એકસારૂ દૃશ્યમાન સ્ટાઈલ માટે AI ને પ્રોમ્પ્ટ કેવી રીતે આપવું

મલ્ટિપલ આઉટપુટ્સમાં એકસારૂ દૃશ્યમાન સ્ટાઈલ સુનિશ્ચિત કરવા માટે, તમારે દરેક પ્રોમ્પ્ટમાં એસ્થેટિક પેરામીટર્સ સ્પષ્ટપણે વ્યાખ્યાયિત કરવા પડશે અને અમૂર્ત વર્ણનોને બદલે ચોક્કસ, નોન-એબ્સ્ટ્રેક્ટ વર્ણનો સાથે તેને એન્કર કરવા પડશે. જ્યારે તમે અસ્પષ્ટ શબ્દોના સંભાવનાત્મક અર્થઘટન માટે મોડેલને જગ્યા છોડો છો ત્યારે સુસંગતતા નિષ્ફળ જાય છે; જ્યારે તમે ચોકસાઈપૂર્વકની ટેકનિકલ ભાષા સાથે જનરેશન સ્પેસને મર્યાદિત કરો છો ત્યારે તે સફળ થાય છે.

જનરેટિવ મોડેલ્સમાં દૃશ્યમાન સ્ટાઈલ ડ્રિફ્ટ શા માટે થાય છે

જનરેટિવ મોડેલ્સ પાસે તમારા પ્રોજેક્ટની સ્થાયી મેમરી હોતી નથી. દરેક જનરેશન એ શક્ય ઈમેજોના વિશાળ વિતરણમાંથી એક સ્વતંત્ર સેમ્પલિંગ ઇવેન્ટ છે. જ્યારે તમે "cyberpunk city" માટે પ્રોમ્પ્ટ કરો છો, ત્યારે મોડેલ તે કન્સેપ્ટ સાથે મેળ ખાતા હજારો લેટન્ટ વેક્ટર્સમાંથી પસંદ કરે છે, કેટલાક નિયોન ગ્રીન તરફ ઝુકાવ ધરાવે છે, અન્ય મેજેન્ટા તરફ, કેટલાક ગ્રિટી અને ગંદા, અન્ય ક્લીન અને ફ્યુચરિસ્ટિક. સ્પષ્ટ મર્યાદાઓ વગર, મોડેલ તે વેક્ટર્સના સૌથી સંભાવિત સરેરાશ તરફ ડિફોલ્ટ કરે છે, જે દરેક નવા સીડ અથવા નાના પ્રોમ્પ્ટ વેરિએશન સાથે સૂક્ષ્મ રીતે બદલાય છે. આ ડ્રિફ્ટ કોઈ બગ નથી; તે હાઈ-ડાયમેન્શનલ સેમ્પલિંગનું સ્વભાવ છે. જો તમે "a portrait in the style of Van Gogh" માટે પૂછો છો, ત્યારે મોડેલ એક આઉટપુટમાં થિક ઇમ્પાસ્ટો ટેક્સચર અને આગામીમાં લૂઝ, સ્વાર્લિંગ બ્રશસ્ટ્રોક્સ તરીકે તેનું અર્થઘટન કરી શકે છે, કારણ કે બંને સ્ટાઈલના માન્ય અર્થઘટનો છે. મોડેલને ખબર નથી કે તમારી પહેલી ઈમેજમાં થિક ઇમ્પાસ્ટોનો ઉપયોગ થયો હતો; તેને ફક્ત કરંટ પ્રોમ્પ્ટની ખબર છે. તેથી, સુસંગતતા એ સમાન મોડેલનો ઉપયોગ કરવાની ઉભરી આવતી પ્રોપર્ટી નથી; તે એ સમાન સ્પષ્ટ મર્યાદાઓ દર વખતે ઉપયોગ કરવાની એન્જિનિયર્ડ પ્રોપર્ટી છે.

સ્ટાઈલ પેરામીટર્સ વ્યાખ્યાયિત કરવા: લાઈટિંગ, કલર પેલેટ, અને ટેક્સચર

"moody" અથવા "vibrant" જેવા સિંગલ-વર્ડ સ્ટાઈલ ટેગ્સનો ઉપયોગ કરશો નહીં. આ અસ્પષ્ટ છે અને મોડેલ માટે ખૂબ વધુ લેટિટ્યુડ છોડે છે. તેના બદલે, તમારી સ્ટાઈલને ત્રણ નિયંત્રિત એક્સિસમાં વિઘટિત કરો: લાઈટિંગ, કલર, અને ટેક્સચર.

લાઈટિંગ માટે, સ્રોત અને ગુણવત્તા સ્પષ્ટ કરો. "ડ્રામેટિક લાઈટિંગ" ને બદલે, "ઉપર ડાબેથી હાર્ડ ડાયરેક્શનલ લાઈટ, શાર્પ શેડોઝ પાડતી, હાઈ કોન્ટ્રાસ્ટ" લખો. આ મોડેલને ચોકસાઈથી જણાવે છે કે પ્રકાશ ક્યાંથી આવે છે અને તે સપાટીઓ સાથે કેવી રીતે ક્રિયાપ્રતિક્રિયા કરે છે. કલર માટે, ચોક્કસ હ્યુઝ અથવા પેલેટ્સનું નામ આપો. "મ્યુટેડ અર્થ ટોન્સ" અસ્પષ્ટ છે; "લો સેચ્યુરેશન સાથે ડિસેચ્યુરેટેડ ગ્રીન્સ, ઓકર્સ અને ગ્રે" વધુ ચોકસાઈપૂર્વક છે. જો તમે ચોક્કસ મૂડ ઇચ્છતા હોવ, તો તેને "સ્કેન્ડિનેવિયન ઇન્ટિરિયર મેગેઝિનના કલર પેલેટ" જેવા કોંક્રિટ રેફરન્સ સાથે જોડો. ટેક્સચર માટે, સપાટીની ગુણવત્તાનું વર્ણન કરો. "ગ્રિટી" પૂરતું નથી; "ગ્રેઈની ફિલ્મ ટેક્સચર, દૃશ્યમાન નોઈઝ, કિનારે સ્લાઈટ ક્રોમેટિક એબેરેશન" એ વધુ અસરકારક છે. જ્યારે તમારો પ્રોમ્પ લખો, ત્યારે આ પેરામીટર્સ સ્પષ્ટપણે લિસ્ટ કરો. સુસંગત સ્ટાઈલ એ સુસંગત ટેકનિકલ ઇન્સ્ટ્રક્શન્સનો સમૂહ છે, સુસંગત વાઈબ નહીં.

રેફરન્સ ઇમેજ્સ અને સ્ટાઈલ ડિસ્ક્રિપ્ટર્સનો અસરકારક ઉપયોગ કરવો

રેફરન્સ ઇમેજ્સ શક્તિશાળી એન્કર્સ છે, પરંતુ તેનો ઉપયોગ હેતુસર કરવો જોઈએ. જો તમે રેફરન્સ ઇમેજ અપલોડ કરો, તો મોડેલ તેની કમ્પોઝિશન, લાઈટિંગ અને પેલેટ લેશે. જોકે, તે ચોક્કસ ઓબ્જેક્ટ્સ અથવા બેકગ્રાઉન્ડ્સ જેવા અનવાંછિત તત્વો પણ લઈ શકે છે. સ્ટાઈલને અલગ કરવા માટે, એવા રેફરન્સનો ઉપયોગ કરો જે તમારી ઇચ્છિત એસ્થેટિક સાથે સમાન હોય પરંતુ સબ્જેક્ટમાં અલગ હોય. જો તમે પોર્ટ્રેટ્સની સિરીઝ માટે સુસંગત લાઈટિંગ ઇચ્છતા હોવ, તો સમાન પ્રકારના પ્રકાશથી લાઈટ કરેલા લેન્ડસ્કેપનો રેફરન્સ વાપરો. આ મોડેલને લાઈટિંગ લોજિક શીખવે છે અને સબ્જેક્ટને દૂષિત કરતું નથી.

જ્યારે રેફરન્સ સાથે ટેક્સ્ટ ડિસ્ક્રિપ્ટર્સનો ઉપયોગ કરો, ત્યારે તમારી રેફરન્સ ઇમેજના મુખ્ય સ્ટાઈલિસ્ટિક ટર્મ્સ પુનરાવર્તિત કરો. જો તમારા રેફરન્સમાં "સોફ્ટ ડિફ્યુઝ્ડ લાઈટ" હોય, તો તે ફ્રેઝને તમારા ટેક્સ્ટ પ્રોમ્પમાં સામેલ કરો. આ વિઝ્યુઅલ ક્યુને મજબૂત બનાવે છે. સ્ટાઈલ લઈ જવા માટે ફક્ત રેફરન્સ ઇમેજ પર આધાર રાખશો નહીં; ટેક્સ્ટ પ્રોમ્પે સક્રિયપણે જનરેશનને ઇચ્છિત એસ્થેટિક તરફ ખેંચવું જોઈએ. જો ટેક્સ્ટ અને ઇમેજ અલગ હોય, તો સામાન્ય રીતે ટેક્સ્ટ જીતે છે, તેથી તેમને એલાઇન કરો.

બેચ કન્સિસ્ટન્સી માટે પ્રોમ્પ્સનું સ્ટ્રક્ચરિંગ

જ્યારે ઇમેજ્સનો બેચ જનરેટ કરો, ત્યારે ફિક્સ્ડ પ્રોમ્પ ટેમ્પલેટનો ઉપયોગ કરો. તમારા પ્રોમ્પને ત્રણ ભાગોમાં સ્ટ્રક્ચર કરો: સબ્જેક્ટ, સ્ટાઈલ કન્સ્ટ્રેઇન્ટ્સ, અને નેગેટિવ કન્સ્ટ્રેઇન્ટ્સ. બેચમાં બધા પ્રોમ્પ્સમાં સ્ટાઈલ અને નેગેટિવ સેક્શન્સને સમાન રાખો. ફક્ત સબ્જેક્ટ સેક્શનમાં ફેરફાર કરો. ઉદાહરણ તરીકે:

• સબ્જેક્ટ: કોફી કપ પકડતી મહિલા
• સ્ટાઈલ: ઉપર ડાબેથી હાર્ડ ડાયરેક્શનલ લાઈટ, મ્યુટેડ અર્થ ટોન્સ, ગ્રેઈની ફિલ્મ ટેક્સચર
• નેગેટિવ: નિયોન, બ્રાઈટ કલર્સ, સ્મૂથ ડિજિટલ લુક, કાર્ટૂન

વ્યક્તિગત છબીઓ માટે સ્ટાઈલ વિભાગ બદલશો નહીં. જો કોઈ એક છબીને અલગ લાઈટિંગ સેટઅપની જરૂર હોય, તો તે એક નવી સ્ટાઈલ છે, અને તમારે નવા ટેમ્પલેટ સાથે નવો બેચ શરૂ કરવો પડશે. બેચમાં સ્ટાઈલ્સને મિશ્રિત કરવાથી ડ્રિફ્ટ ઉભો થાય છે કારણ કે મોડેલ વિરોધાભાસી નિર્દેશોનો સરવાળો કરે છે. સુસંગતતા એવી રીતે પ્રાપ્ત કરવામાં આવે છે કે સ્ટાઈલને અચળ ચલ તરીકે અને વિષયને એકમાત્ર સ્વતંત્ર ચલ તરીકે ગણવામાં આવે.

સામાન્ય ભૂલો જે વિઝ્યુઅલ કોહરન્સ તોડે છે

સૌથી સામાન્ય ભૂલ એ છે કે 'સુંદર', 'ઠંડો' અથવા 'એપિક' જેવા વિષયવાદી વિશેષણોનો ઉપયોગ કરવો. આ શબ્દોની કોઈ સ્થિર દૃશ્યાત્મક વ્યાખ્યા નથી અને તેઓ અસ્થિર વિચલન લાવે છે. તેમને દૂર કરો. તેમના સ્થાને વર્ણનાત્મક ગુણધર્મોનો ઉપયોગ કરો.

એક ભૂલ મોડેલ ડિફોલ્ટ્સ પર વધુ પડતો આધાર રાખવાની છે. કેટલાક મોડેલ્સમાં ચોક્કસ એસ્થેટિક્સ પ્રત્યે અંતર્નિહિત બાયસ હોય છે, જેમ કે શાર્પ કોન્ટ્રાસ્ટ અથવા ચોક્કસ કલર કાસ્ટ્સ. જો તમારી ઇચ્છિત સ્ટાઇલ આ ડિફોલ્ટ્સ સામે હોય, તો તમારે સ્પષ્ટ નેગેટિવ પ્રોમ્પ્ટ્સ દ્વારા તેમનો સામનો કરવો પડશે. ઉદાહરણ તરીકે, જો તમે સોફ્ટ, લો-કોન્ટ્રાસ્ટ લાઈટિંગ ઇચ્છતા હોવ પણ મોડેલ ડિફોલ્ટ રૂપે હાઈ કોન્ટ્રાસ્ટ પર જતું હોય, તો સ્ટાઇલ સેક્શનમાં "low contrast, soft shadows" અને નેગેટિવ સેક્શનમાં "high contrast, harsh shadows" ઉમેરો.

અંતે, નેગેટિવ પ્રોમ્પ્ટ છોડશો નહીં. નેગેટિવ પ્રોમ્પ્ટ્સ વૈકલ્પિક નથી. તેઓ વ્યાખ્યાયિત કરે છે કે મોડેલે શું ટાળવું જોઈએ, જે ઘણીવાર તેમાં શું સામેલ કરવું તે વ્યાખ્યાયિત કરવા કરતાં વધુ અસરકારક હોય છે. નેગેટિવ વ્યાખ્યા વિનાની સ્ટાઈલ અડધી વ્યાખ્યાયિત સ્ટાઈલ છે.

વિવિધ વિષયોમાં સ્ટાઈલ જાળવવાની તકનીકો

જ્યારે તમે ખૂબ જ અલગ હોય તેવા વિષયો વચ્ચે ફેરફાર કરો છો, જેમ કે વ્યક્તિથી પ્રોડક્ટ અને લેન્ડસ્કેપ, ત્યારે સ્ટાઈલ કન્સ્ટ્રેઇન્ટ્સ એટલા મજબૂત હોવા જોઈએ કે તેઓ બધા પર લાગુ પડી શકે. સંપૂર્ણ પ્રોડક્શન બેચ માટે વચ્ચે પહેલા, તમારા સ્ટાઈલ ટેમ્પલેટને વિવિધ વિષયોના સેટ પર ટેસ્ટ કરો. જો સ્ટાઈલ એક વિષય પ્રકાર પર તૂટી પડે, તો ડિસ્ક્રિપ્ટર્સને સુધારો. ઉદાહરણ તરીકે, "grainy film texture" વ્યક્તિ પર કુદરતી લાગી શકે છે પરંતુ સ્લેક પ્રોડક્ટ પર કૃત્રિમ લાગી શકે છે. તેવા કિસ્સામાં, ટેક્સચર ડિસ્ક્રિપ્ટરને "subtle film grain, slight lens flare" જેવા કંઈકમાં સમાયોજિત કરો જે સંદર્ભોમાં કામ કરે છે.

શૈલીના અંતરાલો ભરવા માટે મધ્યવર્તી વિષયોનો ઉપયોગ કરો. જો તમે પોર્ટ્રેટમાંથી સિટીસ્કેપ તરફ જઈ રહ્યા હોવ, તો શહેરમાં વ્યક્તિની એક મધ્યવર્તી છબી જનરેટ કરો. આ તમને સંક્રમણ દરમિયાન શૈલીની મર્યાદાઓ જળવાઈ રહે છે તે ચકાસવામાં મદદ કરે છે. જો મધ્યવર્તી છબીમાં શૈલી ફેરવાય, તો અંતિમ વિષય પર જવા પહેલાં પ્રોમ્પ્ટ સુધારો.

સ્ટાઈલ સુસંગતતા એ જાદુ નથી, પણ કન્સ્ટ્રેઈન્ટ મેનેજમેન્ટની પ્રક્રિયા છે. તમે AI ને તમારી પસંદગી યાદ રાખવા માટે કહી રહ્યા નથી; તમે દર વખતે તેને એક ચોક્કસ સ્પેસિફિકેશન શીટ આપી રહ્યા છો. તમારા સ્ટાઈલ પ્રોમ્પ્ટને રેસિપીની જેમ લો: દરેક ઘટકની યાદી બનાવો, તેને માપો અને તેને પુનરાવર્તિત કરો. રેસિપીથી વિચલિત થાઓ, તો વાનગી બદલાઈ જશે. તેને ચુસ્તપણે અનુસરો, તો આઉટપુટ સુસંગત રહેશે.