برای اطمینان از یکپارچگی سبک بصری در خروجیهای متعدد، باید پارامترهای زیباییشناختی را در هر پرامپت بهطور صریح تعریف کنید و آنها را با توصیفکنندههای مشخص و غیرانتزاعی تثبیت نمایید، بهجای اتکا به زمینه ضمنی. یکپارچگی زمانی شکست میخورد که فضای تفسیر احتمالاتی مدل از اصطلاحات مبهم باز باشد؛ و زمانی موفق میشود که فضای تولید را با زبان فنی دقیق محدود کنید.
چرا لغزش سبک بصری در مدلهای مولد رخ میدهد
مدلهای مولد حافظهای ماندگار از پروژه شما ندارند. هر بار تولید تصویر، یک رویداد نمونهبرداری مستقل از توزیع گستردهای از تصاویر ممکن است. وقتی درخواست «شهر سایبرپانک» را میدهید، مدل از میان هزاران بردار نهفته (latent vector) که با آن مفهوم همخوانی دارند انتخاب میکند؛ برخی به سمت سبزهای نئونی، برخی به سمت سرخهای ارغوانی، برخی با بافتی خشن و کدر، و برخی دیگر تمیز و آیندهنگرانه. بدون قیدهای صریح، مدل به میانگین محتملترین حالت آن بردارها بازمیگردد که با هر seed جدید یا تغییر جزئی در پرامپت، بهطور ظریفی تغییر میکند. این جابهجایی یک اشکال نیست؛ بلکه ذات نمونهبرداری در ابعاد بالاست. اگر درخواست «پرتره به سبک ونگوگ» را بدهید، مدل ممکن است در یک خروجی آن را بهصورت بافتهای ضخیم ایمپاستو و در خروجی بعدی بهصورت ضربههای قلمموی آزاد و چرخشی تفسیر کند، زیرا هر دو تفسیر معتبر از آن سبک هستند. مدل نمیداند که تصویر قبلی شما از بافت ایمپاستوی ضخیم استفاده کرده است؛ او تنها پرامپت فعلی را میشناسد. بنابراین، ثبات یک ویژگی خودبهخودی ناشی از استفاده از همان مدل نیست؛ بلکه ویژگیای مهندسیشده است که از طریق استفاده از همان قیدهای صریح در هر بار اجرا به دست میآید.
تعریف پارامترهای سبک: نورپردازی، پالت رنگی و بافت
از برچسبهای سبک تککلمهای مانند «moody» یا «vibrant» استفاده نکنید. این برچسبها مبهم هستند و آزادی عمل بیشازحدی را برای مدل باقی میگذارند. در عوض، سبک خود را به سه محور قابلکنترل تجزیه کنید: نورپردازی، رنگ و بافت.
برای نورپردازی، منبع و کیفیت نور را مشخص کنید. به جای «نورپردازی دراماتیک»، بنویسید «نور جهتدار سخت از بالا سمت چپ، ایجاد سایههای تیز، کنتراست بالا». این کار به مدل دقیقاً میگوید نور از کجا میآید و چگونه با سطوح تعامل میکند. برای رنگ، نام دقیق رنگها یا پالتها را ذکر کنید. «تُنهای خاکی مات» مبهم است؛ «سبزهای کماشباع، اُخرا و خاکستری با اشباع پایین» دقیق است. اگر مود خاصی مد نظر دارید، آن را به یک مرجع ملموس مانند «پالت رنگی یک مجله دکوراسیون اسکاندیناوی» متصل کنید. برای بافت، کیفیت سطح را توصیف کنید. «زبر» کافی نیست؛ «بافت فیلم دانهدار، نویز قابل مشاهده، کمی انحراف رنگی در لبهها» قابل اجراست. هنگام نوشتن پرامپت خود، این پارامترها را بهصورت صریح لیست کنید. یک سبک ثابت، مجموعهای ثابت از دستورالعملهای فنی است، نه یک حس ثابت.
استفاده مؤثر از تصاویر مرجع و توصیفکنندههای سبک
تصاویر مرجع لنگرهای قدرتمندی هستند، اما باید با هدف مشخص استفاده شوند. اگر تصویری مرجع آپلود کنید، مدل ترکیببندی، نورپردازی و پالت رنگی آن را وام میگیرد. با این حال، ممکن است عناصر ناخواستهای مانند اشیاء یا پسزمینههای خاص را نیز کپی کند. برای جداسازی سبک، از مراجعی استفاده کنید که زیباییشناسی مورد نظر شما را دارند اما در موضوع متفاوت هستند. اگر برای مجموعهای از پرترهها نورپردازی یکدست میخواهید، از مرجعی استفاده کنید که منظرهای با همان نوع نور را نشان دهد. این کار منطق نورپردازی را به مدل آموزش میدهد بدون اینکه موضوع را آلوده کند.
هنگام استفاده از توصیفکنندههای متنی در کنار مراجع، اصطلاحات کلیدی سبک را از تصویر مرجع خود تکرار کنید. اگر مرجع شما دارای «نور نرم و پخششده» است، این عبارت را در پرامپت متنی خود بگنجانید. این کار نشانه بصری را تقویت میکند. هرگز تنها به تصویر مرجع برای انتقال سبک اعتماد نکنید؛ پرامپت متنی باید فعالانه تولید را به سمت زیباییشناسی مطلوب هدایت کند. اگر متن و تصویر با هم اختلاف داشته باشند، معمولاً متن برنده میشود، بنابراین آنها را همراستا کنید.
ساختاردهی به پرامپتها برای یکدستی در تولید دستهای
هنگام تولید دستهای از تصاویر، از یک قالب پرامپت ثابت استفاده کنید. پرامپت خود را در سه بخش ساختاردهی کنید: موضوع، محدودیتهای سبک و محدودیتهای منفی. بخشهای سبک و منفی را در تمام پرامپتهای آن دسته یکسان نگه دارید. تنها بخش موضوع را تغییر دهید. برای مثال:
- سوژه: زنی که فنجان قهوه در دست دارد
- سبک: نور جهتدار سخت از بالا سمت چپ، رنگهای خاکی ملایم، بافت گرین فیلم
- منفی: نئون، رنگهای روشن، ظاهر دیجیتال هموار، کارتونی
بخش سبک را برای تصاویر تکتک تغییر ندهید. اگر یک تصویر به تنظیمات نورپردازی متفاوتی نیاز دارد، این یک سبک جدید محسوب میشود و باید دسته جدیدی را با قالبی جدید آغاز کنید. ترکیب سبکها در یک دسته باعث ایجاد انحراف میشود، زیرا مدل دستورالعملهای متناقض را میانگین میگیرد. ثبات زمانی حاصل میشود که سبک را بهعنوان یک متغیر ثابت و سوژه را تنها متغیر مستقل در نظر بگیرید.
اشتباهات رایج که انسجام بصری را از بین میبرند
رایجترین خطا، استفاده از صفات ذهنی مانند «زیبا»، «خفن» یا «حماسی» است. این اصطلاحات تعریف بصری پایداری ندارند و واریانس تصادفی ایجاد میکنند. آنها را حذف کنید. آنها را با ویژگیهای توصیفی جایگزین نمایید.
اشتباه دیگر، اتکای بیشازحد به تنظیمات پیشفرض مدل است. برخی مدلها سوگیریهای ذاتی به سمت زیباییشناسیهای خاصی دارند، مانند کنتراست تیز یا کاستهای رنگی مشخص. اگر سبک مورد نظر شما با این پیشفرضها در تضاد است، باید با استفاده از پرامپتهای منفی صریح آنها را خنثی کنید. برای مثال، اگر نورپردازی نرم و کمکنتراست میخواهید اما مدل بهطور پیشفرض کنتراست بالا دارد، عبارت «low contrast, soft shadows» را به بخش سبک و عبارت «high contrast, harsh shadows» را به بخش منفی اضافه کنید.
در نهایت، پرامپت منفی را نادیده نگیرید. پرامپتهای منفی اختیاری نیستند. آنها تعریف میکنند که مدل چه چیزی را باید اجتناب کند، که اغلب مؤثرتر از تعریف آنچه باید شامل شود، عمل میکند. سبکی بدون تعریف منفی، یک سبک نیمهتعریفشده است.
تکنیکهایی برای حفظ سبک در سوژههای مختلف
هنگام حرکت بین سوژههایی که تفاوت زیادی دارند، مانند تغییر از یک شخص به یک محصول و سپس به یک منظره، محدودیتهای سبک باید به اندازه کافی قوی باشند تا برای همه اعمال شوند. قالب سبک خود را روی مجموعهای متنوع از سوژهها آزمایش کنید قبل از اینکه به یک دسته تولید کامل متعهد شوید. اگر سبک روی یک نوع سوژه از هم میپاشد، توصیفگرها را اصلاح کنید. برای مثال، «بافت فیلم دانهدار» ممکن است روی یک شخص طبیعی به نظر برسد اما روی یک محصول براق مصنوعی جلوه کند. در این صورت، توصیفگر بافت را به چیزی مانند «گرین فیلم ملایم، فلر لنز جزئی» تغییر دهید که در زمینههای مختلف کار میکند.
از سوژههای میانی برای پر کردن شکافها استفاده کنید. اگر در حال حرکت از یک پرتره به یک نمای شهری هستید، یک تصویر میانی از فردی در شهر تولید کنید. این کار به شما کمک میکند تا بررسی کنید که آیا محدودیتهای سبک در طول این انتقال حفظ میشوند یا خیر. اگر سبک در تصویر میانی دچار انحراف شد، قبل از ادامه با سوژه نهایی، پرامپت را اصلاح کنید.
ثبات سبک، فرآیند مدیریت قیدهاست، نه جادو. شما از هوش مصنوعی نمیخواهید که سلیقه شما را به خاطر بسپارد؛ بلکه هر بار یک برگه مشخصات دقیق به آن میدهید. پرامپت سبک خود را مانند یک دستور پخت در نظر بگیرید: هر ماده باید ذکر، اندازهگیری و تکرار شود. اگر از دستور پخت منحرف شوید، غذا تغییر میکند. اگر به آن پایبند باشید، خروجی منسجم باقی میماند.