Světelný posun nastává, když po sobě jdoucí obrázky generované modelem AI vykazují jemné, ale znatelné rozdíly v poloze světelného zdroje, úrovni jasu nebo odstínu. Děje se tak proto, že většina generativních modelů považuje každou generaci obrázku za nezávislou událost a optimalizuje lokální kontrast a jasnost spíše než globální kontinuitu. Při generování druhého obrázku může model interpretovat „jasné ranní světlo“ mírně jinak než u prvního obrázku, čímž posune úhel slunce nebo zvýší teplotu chromatičnosti. Tato nekonzistence narušuje iluzi souvislé scény a činí sérii nesourodou místo soudržné. Abychom tento problém vyřešili, musíme přistupovat k osvětlení nikoli jako k automatickému vedlejšímu produktu promptu, ale jako k pevnému omezení definovanému textem a posílenému pomocí vizuálních referencí.
Definice „světelného kotvy“ v úvodním promptu
Nejúčinnější metodou pro konzistenci je stanovit přísnou textovou definici světelných podmínek v úplně prvním promptu. Tato definice funguje jako „kotva“ pro všechny následující obrázky. Nespoléhejte na vágní popisovače jako „přirozené světlo“ nebo „jasné a vzdušné“, které jsou příliš obecné a umožňují příliš velkou interpretační variabilitu. Místo toho specifikujte fyzikální charakteristiky světelného zdroje s geometrickou a chromatickou přesností.
Měli byste definovat tři konkrétní parametry: směrové světlo, kvalitu a teplotu. U směrového světla přesně uveďte, odkud světlo přichází vzhledem k objektu, například „světlo přicházející z levého horního rohu pod úhlem 45 stupňů“. U kvality rozlišujte mezi tvrdým a měkkým světlem popisem definice hran stínů, například „ostré, vysoce kontrastní stíny s minimální difúzí“ versus „měkké, rozptýlené světlo s jemnými přechody“. U teploty se vyhýbejte subjektivním termínům jako „teplé“. Místo toho popište posun odstínu vzhledem k neutrální bílé, například „mírně zlatavý odstín typický pro odpolední slunce“ nebo „chladné, modré ambientní světlo ranních hodin“. Tím, že tyto tři proměnné zakotvíte v stručné větě, kterou doslova zkopírujete do každého následujícího promptu, poskytnete modelu pevnou logickou strukturu k dodržení, čímž snížíte náhodnost jeho interpretace.
Použití referenčních obrázků pro fixaci směru a intenzity stínů
Sám text často nedokáže přesně vyjádřit intenzitu světla, protože interpretace pojmu „jasné“ se u modelu může měnit v závislosti na dalších prvcích v promptu. Aby se tomu předešlo, použijte referenční obrázek jako vizuální kotvu. Tato technika spočívá v nahrání nebo přiložení konkrétního obrázku, který ztělesňuje přesně požadované světelné podmínky, a následném zadání instrukce modelu, aby replikoval světelné nastavení z tohoto referenčního obrázku na váš nový objekt.
When vybíráte referenční obrázek, zvolte takový s jasnými, výraznými stíny. Plochý, rovnoměrně osvětlený obrázek poskytuje málo informací o směru nebo intenzitě, zatímco obrázek s výrazným směrovým světlem poskytuje modelu jasné geometrické vodítka. Při zadávání referenčního obrázku jej spojte s stručným pokynem, který odděluje obsah od osvětlení. Například instruujte model, aby "aplikoval nastavení osvětlení z referenčního obrázku na nový subjekt". To nutí model upřednostňovat prostorový vztah mezi světelnými zdroji a objekty před konkrétními detaily samotného referenčního obrázku. Zajistěte, aby referenční obrázek zůstal konzistentní po celou dobu sekvence. Přepínání referenčních obrázků mezi generacemi zavádí nové proměnné, což vede k okamžitému posunu. Kotvením každé generace na stejném vizuálním příkladu vytvoříte vizuální gramatiku, kterou model opakuje u různých subjektů, čímž zajistíte, že délka a tmavost stínů zůstanou mezi záběry proporcionální.
Techniky pro úpravu konzistence barevné teploty mezi záběry
I při konzistentním směru a intenzitě se může barevná teplota – teplý nebo chladný tón světla – lišit kvůli interním algoritmům vyvážení barev modelu. Tyto algoritmy se často snaží korigovat vnímané barevné nádechy v subjektu, což může neúmyslně posunout odstín osvětlení pozadí. Aby byla zachována konzistence teploty, musíte oddělit barvu osvětlení od přirozených bareb subjektu.
Jednou z účinných technik je zadat barvu osvětlení odděleně od popisu scény. Místo toho, abyste popis osvětlení začleňovali do hlavního vyprávění, přidejte na konec výzvy samostatnou část věnovanou osvětlení. Používejte relativní pojmy pro barvy, které popisují vztah mezi zdroji světla, nikoli absolutní hodnoty. Pokud například chcete neutrální vzhled, zadejte „neutrální vyvážení bílé bez dominantního barevného nádechu“. Pokud chcete teplý tón, zadejte „teplé světlo zlaté hodiny bez přesycení červených odstínů“. To pomáhá zabránit tomu, aby model nadměrně kompenzoval barvy ve scéně. Pokud navíc generujete sérii, kde se mění denní doba, popište změnu teploty jako přechod, nikoli jako skok. Například přejděte od „chladné ranní modři“ přes „neutrální polední bílou“ k „teplé večerní zlaté“ použitím mezistupňů pro každý krok. Vytvoříte tak logickou posloupnost, kterou může model sledovat, což zajistí, že změna barev bude působit záměrně a plynule, nikoli chaoticky.
Řešení problémů s nesouladem světel a stínů ve finálních kompozicích
Navzdory pečlivému zadávání může občas stále docházet k nesouladu v intenzitě světel nebo hloubce stínů. Při kontrole sekvence hledejte nekonzistence v tom, jak jasné jsou nejjasnější části obrazu (světla) a jak tmavé jsou nejhlubší stíny. Pokud jeden obraz vypadá vybledle a jiný hluboce a kontrastně, došlo k posunu v intenzitě osvětlení.
Pro řešení tohoto problému nejprve zkontrolujte délku promptu. Delší a složitější prompty mohou oslabit dopad konkrétních pokynů pro osvětlení. Zjednodušte svůj prompt odstraněním zbytečných přídavných jmen týkajících se subjektu a zaměřte se na část týkající se osvětlení. Pokud se posun stále vyskytuje, upravte nastavení „síly“ nebo „vlivu“, pokud to váš nástroj umožňuje, a přiřaďte vyšší váhu referenčnímu obrázku oproti textovému promptu. Dalším častým problémem je složitost pozadí; rušná pozadí mohou způsobit, že model upraví osvětlení tak, aby vynikl subjekt, což změní celkovou expozici. Tento problém vyřešíte zjednodušením popisu pozadí v následujících promptech pomocí výrazů jako „minimalistické pozadí“ nebo „jednobarevné pozadí“, aby se osvětlení chovalo předvídatelně. Pokud je konkrétní obrázek výrazně odlišný, vygenerujte jej znovu s použitím předchozího úspěšného obrázku jako jediného referenčního bodu pro osvětlení, místo aby se spoléhali pouze na původní textový prompt. Toto iterativní zdokonalování pomáhá vrátit sekvenci zpět k zavedenému kotvícímu bodu a zajišťuje soudržný vizuální příběh.