacija. Koristite konkretne imenice i fizičke deskriptore.
Ako promijenite opis kose, model može interpretirati novi opis kao drugačiji lik. Tekstualni prompt je primarno sidro. Ako je tekst dvosmislen, slika će biti nedosljedna.
Korištenje referentnih slika i stilskih sidara
Tekst sam po sebi često nije dovoljan za kompleksne likove. Vizuelne reference pružaju prostorno i stilsko sidro. Uploadujete sliku lika kako biste usmjerili interpretaciju identiteta od strane modela. Ovdje specifični alati ulaze u proces.
- Midjourney se koristi kada je potrebno referencirati sliku specifičnog lika kako bi se osigurali konzistentne facialne značajke i stil kroz nove generacije.
- Adobe Firefly se koristi kada je potrebno prenijeti sliku referentnog lika kako bi se usmjerio stil i identitet generiranih slika unutar ekosustava Creative Cloud.
- Leonardo.Ai se bira kada je potrebno zaključati specifične osobine lika i estetiku kroz više generacija slika.
- Stable Diffusion se koristi za naprednu konzistentnost putem LoRA treniranja na skupovima podataka likova ili korištenjem ControlNet-a za zaključavanje poze i strukture.
- Krea se primjenjuje kada je potrebno prenijeti sliku kako bi se održao identitet i stil lika u generiranju u stvarnom vremenu.
- Runway se koristi kada je potrebno održati konzistentnost lika pri generiranju video sekvenci ili animiranju statičnih dizajna likova.
- DALL-E 3 se oslanja na detaljne, specifične tekstualne upite i iterativno poboljšavanje kako bi se održala konzistentnost lika, budući da nema izvornu značajku referentne slike.
Kada koristite ove alate, ocjenjujte izlaz na temelju toga odgovara li facialna struktura referenci. Ne ocjenjujte ga na temelju toga izgleda li scena dobro. Ako je lice pogrešno, scena je irelevantna.
Upravljanje varijacijama osvjetljenja i kuta
Osvjetljenje i kut najčešći su uzroci percipirane nekonzistentnosti. Lik na jakom dnevnom svjetlu izgleda drugačije od istog lika u sjeni. To nije drift; to je fizika. Međutim, modeli često tumače promjene osvjetljenja kao promjene identiteta.
- Održavajte opis osvjetljenja konzistentnim ako želite da lik izgleda isto.
- Ako promijenite kut, očekujte pomak facialnih značajki.
- Koristite neutralno osvjetljenje za listove likova kako biste uspostavili osnovni identitet.
- Primijenite dramatično osvjetljenje tek nakon što je identitet zaključan.
Ako generirate lika u mračnoj uličici, a zatim u svijetlom studiju, model može tumačiti sjene kao različite facialne strukture. Odvojite identitet od okoline. Prvo generirajte lika u neutralnom kontekstu. Zatim kompozitirajte ili upitajte za specifičnu okolinu.
Iterativno poboljšavanje i negativno promptiranje
Nećete pogriješiti iz prvog pokušaja. Iterativno usavršavanje srž je ovog procesa. Generirajte više varijacija. Odaberite onu koja je najbliža ciljnom identitetu. Tu selekciju koristite kao novu referencu. Time se stvara povratna sprega koja pojačava konzistentnost.
Negativni prompt je ključan. Modelu morate reći što ne treba raditi.
- Navedite česta odstupanja u negativnom promptu.
- Uključite termine poput "različito lice", "pogrešna frizura" ili "generičke značajke".
- Ažurirajte negativni prompt kako uočavate nove vrste grešaka.
Ako model liku stalno daje drugačiji oblik nosa, dodajte "pogrešan oblik nosa" u negativni prompt. Time se aktivno suzbija odstupanje.
Česte greške koje narušavaju konzistentnost
Većina problema s konzistentnošću proizlazi iz grešaka u procesu, a ne iz ograničenja alata.
- Mijenjanje opisa lika između promptova.
- Korištenje neodređenih pridjeva umjesto fizičkih opisa.
- Zanemarivanje konteksta osvjetljenja pri procjeni identiteta.
- Neiskorištavanje negativnog prompta za suzbijanje odstupanja.
- Očekivanje savršene konzistentnosti bez iterativnog usavršavanja.
- Korištenje jedne referentne slike niske kvalitete ili dvosmislene.
Ako napravite ove greške, nijedan alat vas neće spasiti. Proces mora biti discipliniran. Tekst mora biti precizan. Reference moraju biti jasne. Iteracija mora biti kontinuirana.