ಪಠ್ಯದಲ್ಲಿ ಬದಲಾಗದ ಗುಣಲಕ್ಷಣಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಿ ಮತ್ತು ದೃಶ್ಯ ಉಲ್ಲೇಖಗಳೊಂದಿಗೆ ಅವುಗಳನ್ನು ಸ್ಥಿರಗೊಳಿಸುವ ಮೂಲಕ, ಹಾಗೂ ಬೆಳಕು ಮತ್ತು ಕೋನದಂತಹ ಚರಗಳನ್ನು ಕಟ್ಟುನಿಟ್ಟಾಗಿ ನಿಯಂತ್ರಿಸುವ ಮೂಲಕ ಪಾತ್ರದ ಸ್ಥಿರತೆಯನ್ನು ಕಾಪಾಡಿಕೊಳ್ಳಲಾಗುತ್ತದೆ. ನಿಮ್ಮ ಕಾರ್ಯವಿಧಾನದಲ್ಲಿ ಪಾತ್ರದ ಗುರುತನ್ನು ದೃಶ್ಯದ ಸಂದರ್ಭದಿಂದ ಪ್ರತ್ಯೇಕಿಸುವ ಮೂಲಕ ಇದನ್ನು ಸಾಧಿಸಬಹುದು.
ಜನರೇಟಿವ್ AI ಯಲ್ಲಿ ಪಾತ್ರದ ವಿಚಲನೆಯ ಸಮಸ್ಯೆ
ಜನರೇಟಿವ್ ಮಾದರಿಗಳು ಪ್ರಾಂಪ್ಟ್ಗಳನ್ನು ಸಂಭವನೀಯತಾತ್ಮಕವಾಗಿ ಅರ್ಥೈಸಿಕೊಳ್ಳುತ್ತವೆ. ನೀವು ನಿರ್ದಿಷ್ಟ ಪಾತ್ರವನ್ನು ಕೇಳಿದಾಗ, ಮಾದರಿ ಸಾಧ್ಯತೆಯ ವ್ಯಾಖ್ಯಾನಗಳ ವಿತರಣೆಯಿಂದ ಮಾದರಿಯನ್ನು ಆಯ್ಕೆ ಮಾಡುತ್ತದೆ. ನಿರ್ಬಂಧಗಳಿಲ್ಲದೆ, ಪ್ರತಿ ಜನರೇಷನ್ ಹೊಸ ದಾಳದಂತೆ ಇರುತ್ತದೆ. ಮುಖದ ರಚನೆ, ಕೂದಲಿನ ಟೆಕ್ಸ್ಚರ್ ಅಥವಾ ಬಟ್ಟೆಯ ವಿವರಗಳಲ್ಲಿನ ಸಣ್ಣ ವ್ಯತ್ಯಾಸಗಳು ಚಿತ್ರಗಳಾದ್ಯಂತ ಸಂಗ್ರಹವಾಗುತ್ತವೆ. ಈ ವಿಚಲನೆ ಸಂಭವಿಸುತ್ತದೆ ಏಕೆಂದರೆ ಮಾದರಿ ನಿರ್ದಿಷ್ಟ ಗುರುತಿಸುವಿಕೆ ಸೂಚಕಗಳಿಗಿಂತ ಒಟ್ಟಾರೆ ಸಂಯೋಜನೆ ಮತ್ತು ಬೆಳಕಿಗೆ ಆದ್ಯತೆ ನೀಡುತ್ತದೆ. ನೀವು ಔಟ್ಪುಟ್ ಅನ್ನು ಸಕ್ರಿಯವಾಗಿ ನಿರ್ಬಂಧಿಸದಿದ್ದರೆ, ಪಾತ್ರವು ನಿರ್ದಿಷ್ಟ ವ್ಯಕ್ತಿಯಾಗುವ ಬದಲು ಸಾಮಾನ್ಯ ಆರ್ಕೆಟೈಪ್ ಆಗಿ ಪರಿವರ್ತನೆಗೊಳ್ಳುತ್ತದೆ.
ಪ್ರಾಂಪ್ಟ್ಗಳಲ್ಲಿ ಬದಲಾಗದ ಪಾತ್ರ ಗುಣಲಕ್ಷಣಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವುದು
ಪಾತ್ರವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಗುರುತಿಸಬೇಕು ಮತ್ತು ಅವುಗಳನ್ನು ಚರ್ಚಿಸಲಾಗದವುಗಳಾಗಿ ಪರಿಗಣಿಸಬೇಕು. ಇವುಗಳೇ ಬದಲಾಗದ ಗುಣಲಕ್ಷಣಗಳು. ಇವುಗಳಲ್ಲಿ ನಿರ್ದಿಷ್ಟ ಮುಖದ ಜ್ಯಾಮಿತಿ, ಕಣ್ಣಿನ ಬಣ್ಣ, ಕೂದಲಿನ ಆಕಾರ ಮತ್ತು ವಿಶಿಷ್ಟ ಬಟ್ಟೆ ವಸ್ತುಗಳು ಸೇರಿವೆ. "ಕೂಲ್" ಅಥವಾ "ಮಿಸ್ಟರಿಯಸ್" ನಂತಹ ಅಸ್ಪಷ್ಟ ಪದಗಳಿಂದ ಪಾತ್ರವನ್ನು ವಿವರಿಸಬೇಡಿ. ಭೌತಿಕ ವಾಸ್ತವವನ್ನು ವಿವರಿಸಿ. "ರಗ್ಡ್ ಲುಕ್" ಬದಲಿಗೆ "ಕಿರು ಕಟ್ ಕೂದಲು, ಎಡ ಹುಬ್ಬಿನ ಮೇಲೆ ಗಾಯದ ಗುರುತು, ಹಳೆಯ ಚರ್ಮದ ಜಾಕೆಟ್" ಎಂದು ನಿರ್ದಿಷ್ಟಪಡಿಸಿ.
- ಬದಲಾಗದ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಸ್ಥಿರ ಪಠ್ಯ ಬ್ಲಾಕ್ನಲ್ಲಿ ಪಟ್ಟಿ ಮಾಡಿ.
- ಈ ಬ್ಲಾಕ್ ಅನ್ನು ಪ್ರತಿ ಪ್ರಾಂಪ್ಟ್ಗೂ ಒಂದೇ ರೀತಿ ಇರಿಸಿ.
- ಹೆಚ್ಚಿನ ತೂಕ ನೀಡಲು ಈ ಬ್ಲಾಕ್ ಅನ್ನು ಪ್ರಾಂಪ್ಟ್ನ ಆರಂಭದಲ್ಲಿ ಇರಿಸಿ.
- ಬಹು ವ್ಯಾಖ್ಯಾನಗಳನ್ನು ಸೂಚಿಸುವ ವಿಶೇಷಣ ಪದಗಳನ್ನು ತಪ್ಪಿಸಿ. ನಿರ್ದಿಷ್ಟ ನಾಮಪದಗಳು ಮತ್ತು ಭೌತಿಕ ವಿವರಣೆಗಳನ್ನು ಬಳಸಿ.
ಕೂದಲಿನ ವಿವರಣೆಯನ್ನು ನೀವು ಬದಲಾಯಿಸಿದರೆ, ಮಾದರಿ ಹೊಸ ವಿವರಣೆಯನ್ನು ಭಿನ್ನ ಪಾತ್ರವಾಗಿ ಅರ್ಥೈಸಿಕೊಳ್ಳಬಹುದು. ಪಠ್ಯ ಪ್ರಾಂಪ್ಟ್ ಪ್ರಾಥಮಿಕ ಲಂಗರು. ಪಠ್ಯವು ಅಸ್ಪಷ್ಟವಾಗಿದ್ದರೆ, ಚಿತ್ರವು ಅಸ್ಥಿರವಾಗಿರುತ್ತದೆ.
ಉಲ್ಲೇಖ ಚಿತ್ರಗಳು ಮತ್ತು ಶೈಲಿ ಲಂಗರುಗಳನ್ನು ಬಳಸುವುದು
ಸಂಕೀರ್ಣ ಪಾತ್ರಗಳಿಗೆ ಪಠ್ಯ ಮಾತ್ರವೇ ಸಾಮಾನ್ಯವಾಗಿ ಸಾಕಾಗುವುದಿಲ್ಲ. ದೃಶ್ಯ ಉಲ್ಲೇಖಗಳು ಸ್ಥಳೀಯ ಮತ್ತು ಶೈಲಿಗತ ಲಂಗರನ್ನು ಒದಗಿಸುತ್ತವೆ. ಗುರುತಿನ ಬಗ್ಗೆ ಮಾದರಿಯ ವ್ಯಾಖ್ಯಾನವನ್ನು ಮಾರ್ಗದರ್ಶನ ಮಾಡಲು ನೀವು ಪಾತ್ರದ ಚಿತ್ರವನ್ನು ಅಪ್ಲೋಡ್ ಮಾಡುತ್ತೀರಿ. ಈ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ನಿರ್ದಿಷ್ಟ ಸಾಧನಗಳು ಇಲ್ಲಿ ಹೊಂದಿಕೊಳ್ಳುತ್ತವೆ.
- Midjourney ಅನ್ನು ನಿರ್ದಿಷ್ಟ ಪಾತ್ರದ ಚಿತ್ರವನ್ನು ಉಲ್ಲೇಖಿಸಲು ಬಳಸಿ, ಹೊಸ ತಲೆಮಾರುಗಳಲ್ಲಿ ಮುಖದ ಲಕ್ಷಣಗಳು ಮತ್ತು ಶೈಲಿಯ ಸ್ಥಿರತೆಯನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಿ.
- Adobe Firefly ಅನ್ನು Creative Cloud ಪರಿಸರದಲ್ಲಿ ಉತ್ಪಾದಿಸಲಾದ ಚಿತ್ರಗಳ ಶೈಲಿ ಮತ್ತು ಗುರುತನ್ನು ಮಾರ್ಗದರ್ಶನ ಮಾಡಲು ಪಾತ್ರದ ಉಲ್ಲೇಖ ಚಿತ್ರವನ್ನು ಅಪ್ಲೋಡ್ ಮಾಡಬೇಕಾದಾಗ ಬಳಸಿ.
- Leonardo.Ai ಅನ್ನು ಬಹು ಚಿತ್ರ ತಲೆಮಾರುಗಳಲ್ಲಿ ನಿರ್ದಿಷ್ಟ ಪಾತ್ರದ ಲಕ್ಷಣಗಳು ಮತ್ತು ಸೌಂದರ್ಯಶಾಸ್ತ್ರವನ್ನು ಲಾಕ್ ಮಾಡಬೇಕಾದಾಗ ಆಯ್ಕೆ ಮಾಡಿ.
- Stable Diffusion ಅನ್ನು ಪಾತ್ರದ ಡೇಟಾಸೆಟ್ಗಳ ಮೇಲೆ LoRA ತರಬೇತಿ ಅಥವಾ ಭಂಗಿ ಮತ್ತು ರಚನೆಯನ್ನು ಲಾಕ್ ಮಾಡಲು ControlNet ಬಳಸುವ ಮೂಲಕ ಸುಧಾರಿತ ಸ್ಥಿರತೆಗಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ.
- Krea ಅನ್ನು ರಿಯಲ್-ಟೈಮ್ ಉತ್ಪಾದನೆಯಲ್ಲಿ ಪಾತ್ರದ ಗುರುತು ಮತ್ತು ಶೈಲಿಯನ್ನು ಕಾಪಾಡಿಕೊಳ್ಳಲು ಚಿತ್ರವನ್ನು ಅಪ್ಲೋಡ್ ಮಾಡಬೇಕಾದಾಗ ಅನ್ವಯಿಸಲಾಗುತ್ತದೆ.
- Runway ಅನ್ನು ವೀಡಿಯೊ ಕ್ರಮಗಳನ್ನು ಉತ್ಪಾದಿಸುವಾಗ ಅಥವಾ ಸ್ಥಿರ ಪಾತ್ರದ ವಿನ್ಯಾಸಗಳನ್ನು ಚಲನಚಿತ್ರಗೊಳಿಸುವಾಗ ಪಾತ್ರದ ಸ್ಥಿರತೆಯನ್ನು ಕಾಪಾಡಿಕೊಳ್ಳಬೇಕಾದಾಗ ಬಳಸಲಾಗುತ್ತದೆ.
- DALL-E 3 ಅನ್ನು ವಿವರವಾದ, ನಿರ್ದಿಷ್ಟ ಪಠ್ಯ ಪ್ರಾಂಪ್ಟ್ಗಳು ಮತ್ತು ಪುನರಾವರ್ತಿತ ಪರಿಷ್ಕರಣೆಯ ಮೂಲಕ ಪಾತ್ರದ ಸ್ಥಿರತೆಯನ್ನು ಕಾಪಾಡಿಕೊಳ್ಳಬೇಕಾದಾಗ ಅವಲಂಬಿಸಿ, ಏಕೆಂದರೆ ಇದಕ್ಕೆ ಸ್ವದೇಶಿ ಚಿತ್ರ-ಉಲ್ಲೇಖ ವೈಶಿಷ್ಟ್ಯವಿಲ್ಲ.
ಈ ಸಾಧನಗಳನ್ನು ಬಳಸುವಾಗ, ಉಲ್ಲೇಖದೊಂದಿಗೆ ಮುಖದ ರಚನೆ ಹೊಂದಿಕೆಯಾಗುತ್ತದೆಯೇ ಎಂಬುದರ ಆಧಾರದ ಮೇಲೆ ಔಟ್ಪುಟ್ ಅನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ. ದೃಶ್ಯವು ಚೆನ್ನಾಗಿ ಕಾಣುತ್ತದೆಯೇ ಎಂಬುದರ ಆಧಾರದ ಮೇಲೆ ಅದನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಬೇಡಿ. ಮುಖ ತಪ್ಪಾಗಿದ್ದರೆ, ದೃಶ್ಯವು ಅಸಂಬದ್ಧವಾಗಿರುತ್ತದೆ.
ಬೆಳಕು ಮತ್ತು ಕೋನ ವ್ಯತ್ಯಾಸಗಳನ್ನು ನಿರ್ವಹಿಸುವುದು
ಬೆಳಕು ಮತ್ತು ಕೋನಗಳು ಗ್ರಹಿಸಲಾದ ಅಸ್ಥಿರತೆಯ ಅತ್ಯಂತ ಸಾಮಾನ್ಯ ಕಾರಣಗಳಾಗಿವೆ. ಪ್ರಕಾಶಮಾನವಾದ ಹಗಲಿನ ಬೆಳಕಿನಲ್ಲಿರುವ ಪಾತ್ರವು ನೆರಳಿನಲ್ಲಿರುವ ಅದೇ ಪಾತ್ರಕ್ಕಿಂತ ಭಿನ್ನವಾಗಿ ಕಾಣುತ್ತದೆ. ಇದು ಡ್ರಿಫ್ಟ್ ಅಲ್ಲ; ಇದು ಭೌತಶಾಸ್ತ್ರ. ಆದರೆ, ಮಾದರಿಗಳು ಬೆಳಕಿನ ಬದಲಾವಣೆಗಳನ್ನು ಗುರುತಿನ ಬದಲಾವಣೆಗಳಾಗಿ ಅರ್ಥೈಸಿಕೊಳ್ಳುತ್ತವೆ.
- ಪಾತ್ರವು ಒಂದೇ ರೀತಿ ಕಾಣಬೇಕೆಂದರೆ ಬೆಳಕಿನ ವಿವರಣೆಯನ್ನು ಸ್ಥಿರವಾಗಿ ಇರಿಸಿ.
- ನೀವು ಕೋನವನ್ನು ಬದಲಾಯಿಸಿದರೆ, ಮುಖದ ಲಕ್ಷಣಗಳು ಬದಲಾಗುತ್ತವೆ ಎಂದು ನಿರೀಕ್ಷಿಸಿ.
- ಮೂಲ ಗುರುತನ್ನು ಸ್ಥಾಪಿಸಲು ಪಾತ್ರದ ಶೀಟ್ಗಳಿಗೆ ತಟಸ್ಥ ಬೆಳಕನ್ನು ಬಳಸಿ.
- ಗುರುತು ಲಾಕ್ ಆದ ನಂತರವೇ ನಾಟಕೀಯ ಬೆಳಕನ್ನು ಅನ್ವಯಿಸಿ.
ನೀವು ಕತ್ತಲೆಯಾದ ಗಲ್ಲಿನಲ್ಲಿ ಪಾತ್ರವನ್ನು ಉತ್ಪಾದಿಸಿ ನಂತರ ಪ್ರಕಾಶಮಾನವಾದ ಸ್ಟುಡಿಯೋದಲ್ಲಿ ಉತ್ಪಾದಿಸಿದರೆ, ಮಾದರಿಯು ನೆರಳುಗಳನ್ನು ವಿಭಿನ್ನ ಮುಖದ ರಚನೆಗಳಾಗಿ ಅರ್ಥೈಸಿಕೊಳ್ಳಬಹುದು. ಗುರುತನ್ನು ಪರಿಸರದಿಂದ ಪ್ರತ್ಯೇಕಿಸಿ. ಮೊದಲು ತಟಸ್ಥ ಸಂದರ್ಭದಲ್ಲಿ ಪಾತ್ರವನ್ನು ಉತ್ಪಾದಿಸಿ. ನಂತರ ನಿರ್ದಿಷ್ಟ ಪರಿಸರಕ್ಕಾಗಿ ಸಂಯೋಜಿಸಿ ಅಥವಾ ಪ್ರಾಂಪ್ಟ್ ಮಾಡಿ.
ಪುನರಾವರ್ತಿತ ಪರಿಷ್ಕರಣೆ ಮತ್ತು ನೆಗೆಟಿವ್ ಪ್ರಾಂಪ್ಟಿಂಗ್
ಮೊದಲ ಪ್ರಯತ್ನದಲ್ಲೇ ನೀವು ಸರಿಯಾಗಿ ಪಡೆಯುವುದಿಲ್ಲ. ಪುನರಾವರ್ತಿತ ಸುಧಾರಣೆಯು ಕಾರ್ಯವಿಧಾನದ ಮೂಲಭೂತ ಅಂಶವಾಗಿದೆ. ಹಲವಾರು ವೈವಿಧ್ಯಗಳನ್ನು ರಚಿಸಿ. ಗುರಿ ಗುರುತಿನಿಗೆ ಹತ್ತಿರವಿರುವ ಒಂದನ್ನು ಆಯ್ಕೆ ಮಾಡಿ. ಆ ಆಯ್ಕೆಯನ್ನು ಹೊಸ ಉಲ್ಲೇಖವಾಗಿ ಬಳಸಿ. ಇದು ಸ್ಥಿರತೆಯನ್ನು ಬಿಗಿಗೊಳಿಸುವ ಫೀಡ್ಬ್ಯಾಕ್ ಲೂಪ್ ಅನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ.
ನೆಗೆಟಿವ್ ಪ್ರಾಂಪ್ಟಿಂಗ್ ಅತ್ಯಗತ್ಯ. ಮಾಡೆಲ್ ಏನು ಮಾಡಬಾರದು ಎಂಬುದನ್ನು ನೀವು ಹೇಳಬೇಕು.
- ನಿಮ್ಮ ನೆಗೆಟಿವ್ ಪ್ರಾಂಪ್ಟ್ನಲ್ಲಿ ಸಾಮಾನ್ಯ ವಿಚಲನಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ.
- "different face," "wrong hair," ಅಥವಾ "generic features" ನಂತಹ ಪದಗಳನ್ನು ಸೇರಿಸಿ.
- ಹೊಸ ರೀತಿಯ ದೋಷಗಳನ್ನು ನೀವು ಕಂಡಾಗ ನೆಗೆಟಿವ್ ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ನವೀಕರಿಸಿ.
ಮಾದರಿ ಪಾತ್ರಕ್ಕೆ ವಿಭಿನ್ನ ಮೂಗಿನ ಆಕಾರವನ್ನು ನೀಡುತ್ತಲೇ ಇದ್ದರೆ, ನೆಗೆಟಿವ್ ಪ್ರಾಂಪ್ಟ್ಗೆ "wrong nose shape" ಎಂಬ ಪದವನ್ನು ಸೇರಿಸಿ. ಇದು ಡ್ರಿಫ್ಟ್ ಅನ್ನು ಸಕ್ರಿಯವಾಗಿ ತಡೆಯುತ್ತದೆ.
ಸ್ಥಿರತೆಯನ್ನು ಹಾಳುಮಾಡುವ ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು
ಹೆಚ್ಚಿನ ಸ್ಥಿರತೆ ವಿಫಲತೆಗಳು ಸಾಧನದ ಮಿತಿಗಳಿಂದಲ್ಲ, ಕಾರ್ಯವಿಧಾನದ ದೋಷಗಳಿಂದ ಉಂಟಾಗುತ್ತವೆ.
- ಪ್ರಾಂಪ್ಟ್ಗಳ ನಡುವೆ ಪಾತ್ರದ ವಿವರಣೆಯನ್ನು ಬದಲಾಯಿಸುವುದು.
- ಭೌತಿಕ ವಿವರಣೆಗಳ ಬದಲಿಗೆ ಅಸ್ಪಷ್ಟ ವಿಶೇಷಣಗಳನ್ನು ಬಳಸುವುದು.
- ಗುರುತನ್ನು ನಿರ್ಧರಿಸುವಾಗ ಬೆಳಕಿನ ಸಂದರ್ಭವನ್ನು ನಿರ್ಲಕ್ಷಿಸುವುದು.
- ವಿಚಲನಗಳನ್ನು ತಡೆಯಲು ನೆಗೆಟಿವ್ ಪ್ರಾಂಪ್ಟಿಂಗ್ ಬಳಸದಿರುವುದು.
- ಪುನರಾವರ್ತಿತ ಸುಧಾರಣೆ ಇಲ್ಲದೆ ಪರಿಪೂರ್ಣ ಸ್ಥಿರತೆಯನ್ನು ನಿರೀಕ್ಷಿಸುವುದು.
- ಕಡಿಮೆ ಗುಣಮಟ್ಟದ ಅಥವಾ ಅಸ್ಪಷ್ಟವಾದ ಒಂದೇ ಉಲ್ಲೇಖ ಚಿತ್ರವನ್ನು ಬಳಸುವುದು.
ಈ ತಪ್ಪುಗಳನ್ನು ನೀವು ಮಾಡಿದರೆ, ಯಾವುದೇ ಸಾಧನವು ನಿಮ್ಮನ್ನು ಉಳಿಸುವುದಿಲ್ಲ. ಕಾರ್ಯವಿಧಾನವು ಶಿಸ್ತುಬದ್ಧವಾಗಿರಬೇಕು. ಪಠ್ಯವು ನಿಖರವಾಗಿರಬೇಕು. ಉಲ್ಲೇಖಗಳು ಸ್ಪಷ್ಟವಾಗಿರಬೇಕು. ಪುನರಾವರ್ತನೆ ನಿರಂತರವಾಗಿರಬೇಕು.
The AI Creative Workflow Guide
The reader will be able to select, integrate, and apply AI tools effectively across creative media and design workflows.
Get it — $29