Dosljednost lika održava se definiranjem nepromjenjivih osobina u tekstu i njihovim sidrenjem vizualnim referencama, uz strogu kontrolu varijabli poput osvjetljenja i kuta. To se postiže odvajanjem identiteta lika od konteksta scene u vašem tijeku rada.
Problem odstupanja lika u generativnom AI
Generativni modeli interpretiraju promptove probabilistički. Kada tražite određenog lika, 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. Ovo odstupanje događa se jer model daje prioritet cjelokupnoj kompoziciji i osvjetljenju nad specifičnim markerima identiteta. Ako aktivno ne ograničite izlaz, lik postaje generički arhetip umjesto specifične individue.
Definiranje nepromjenjivih osobina lika u promptovima
Morate identificirati osobine koje definiraju lika i tretirati ih kao nepregovarajuće. To su nepromjenjive osobine. One uključuju specifičnu geometriju lica, boju očiju, oblik kose i jedinstvene odjevne predmete. Ne opisujte lika neodređenim pojmovima poput "cool" ili "mysterious". Opisujte fizičku stvarnost. Umjesto "a rugged look", navedite "short cropped hair, scar above left eyebrow, worn leather jacket."
- Navedite nepromjenjive osobine u fiksnom bloku teksta.
- Ovaj blok držite identičnim za svaki prompt.
- Postavite ovaj blok na početak prompta kako biste mu dali veću 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 složene likove. Vizualne reference pružaju prostorno i stilsko sidro. Učitajte sliku lika kako biste usmjerili interpretaciju identiteta od strane modela. Ovdje se specifični alati uklapaju u proces.
- Midjourney se koristi kada trebate referencirati sliku određenog lika kako biste osigurali dosljedne crte lica i stil kroz nove generacije.
- Adobe Firefly se koristi kada trebate prenijeti referentnu sliku lika kako biste usmjerili stil i identitet generiranih slika unutar ekosustava Creative Cloud.
- Leonardo.Ai se odabire kada trebate zaključati specifične karakteristike lika i estetiku kroz više generacija slika.
- Stable Diffusion se koristi za naprednu dosljednost putem LoRA treniranja na skupovima podataka likova ili korištenjem ControlNet-a za zaključavanje poze i strukture.
- Krea se primjenjuje kada trebate prenijeti sliku kako biste održali identitet i stil lika u generiranju u stvarnom vremenu.
- Runway se koristi kada trebate održati dosljednost lika pri generiranju video sekvenci ili animiranju statičnih dizajna likova.
- DALL-E 3 se oslanja na detaljne, specifične tekstualne upite i iterativno usavršavanje za održavanje dosljednosti lika, budući da nema izvornu značajku referenciranja slike.
Kada koristite ove alate, procjenjujte izlaz na temelju toga odgovara li struktura lica referenci. Ne procjenjujte ga na temelju toga izgleda li scena dobro. Ako je lice pogrešno, scena je nebitna.
Upravljanje varijacijama osvjetljenja i kuta
Osvjetljenje i kut najčešći su uzroci prividne nedosljednosti. 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 dosljedan opis osvjetljenja ako želite da lik izgleda isto.
- Ako promijenite kut, očekujte pomak crta lica.
- 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 strukture lica. Odvojite identitet od okoline. Prvo generirajte lika u neutralnom kontekstu. Zatim kompozitirajte ili upitajte za specifičnu okolinu.
Iterativno usavršavanje i negativni upiti
Nećete pogriješiti iz prvog pokušaja. Iterativno usavršavanje jezgra je tijeka rada. Generirajte više varijacija. Odaberite onu koja je najbliža ciljnom identitetu. Upotrijebite taj odabir kao novu referencu. Time se stvara povratna sprega koja pojačava dosljednost.
Negativni promptovi su ključni. Modelu morate reći što ne smije učiniti.
- Navedite česta odstupanja u negativnom promptu.
- Uključite pojmove poput "različito lice", "pogrešna frizura" ili "generičke značajke".
- Ažurirajte negativni prompt kako uočavate nove vrste pogrešaka.
Ako model liku uvijek daje drugačiji oblik nosa, dodajte "pogrešan oblik nosa" u negativni prompt. Time se aktivno suzbija odstupanje.
Česte pogreške koje narušavaju dosljednost
Većina neuspjeha u dosljednosti proizlazi iz pogrešaka u tijeku rada, 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 dosljednosti bez iterativnog usavršavanja.
- Korištenje jedne referentne slike niske kvalitete ili dvosmislene.
Ako činite ove pogreške, nijedan alat vam neće pomoći. Tijek rada mora biti discipliniran. Tekst mora biti precizan. Reference moraju biti jasne. Iteracija mora biti kontinuirana.