Sut i anog Modelau AI ar gyfer Parhad Noddiadol

Rydych yn cynnal cydlyniad noddiadol trwy sefydlu angor gweledol caled ar gyfer cymeriadau ac amgylcheddau, yna rheoli safle camera a pharamedrau goleuo'n llym ar draws pob clip unigol. Nid yw cysondeb amserol mewn fideo generatif yn cael ei gyflawni trwy obeithio y bydd y model yn deall eich stori; cyflawnir hynny trwy drin pob clip fideo fel rendro arwahanol o gyflwr gweledol statig, wedi'i ddiffinio ymlaen llaw.

Y broblem o anghysondeb amserol mewn fideo generatif

Mae modelau fideo generatif yn gweithredu trwy ragwys fframiau yn seiliedig ar anogaeth a ffenestr cyd-destun gyfyngedig. Nid oes ganddynt gofparhaol o bwy oedd eich cymeriad yn y clip blaenorol. Os byddwch yn cynhyrchu clip pum eiliad o fenyw yn cerdded i lawr stryd, ac yna'n cynhyrchu ail clip pum eiliad o hi'n troi o amgylch, mae'r model yn trin yr anogaeth ail fel cyfarwyddyd newydd, arwahanol. Heb gyfyngiadau penodol, bydd yn debygol o newid ei nodweddion wyneb, lliw gwallt, gwead gwisgoedd, neu hyd yn oed ei hyd. Y ffenomen hon yw anghysondeb amserol. Mae'r model yn optimeiddio ar gyfer tebygolrwydd o fewn yr anogaeth bresennol, nid ar gyfer ffyddlondeb i hunaniaeth noddiadol eang. I ddatrys hyn, rhaid i chi symud oddi wrth ddisgrifiadau iaith naturiol sy'n caniatáu dehongliad, ac at fateriadau datganiadol caled nad oes lle ar eu cyfer am amrywiad.

Diffinio'r angor gweledol: cloi disgrifyddion cymeriad ac amgylchedd

Cyn cynhyrchu unrhyw fudiad, rhaid i chi ddiffinio hunaniaeth weledol eich pynciau a'r gosodiad gyda chywirdeb absoliwt. Crewch ddisgrifydd master ar gyfer pob cymeriad. Dylai'r disgrifydd hwn gynnwys priodweddau annewidiol: oedran, ethnigrwydd, nodweddion wyneb penodol (e.e., "genau cryf, scar bach ar frws chwith"), arddull a lliw gwallt, a manylion gwisgoedd hyd at y patrwm a'r torri. Peidiwch â defnyddio termau aneglur fel "gwisg oer" neu "fenyw ddirgel." Yn hytrach, nodwch "yn gwisgo cot gwlân llwyd glo, wedi'i botymu i'r gwddf, gyda sgâr sidan goch." Ysgrifennwch y disgrifydd hwn unwaith, a'i gopïo a'i baskio i bob anogaeth sy'n ymwneud â'r cymeriad hwnnw.

For amgylcheddau, gwnewch yr un peth. Diffiniwch y lleoliad gyda chysonion gofodol a gweadog. Os yw'r olygfa yn llyfrgell, nodwch fath y pren ar y silffoedd, lliw y garped, a safle'r prif ffynhonnell golau. Mae'r disgrifiadau hyn yn ffurfio eich angor gweledol. Yr sylfaen statig ydynt y mae'r holl fudiant yn cael ei hadeiladu arni. Os newidiwch ddisgrifiad rhwng clipiau, byddwch yn torri parhad. Os hepgorwch ddisgrifiad, bydd y model yn llenwi'r bwlch gyda'i gyfartaledd ystadegol ei hun, a fydd yn wahanol i'ch clip blaenorol.

Ailgynhyrchu symudiad camera a pherthnasau gofodol

Mae iaith camera yn lle mae'r rhan fwyaf o daraniadau naratif yn digwydd. Mae modelau yn aml yn dehongli "camera yn dilyn" neu "panio i'r dde" yn aneglur, gan arwain at naid sydyn mewn persbectif neu orywiad. Rhaid i chi ddiffiniad safle, cyfeiriad a fector symud y camera yn benodol. Yn lle dweud "mae'r camera yn symud gyda'r cymeriad", nodwch "cynllun canol statig, ar lefel y llygad, camera wedi'i osod yn safle A, cymeriad yn symud o'r chwith i'r dde ar draws y ffrâm." Os oes angen cynllun symudol arnoch, diffiniwch y llwybr: "dolly ymlaen yn araf, gan gadw ar lefel y llygad, gan olrhain cefn y cymeriad."

Mae rhaid cloi perthnasau gofodol o'i gymharu â'r camera, nid dim ond â'i gilydd. Os yw Cymeriad A yn wynebu Cymeriad B, nodwch eu safleoedd cymharol a'u cyfeiriadau. "Mae Cymeriad A yn sefyll ar y trydydd chwith o'r ffrâm, yn wynebu i'r dde. Mae Cymeriad B yn sefyll ar y trydydd dde, yn wynebu i'r chwith. Maent ddau fetr ar wahân." Mae'r cloi geometrig hwn yn atal y model rhaid cyfnewid safleoedd neu newid ongl ymgysylltu rhwng cynlluniau. Defnyddiwch dermau fel "golwg proffil", "golwg tri chwarter", a "blaen uniongyrchol" i osod cyfeiriad wynebau a chyrff.

Rheoli cysondeb goleuo a graddio lliw

Golau yw'r agwedd fwyaf cynnil ond hanfodol o gysondeb. Os yw'r ffynhonnell golau yn newid safle neu dwysedd rhwng clipiau, bydd y cysgodion yn symud, gan wneud i'r dilyniant deimlo fel dau ffilm wahanol. Diffiniwch eich gosodiad goleuo yn y disgrifiad master. Nodwch y prif ffynhonnell golau (e.e., "tiwb fflworoleddol uwchben unigol, gwyn oer, 4000K"), cyfeiriad y cysgodion, a'r golau llenwi amgylchynol. Cynhwyswch gyfarwyddiadau graddio lliw ym mhob awgrymiad. Os yw eich naratif yn noir, nodwch "cyferbyniad miniog, palet difreintiedig, tonau cysgod gwyrddlas a choch." Os yw'n olau a hapus, nodwch "golau dydd gwanedig meddal, uchafbwyntiau cynnes, cyferbyniad isel." Rhaid i'r paramedrau graddio hyn aros yn gyson ar draws pob clip mewn golygfa. Os ydych am newid goleuo ar gyfer effaith naratif, gwnewch hynny fel trawsnewidiad bwriadol, wedi'i awgrymu, nid fel llithriad ar hap.

Chwythu clipiau: defnyddio fframiau terfynol fel fframiau cychwynnol

Y dechneg fwyaf effeithiol ar gyfer cynnal cysondeb ar draws clipiau yw chwythu. Wrth gynhyrchu dilyniant, echdynnwch y ffram olaf o Glip 1 a'i ddefnyddio fel y ffram gychwynnol neu'r ddelwedd gyfeirio ar gyfer Clip 2. Mae hyn yn gorfodi'r model i ddechrau ei gynhyrchu o'r cyflwr gweledol union lle daeth y clip blaenorol i ben. Hyd yn oed os yw testun yr awgrymiad yn amrywio ychydig ar gyfer y gweithred newydd, mae angor gweledol y ffram gychwynnol yn cloi ymddangosiad y cymeriad, y goleuo, a safle'r camera. Mae'r dull hwn yn well na dibynnu'n unig ar awgrymiadau testun ar gyfer cysondeb oherwydd mae'n osgoi dehongliad probabilistaidd y model o ddisgrifiadau hunaniaeth. Os yw eich offer yn cefnogi delwedd-i-fideo neu ryddhau allweddfram, defnyddiwch hynny. Os na, defnyddiwch y ffram terfynol fel cyfeirnod arddull neu gyfyngiad inpainting i sicrhau bod dechrau'r clip nesaf yn cyfateb i ben y blaenor.

Camgymeriadau cyffredin: gor-bennu symudiad vs tan-bennu cyd-destun

Mae creawdwyr yn aml yn cwympo i ddau drap eithafol. Y cyntaf yw gor-bennu symudiad. Os ydych yn disgrifio pob symudiad micro o'r corff—"mae hi'n plygu llygad, mae hi'n symud ei phwysau, mae ei gwallt yn hwylio yn y gwynt," bydd y model yn cael ei orlifo ac efallai y bydd yn anwybyddu'r gweithred craidd neu'n cynhyrchu canlyniadau sy'n amhosibl yn ffisegol. Cadwch ddisgrifiadau symudiad ar lefel uchaf a chinetig: "cerdd ymlaen," "troi pen," "codi brethyn." Gadewch i'r model ymdrin â'r micro-fecanegau.

Yr ail yw peidio â noddi cyd-destun yn ddigonol. Os byddwch yn dibynnu ar y model i gasgadu hunaniaeth y cymeriad neu olau'r olygfa o anogaeth aneglur, byddwch yn colli rheolaeth. Ni allwch dybio y bydd y model yn cofio'r cymeriad o'r clip blaenorol os na fyddwch yn ail-ddatgan yr angor gweledol. Ni allwch dybio y bydd y goleuo yn aros yn gyson os na fyddwch yn ei gyfyngu'n benodol. Mae'r rheol yn syml: nodwch yr annewidiol (hunaniaeth, goleuo, safle'r camera) â manylder eithafol, a nodwch yr amrywiol (symudiad, gweithred) â chryno lefel uchel.