A fényviszonyok elcsúszása akkor következik be, amikor egy AI-modell által egymást követően generált képek finom, de észrevehető eltéréseket mutatnak a fényforrás pozíciójában, a fényerő szintjében vagy az árnyalatban. Ez azért történik, mert a legtöbb generatív modell minden képgenerálást független eseményként kezel, és a helyi kontrasztot és tisztaságot optimalizálja a globális folytonosság helyett. Amikor egy második képet generál, a modell kissé másképp értelmezheti a „fényes reggeli fényt”, mint az első kép esetében, eltolva a napállást vagy növelve a fehéregyensúly hőmérsékletét. Ez a következetlenség megtöri a folyamatos jelenet illúzióját, és a sorozatot szétforgácsolttá teszi a koherencia helyett. Ennek megoldásához a fényviszonyokat nem a prompt automatikus melléktermékeként, hanem szövegben definiált, szigorú korlátozásként kell kezelni, amelyet vizuális referenciákkal erősítünk meg.
Egy „fényhorgony” meghatározása az első promptban
A leggyorsabb módszer a következetesség biztosítására, ha a legelső promptban szigorú szöveges definíciót adunk a fényviszonyoknak. Ez a definíció szolgál „horgonyként” minden későbbi kép számára. Ne támaszkodjon homályos leírásokra, mint a „természetes fény” vagy a „világos és légies”, amelyek túl általánosak, és túl nagy értelmezési eltérést engednek meg. Ehelyett a fényforrás fizikai jellemzőit geometriai és kromatikus pontossággal határozza meg.
Érdemes három konkrét paramétert meghatározni: irányt, minőséget és színhőmérsékletet. Az irány esetében pontosan jelölje meg, honnan érkezik a fény a tárgyhoz képest, például "balról felülről érkező fény, 45 fokos szögben". A minőség tekintetében a kemény és lágy fény közötti különbséget az árnyékok élének élességével írja le, például "éles, nagy kontrasztú árnyékok minimális szórással" versus "lágy, szórt fény finom átmenetekkel". A színhőmérsékletnél kerülje a szubjektív kifejezéseket, mint a "meleg". Ehelyett írja le az árnyalateltolódást a semleges fehérhez képest, például "enyhén aranysárga árnyalat, amely a késő délutáni napfényre jellemző" vagy "hűvös, kékes tónusú környezeti fény kora reggel". Ha ezeket a három változót egy tömör mondatba rögzíti, amelyet szó szerint bemásol minden következő promptba, a modell számára egy rögzített logikai struktúrát biztosít, ami csökkenti az értelmezés véletlenszerűségét.
Referenciaképek használata az árnyékirány és -intenzitás rögzítésére
A puszta szöveg gyakran nem képes pontosan közvetíteni a fény intenzitását, mivel a modell "fényes" kifejezésre adott értelmezése a prompt egyéb elemei alapján ingadozhat. Ennek ellensúlyozására használjon referenciaképet vizuális horgonyként. Ez a technika egy konkrét kép feltöltését vagy csatolását jelenti, amely pontosan tükrözi a kívánt fényviszonyokat, majd a modellt arra utasítja, hogy másolja le erről a referenciáról a fénybeállítást az új témára.
When reference image kiválasztásakor válasszon egy tisztán elkülönülő árnyékokkal rendelkező képet. A sík, egyenletesen megvilágított kép kevés információt nyújt az irányról vagy az intenzitásról, míg az erős irányított árnyékokkal rendelkező kép egyértelmű geometriai támpontokat ad a modell számára. A reference kép bevitelekor párosítsa azt egy tömör utasítással, amely szétválasztja a tartalmat a megvilágítástól. Például utasítsa a modellt arra, hogy "alkalmazza a reference képen lévő megvilágítási beállítást az új alanyra." Ez arra kényszeríti a modellt, hogy a fényforrások és a tárgyak közötti térbeli kapcsolatot részesítse előnyben a reference kép konkrét részleteivel szemben. Ügyeljen arra, hogy a reference kép a teljes sorozat során konzisztens maradjon. A reference képek váltogatása a generálások között új változókat vezet be, ami azonnali eltolódáshoz vezet. Azáltal, hogy minden generálást ugyanahhoz a vizuális példához igazít, olyan vizuális nyelvtant hoz létre, amelyet a modell különböző alanyoknál ismétlődően alkalmaz, biztosítva, hogy az árnyékhossz és az árnyéksötétség arányos maradjon a felvételek között.
Technikák a színhőmérséklet-konzisztencia beállításához a felvételek között
Még konzisztens irány és intenzitás esetén is a színhőmérséklet – a fény melegsége vagy hűvössége – változhat a modell belső színegyensúlyozó algoritmusa miatt. Ezek az algoritmusok gyakran próbálják korrigálni az alanyban észlelt színtorzulásokat, ami véletlenül eltolhatja a háttér megvilágításának árnyalatát. A hőmérsékleti konzisztencia fenntartásához szét kell választania a megvilágítás színét az alany eredeti színeitől.
Az egyik hatékony technika, ha a fény színhőmérsékletét külön a jelenetleírástól adjuk meg. Ahelyett, hogy a fényleírást beolvasztanánk a fő narratívába, a prompt végéhez fűzzünk egy dedikált fényzáradékot. Használjunk relatív színhőmérsékleti kifejezéseket, amelyek a fényforrások közötti viszonyt írják le abszolút értékek helyett. Például, ha semleges hatást szeretnénk, adjunk meg „semleges fehéregyensúlyt, domináns színtónus nélkül”-t. Ha melegséget szeretnénk, adjunk meg „aranyóra-melegséget a vörösek túlszaturálása nélkül”-t. Ez segít megakadályozni, hogy a modell túlkompenzálja a jelenet színeit. Emellett, ha olyan sorozatot generálunk, ahol a napszak változik, a hőmérséklet-változást gradiensként írjuk le, nem pedig ugrásként. Például haladjunk a „hűvös reggeli kék”-től a „semleges déli fehér”-en át a „meleg esti arany”-hoz az egyes lépésekhez használt közbenső leírókkal. Ez logikus haladást hoz létre, amelyet a modell követni tud, biztosítva, hogy a színváltás szándékosnak és simának hasson, ne pedig kaotikusnak.
A kiemelt és árnyékos területek eltéréseinek hibaelhárítása a végső kompozíciókban
A gondos promptolás ellenére előfordulhatnak eltérések a kiemelt területek intenzitásában vagy az árnyékok mélységében. Egy sorozat áttekintésekor keressük az eltéréseket abban, hogy a kép legvilágosabb részei (kiemelt területek) milyen fényesek, és a legmélyebb árnyékok milyen sötétek. Ha az egyik kép mosottnak tűnik, míg a másik mélynek és kontrasztosnak, a fényerősség eltolódott.
A hiba elhárításához először ellenőrizze a prompt hosszát. A hosszabb, összetettebb promptok gyengíthetik a konkrét világítási utasítások hatását. Egyszerűsítse a promptot a tárgyra vonatkozó felesleges melléknevek eltávolításával, és a világítási részre koncentráljon. Ha az eltolódás továbbra is fennáll, állítsa be az „erősség” vagy „befolyás” beállításokat, ha az eszköz lehetővé teszi, nagyobb súlyt adva a referenciaképnek a szöveges promptmal szemben. Egy másik gyakori probléma a háttér összetettsége; a zsúfolt hátterek miatt a modell módosíthatja a világítást, hogy a tárgy kiemelkedjen, ami megváltoztatja az általános expozíciót. Ennek megoldásához egyszerűsítse a háttér leírását a következő promptokban, használjon olyan kifejezéseket, mint a „minimalista háttér” vagy az „egyszínű háttér”, hogy a világítás kiszámíthatóan működjön. Végül, ha egy adott kép jelentősen eltér, regenerálja azt a korábban sikeres képet használva a világítás egyetlen referenciájaként, ahelyett, hogy csak az eredeti szöveges promptra hagyatkozna. Ez az iteratív finomítás segít visszahúzni a sorozatot a kialakított horgonyhoz, biztosítva az összefüggő vizuális narratívát.