Kā veidot AI vaicājumus konsekventam vizuālajam stilam

Lai nodrošinātu konsekventu vizuālo stilu vairākos izvados, ir nepieciešams katrā vaicājumā skaidri definēt estētiskos parametrus un nostiprināt tos ar konkrētiem, neabstraktiem aprakstītājiem, paļaujoties uz implicitu kontekstu. Konsekvence izpaliek, ja atstāt vietu modeļa probabilistiskajai interpretācijai par izplūdušiem jēdzieniem; tā izdodas, ja ierobežojat ģenerēšanas telpu ar precīzu tehnisku valodu.

Kāpēc ģeneratīvajos modeļos rodas vizuālā stila nobīde

Ģeneratīvajiem modeļiem nav pastāvīgas atmiņas par jūsu projektu. Katra ģenerēšana ir neatkarīga izlase no plašas iespējamo attēlu sadalījuma. Kad vaicājat par "cyberpunk pilsētu", modelis izvēlas no tūkstošiem latentu vektoru, kas atbilst šim jēdzienam: daži tiecas uz neona zaļo, citi uz magentas, daži ir raupji un netīri, citi tīri un futūristiski. Bez skaidriem ierobežojumiem modelis noklusējuma izvēlas visbiežāk sastopamo šo vektoru vidējo vērtību, kas nedaudz mainās ar katru jaunu sēklu vai nelielu vaicājuma variāciju. Šī nobīde nav kļūda; tā ir augstdimensionālas izlases daba. Ja lūdzat "portretu Van Goga stilā", modelis to var interpretēt kā biezu impasto tekstūru vienā izvādā un brīvas, virpuļojošas otas trienas nākamajā, jo abas ir derīgas stila interpretācijas. Modelis nezina, ka jūsu iepriekšējais attēls izmantoja biezu impasto; tas zina tikai pašreizējo vaicājumu. Tādēļ konsekvence nav emergenta īpašība, lietojot to pašu modeli; tā ir inženieriski izveidota īpašība, lietojot tos pašus skaidros ierobežojumus katru reizi.

Stila parametru definēšana: apgaismojums, krāsu palete un tekstūra

Nelietojiet vienvārdu stila birkas, piemēram, "noskaņots" vai "dzīvīgs". Tie ir neviennozīmīgi un atstāj pārāk daudz brīvības modelim. Tā vietā sadaliet savu stilu trīs kontrolējamās asīs: apgaismojumā, krāsā un tekstūrā.

Apgaismojumam norādiet avotu un kvalitāti. Tā vietā, lai rakstītu "dramatisks apgaismojums", rakstiet "cieta virzīta gaisma no augšējā kreisā stūra, metot asrus ēnas, augsts kontrasts". Tas modelim precīzi norāda, no kurienes nāk gaisma un kā tā mijiedarbojas ar virsmām. Krāsām nosauciet konkrētas nokrāsas vai paletes. "Noplakani zemes toņi" ir vispārīgi; "piesātināti zaļi, okeri un pelēki ar zemu piesātinājumu" ir precīzi. Ja vēlaties noteiktu noskaņu, piesieniet to konkrētai atsaucei, piemēram, "skandināvu interjera žurnāla krāsu paletei". Tekstūrai aprakstiet virsmas kvalitāti. "Raibs" ir nepietiekami; "graudaina filmas tekstūra, redzama graudainība, neliela hromatiska aberācija malās" ir darbīgs apraksts. Rakstot savu uzdevumu, uzskaitiet šos parametrus eksplicīti. Konsekvents stils ir konsekventa tehnisko instrukciju kopa, nevis konsekventa noskaņa.

Atsauces attēlu un stila aprakstītāju efektīva izmantošana

Atsauces attēli ir spēcīgi enkuri, bet tie jāizmanto apzināti. Ja augšupielādējat atsauces attēlu, modelis aizgūs tā kompozīciju, apgaismojumu un paleti. Tomēr tas var aizgūt arī nevēlamus elementus, piemēram, konkrētus objektus vai fonu. Lai izolētu stilu, izmantojiet atsauces, kurām ir vēlamā estētika, bet atšķirīgs motīvs. Ja vēlaties konsekventu apgaismojumu portretu sērijai, izmantojiet ainavas atsauces attēlu, kas apgaismots ar tāda paša veida gaismu. Tas māca modelim apgaismojuma loģiku, nepiesārņojot motīvu.

Izmantojot teksta aprakstītājus kopā ar atsauces, atkārtojiet galvenos stilistiskos terminus no sava atsauces attēla. Ja jūsu atsaucei ir "maiga izkliedēta gaisma", iekļaujiet šo frāzi savā teksta uzdevumā. Tas nostiprina vizuālo norādi. Nekad nepaļaujieties tikai uz atsauces attēlu, lai nesu stilu; teksta uzdevumam aktīvi jāvirza ģenerēšana uz vēlamo estētiku. Ja teksts un attēls nesakrīt, teksts parasti uzvar, tāpēc saskaņojiet tos.

Uzdevumu strukturēšana partijas konsistencei

Ģenerējot attēlu partiju, izmantojiet fiksētu uzdevuma veidni. Strukturējiet savu uzdevumu trīs daļās: motīvs, stila ierobežojumi un negatīvie ierobežojumi. Saglabājiet stila un negatīvās daļas identiskas visos partijas uzdevumos. Mainiet tikai motīva daļu. Piemēram:

• Motīvs: Sieviete, kas tur kafijas krūzi
• Stils: Cieta virzīta gaisma no augšējā kreisā stūra, noplakani zemes toņi, graudaina filmas tekstūra
• Negatīvais: Neons, spilgtas krāsas, gluda digitāla izskata, karikatūra

Nemainiet stila sadaļu atsevišķiem attēliem. Ja vienam attēlam nepieciešams cits apgaismojuma uzstādījums, tas ir jauns stils, un jāsāk jauna partija ar jaunu veidni. Stilu sajaukšana vienā partijā rada novirzes, jo modelis vidējo pretrunīgās instrukcijas. Konsekvence tiek panākta, stilu uzskatot par konstantu lielumu, bet objektu – par vienīgo neatkarīgo lielumu.

Biežākās kļūdas, kas traucē vizuālo saskaņotību

Visbiežāk sastopamā kļūda ir subjektīvu īpašības vārdu, piemēram, "skaists", "foršs" vai "episks", lietošana. Šiem terminiem nav stabilas vizuālas definīcijas, un tie ievieš nejaušu mainīgumu. Noņemiet tos. Aizstājiet tos ar aprakstošām īpašībām.

Vēl viena kļūda ir pārāk liela paļaušanās uz modeļa noklusējuma iestatījumiem. Dažiem modeļiem ir iebūvēta tendence uz konkrētām estetikām, piemēram, augstu kontrastu vai specifisku krāsu nokrāsu. Ja vēlamais stils ir pretējs šiem noklusējuma iestatījumiem, tie jākompensē ar skaidrām negatīvām uzlīmēm. Piemēram, ja vēlaties mīkstu, zema kontrasta apgaismojumu, bet modelis noklusējumā izmanto augstu kontrastu, pievienojiet "low contrast, soft shadows" stila sadaļā un "high contrast, harsh shadows" negatīvajā sadaļā.

Visbeidzot, neizlaidiet negatīvo uzlīmi. Negatīvās uzlīmes nav pēc izvēles. Tās nosaka, no kā modelim jāizvairās, kas bieži vien ir efektīvāk nekā noteikt, kas tam jāiekļauj. Stils bez negatīvas definīcijas ir pusdefinēts stils.

Tehnikas stila saglabāšanai dažādos objektos

Pārejot starp ļoti atšķirīgiem objektiem, piemēram, no personas uz produktu vai ainavu, stila ierobežojumiem jābūt pietiekami izturīgiem, lai tie būtu piemēroti visiem. Pirms pilnas ražošanas partijas sāpšanas pārbaudiet sava stila veidni uz dažādiem objektiem. Ja stils vienā objekta tipā nestrādā, precizējiet aprakstītājus. Piemēram, "grainy film texture" var izskatīties dabiski personai, bet mākslīgi – gludam produktam. Šādā gadījumā pielāgojiet tekstūras aprakstītāju uz tādu, kas der visos kontekstos, piemēram, "subtle film grain, slight lens flare".

Izmantojiet starpposma objektus, lai savienotu atšķirības. Ja pārejat no portreta uz pilsētas ainavu, ģenerējiet starpposma attēlu ar personu pilsētā. Tas palīdz pārbaudīt, vai stila ierobežojumi saglabājas pārejā. Ja stils starpposma attēlā novirzās, izlabojiet uzlīmi pirms pārejas uz galīgo objektu.

Stila konsistence ir ierobežojumu pārvaldības process, nevis maģija. Jūs nelūdzat AI atcerēties jūsu gaumi; jūs katru reizi sniedzat tam precīzu specifikāciju. Uzstādiet sava stila uzdevumu kā recepti: visām sastāvdaļām jābūt uzskaitītām, izmērītām un atkārtotām. Novirzoties no receptes, mainās ēdiens. Ievērojot to, rezultāts palīdz saglabāt koherenci.