Kā veidot AI promptus konsekventam tēlu dizainam

Tēlu konsekvenci saglabā, definējot nemainīgas pazīmes tekstā un nostiprinot tās ar vizuālām atsauces bildēm, pēc tam stingri kontrolējot mainīgos, piemēram, apgaismojumu un leņķi. To panāk, darbplūsmā atdalot tēla identitāti no ainas konteksta.

Tēlu nobīdes problēma ģeneratīvajā mākslīgajā intelektā

Ģeneratīvie modeļi interpretē promptus probabilistiski. Pieprasot konkrētu tēlu, modelis izvēlas paraugu no iespējamo interpretāciju sadalījuma. Bez ierobežojumiem katra ģenerēšana ir jauna kauliņa mešana. Nelielas variācijas sejas struktūrā, matu tekstūrā vai apģērba detaļās uzkrājas attēlu sērijā. Šī nobīde notiek tāpēc, ka modelis dod priekšroku kopējai kompozīcijai un apgaismojumam, nevis konkrētām identitātes pazīmēm. Ja aktīvi neierobežojat iznākumu, tēls kļūst par vispārīgu arhetipu, nevis konkrētu indivīdu.

Nemainīgu tēla pazīmju definēšana promptos

Jāidentificē pazīmes, kas definē tēlu, un jāuztver tās kā nenoliedzamas. Tās ir nemainīgās pazīmes. Tās ietver konkrētu sejas ģeometriju, acu krāsu, matu formu un unikālus apģērba elementus. Neaprakstiet tēlu vispārīgi, piemēram, "foršs" vai "noslēpumains". Aprakstiet fizisko realitāti. Tā vietā, lai rakstītu "rupjā izskatā", norādiet "īsāki griezti mati, rēta virs kreisās uzacis, nodiluša ādas jaka".

• Uzskaitiet nemainīgās pazīmes fiksētā teksta blokā.
• Saglabājiet šo bloku identisku katram promptam.
• Novietojiet šo bloku prompta sākumā, lai piešķirtu tam lielu svaru.
• Izvairieties no īpašības vārdiem, kas pieļauj vairākas interpretācijas. Lietojiet konkrētus lietvārdus un fiziskus aprakstītājus.

Ja maināt matu aprakstu, modelis var interpretēt jauno aprakstu kā citu tēlu. Teksta prompts ir galvenais enkurs. Ja teksts ir neviennozīmīgs, attēls būs nekonsekvents.

Atsauces attēlu un stila enkuru izmantošana

Teksts vien bieži vien ir nepietiekams sarežģītiem tēliem. Vizuālās atsauces nodrošina telpisku un stilistisku enkuru. Jūs augšupielādējat tēla attēlu, lai vadītu modeļa identitātes interpretāciju. Šajā posmā konkrēti rīki iekļaujas procesā.

• Midjourney izvēlieties, ja jāizmanto konkrēta tēla atsauce, lai nodrošinātu vienādas sejas iezīmes un stilu jaunās ģenerācijās.
• Adobe Firefly izmantojiet, ja jāaugšupielādē tēla atsauces attēls, lai vadītu ģenerēto attēlu stilu un identitāti Creative Cloud ekosistēmā.
• Leonardo.Ai izvēlieties, ja jāfiksē konkrētas tēla īpašības un estētika vairākās attēlu ģenerācijās.
• Stable Diffusion izmantojiet, lai panāktu augstāku konsistenci, apmācot LoRA uz tēlu datu kopām vai izmantojot ControlNet pozas un struktūras fiksēšanai.
• Krea pielietojiet, ja jāaugšupielādē attēls, lai reāllaika ģenerēšanā saglabātu tēla identitāti un stilu.
• Runway izmantojiet, ja jāuztur tēla konsistence, ģenerējot video sērijas vai animējot statiskus tēlu dizainus.
• DALL-E 3 paļaujieties, ja jāuztur tēla konsistence, izmantojot detalizētus, specifiskus teksta aicinājumus un iteratīvu uzlabošanu, jo tam nav iebūvētas attēla atsauces funkcijas.

Izmantojot šos rīkus, novērtējiet rezultātu pēc tā, vai sejas struktūra atbilst atsaucei. Nevērtējiet pēc tā, vai ainas izskatās labi. Ja seja ir nepareiza, aina nav svarīga.

Apgaismojuma un leņķa variāciju pārvaldība

Apgaismojums un leņķis ir visbiežāk sastopamie šķietamās nekonsekvences cēloņi. Tēls spilgtā dienas gaismā izskatās citādāk nekā tas pats tēls ēnā. Tas nav nobīde; tas ir fizikas likums. Tomēr modeļi bieži interpretē apgaismojuma izmaiņas kā identitātes izmaiņas.

• Saglabājiet apgaismojuma aprakstu konsekventu, ja vēlaties, lai tēls izskatītos vienādi.
• Ja maināt leņķi, gaidiet sejas iezīmju nobīdi.
• Izmantojiet neitrālu apgaismojumu tēlu lapām, lai izveidotu sākotnējo identitāti.
• Dramatiskus apgaismojuma efektus pielietojiet tikai pēc tam, kad identitāte ir fiksēta.

Ja ģenerējat tēlu tumšā alejā un pēc tam gaišā studijā, modelis var interpretēt ēnas kā atšķirīgas sejas struktūras. Atdaliet identitāti no vides. Vispirms ģenerējiet tēlu neitrālā kontekstā. Pēc tam kompozīti vai izmantojiet aicinājumu konkrētajai videi.

Iteratīva uzlabošana un negatīvie aicinājumi

Pirmajā reizē rezultāts nebūs ideāls. Iteratīva pilnveidošana ir darba plūsmas pamatā. Ģenerējiet vairākas variācijas. Izvēlieties to, kas visprecīzāk atbilst mērķa identitātei. Izmantojiet šo izvēli kā jaunu atskaites punktu. Tas rada atgriezeniskās saites ciklu, kas nostiprina konsistenci.

Negatīvā norāde ir būtiska. Modelim ir jānorāda, ko nedrīkst darīt.

• Norādiet biežāk sastopamās novirzes negatīvajā norādē.
• Iekļaujiet tādus terminus kā "different face", "wrong hair" vai "generic features".
• Atjauniniet negatīvo norādi, kad pamanāt jauna veida kļūdas.

Ja modelis nepārtraukti piešķir tēlam citu deguna formu, pievienojiet "wrong nose shape" negatīvajai norādei. Tas aktīvi novērš novirzes.

Biežākās kļūdas, kas traucē konsistenci

Lielākā daļa konsistences problēmu izriet no darba plūsmas kļūdām, nevis no rīka ierobežojumiem.

• Raksturojuma apraksta maiņa starp norādēm.
• Neprecīzu īpašības vārdu izmantošana fizisko raksturojumu vietā.
• Apgaismojuma konteksta ignorēšana, vērtējot identitāti.
• Negatīvās norādes neizmantošana noviržu mazināšanai.
• Perfektas konsistences sagaidīšana bez iteratīvas pilnveidošanas.
• Viena zemas kvalitātes vai neviennozīmīga atskaites attēla izmantošana.

Ja pieļausiet šīs kļūdas, neviens rīks jūs neizglābs. Darba plūsmai jābūt disciplinētai. Tekstam jābūt precīzam. Atskaites materiāliem jābūt skaidriem. Iterācijām jābūt nepārtrauktām.