Hanyutan pencahayaan berlaku apabila imej berturutan yang dijana oleh model AI menunjukkan perbezaan halus tetapi ketara dalam kedudukan sumber cahaya, tahap kecerahan, atau rona. Ini terjadi kerana kebanyakan model generatif menganggap setiap penjanaan imej sebagai peristiwa bebas, mengoptimumkan untuk kontras dan kejelasan setempat dan bukan kesinambungan global. Apabila anda menjana imej kedua, model mungkin mentafsir "cahaya pagi yang cerah" sedikit berbeza daripada tafsiran untuk imej pertama, mengubah sudut matahari atau meningkatkan suhu keseimbangan putih. Ketidakseragaman ini memecahkan ilusi adegan yang berterusan, menjadikan siri tersebut terasa terpisah dan bukan kohesif. Untuk mengatasi ini, anda mesti menganggap pencahayaan bukan sebagai hasil sampingan automatik daripada prompt, tetapi sebagai kekangan ketat yang ditakrifkan dalam teks dan diperkukuh melalui rujukan visual.
Menentukan 'Sauh Pencahayaan' dalam Prompt Awal Anda
Kaedah paling berkesan untuk konsistensi adalah menetapkan definisi teks yang ketat mengenai keadaan pencahayaan dalam prompt pertama anda. Definisi ini bertindak sebagai "sauh" untuk semua imej seterusnya. Jangan bergantung kepada penerangan umum seperti "cahaya semula jadi" atau "cerah dan lapang", yang terlalu luas dan membenarkan terlalu banyak variasi tafsiran. Sebaliknya, nyatakan ciri-ciri fizikal sumber cahaya dengan ketepatan geometri dan kromatik.
Anda perlu menentukan tiga parameter khusus: arah, kualiti, dan suhu. Untuk arah, nyatakan tepat dari mana cahaya berasal relatif kepada subjek, contohnya "cahaya datang dari kiri atas pada sudut 45 darjah." Untuk kualiti, bezakan antara cahaya keras dan lembut dengan menggambarkan definisi tepi bayang-bayang, seperti "bayang-bayang tajam dan berkontras tinggi dengan difusi minimum" berbanding "cahaya lembut dan terdifusi dengan peralihan gradien yang halus." Untuk suhu, elakkan istilah subjektif seperti "hangat." Sebaliknya, gambarkan anjakan rona relatif kepada putih neutral, seperti "rona keemasan sedikit yang tipikal bagi matahari lewat petang" atau "cahaya ambien bernada biru sejuk pada awal pagi." Dengan menetapkan ketiga-tiga pemboleh ubah ini dalam satu ayat ringkas yang anda tampal secara verbatim ke dalam setiap prompt seterusnya, anda memberikan model struktur logik tetap untuk diikuti, sekali gus mengurangkan kerawanan dalam tafsirannya.
Menggunakan Imej Rujukan untuk Menetapkan Arah dan Intensiti Bayang-bayang
Teks sahaja sering gagal menyampaikan intensiti cahaya yang tepat, kerana tafsiran model terhadap "cerah" boleh berubah berdasarkan elemen lain dalam prompt. Untuk mengatasi ini, gunakan imej rujukan sebagai sauh visual. Teknik ini melibatkan memuat naik atau melampirkan imej khusus yang mencerminkan keadaan pencahayaan tepat yang anda inginkan, kemudian mengarahkan model untuk meniru susunan pencahayaan daripada rujukan ini ke atas subjek baharu anda.
When memilih imej rujukan, pilih satu yang mempunyai bayang-bayang jelas dan berbeza. Imej yang rata dan diterangi secara seragam memberikan sedikit maklumat tentang arah atau intensiti, manakala imej dengan bayang-bayang berarah yang kuat memberikan petunjuk geometri yang jelas kepada model. Apabila anda memasukkan imej rujukan, gabungkannya dengan arahan ringkas yang memisahkan kandungan daripada pencahayaan. Contohnya, arahkan model untuk "terapkan tetapan pencahayaan daripada imej rujukan kepada subjek baharu." Ini memaksa model untuk memberi keutamaan kepada hubungan ruang antara sumber cahaya dan objek berbanding butiran khusus imej rujukan itu sendiri. Pastikan imej rujukan kekal konsisten sepanjang keseluruhan urutan. Peralihan imej rujukan antara penjanaan memperkenalkan pemboleh ubah baharu, yang menyebabkan anjakan serta-merta. Dengan mengaitkan setiap penjanaan kepada contoh visual yang sama, anda mencipta tatabahasa visual yang diulang oleh model merentas subjek berbeza, memastikan panjang dan kegelapan bayang-bayang kekal berkadar dari satu shot ke shot yang lain.
Teknik untuk Menyesuaikan Konsistensi Suhu Warna Antara Shot
Walaupun dengan arah dan intensiti yang konsisten, suhu warna—kehangatan atau kesejukan cahaya—boleh berubah disebabkan oleh algoritma keseimbangan warna dalaman model. Algoritma ini sering cuba membetulkan rona warna yang dikesan dalam bahan subjek, yang secara tidak sengaja boleh mengubah rona pencahayaan latar belakang. Untuk mengekalkan konsistensi suhu, anda mesti memisahkan warna pencahayaan daripada warna semula jadi subjek.
Satu teknik yang berkesan ialah menentukan warna pencahayaan secara berasingan daripada penerangan pemandangan. Daripada mencampurkan penerangan pencahayaan ke dalam naratif utama, tambah klausa pencahayaan khusus di hujung prompt anda. Gunakan istilah warna relatif yang menerangkan hubungan antara sumber cahaya dan bukannya nilai mutlak. Contohnya, jika anda mahukan rupa neutral, tentukan "keseimbangan warna neutral tanpa dominasi warna." Jika anda mahukan kehangatan, tentukan "kehangatan jam emas tanpa penepuan berlebihan warna merah." Ini membantu mencegah model daripada membuat pampasan berlebihan terhadap warna dalam pemandangan. Selain itu, jika anda menjana siri di mana waktu hari berubah, huraikan perubahan suhu sebagai gradien dan bukannya lompatan. Contohnya, beralih daripada "biru pagi sejuk" kepada "putih tengah hari neutral" kepada "emas petang hangat" dengan menggunakan penerang perantara untuk setiap langkah. Ini mewujudkan kemajuan logik yang boleh diikuti oleh model, memastikan perubahan warna terasa disengajakan dan lancar dan bukannya tidak menentu.
Mengatasi Sorotan dan Bayang Tidak Serasi dalam Komposisi Akhir
Walaupun dengan prompt yang teliti, ketidakserasian dalam intensiti sorotan atau kedalaman bayang mungkin masih berlaku. Semasa menyemak satu urutan, cari ketidakserasian dalam kecerahan bahagian paling terang imej (sorotan) dan kegelapan bayang paling dalam. Jika satu imej kelihatan pudar manakala satu lagi kelihatan dalam dan berkontras tajam, intensiti pencahayaan telah berubah.
Untuk menyelesaikan masalah ini, semak dahulu panjang prompt. Prompt yang lebih panjang dan kompleks boleh mencairkan impak arahan pencahayaan tertentu. Permudahkan prompt anda dengan membuang kata sifat yang tidak perlu mengenai subjek dan fokus pada klausa pencahayaan. Jika anjakan berterusan, laras tetapan "strength" atau "influence" jika alat anda membenarkannya, dengan memberikan pemberat lebih tinggi kepada imej rujukan berbanding prompt teks. Isu biasa lain ialah kerumitan latar belakang; latar belakang yang sibuk boleh menyebabkan model melaraskan pencahayaan untuk memastikan subjek menonjol, sekali gus mengubah pendedahan keseluruhan. Untuk memperbaikinya, permudahkan penerangan latar belakang dalam prompt seterusnya, menggunakan istilah seperti "minimalist background" atau "solid color backdrop" supaya pencahayaan berkelakuan secara boleh diramal. Akhir sekali, jika imej tertentu jauh berbeza, jana semula menggunakan imej berjaya sebelumnya sebagai satu-satunya rujukan untuk pencahayaan, dan bukan bergantung sepenuhnya pada prompt teks asal. Penambahbaikan berulang ini membantu menarik urutan kembali ke arah sauh yang ditetapkan, memastikan naratif visual yang koheren.