Kako da pišete promptove za AI radi doslednog dizajna likova

Doslednost lika se održava definisanjem nepromenljivih osobina u tekstu i njihovim sidrenjem vizuelnim referencama, uz strogu kontrolu promenljivih poput osvetljenja i ugla. Ovo postižete tako što u svom toku rada odvojite identitet lika od konteksta scene.

Problem odstupanja lika kod generativnih modela

Generativni modeli tumače promptove probabilistički. Kada tražite specifičan lik, model uzorkuje iz distribucije mogućih tumačenja. Bez ograničenja, svaka generacija je novo bacanje kockice. Male varijacije u strukturi lica, teksturi kose ili detaljima odeće se akumuliraju kroz slike. Ovo odstupanje nastaje jer model daje prioritet celokupnoj kompoziciji i osvetljenju nad specifičnim obeležjima identiteta. Ako aktivno ne ograničite izlaz, lik postaje generički arhetip umesto konkretne individue.

Definisanje nepromenljivih osobina lika u promptovima

Morate identifikovati osobine koje definišu lik i tretirati ih kao nepregovarajuće. To su nepromenljive osobine. One uključuju specifičnu geometriju lica, boju očiju, oblik kose i jedinstvene komade odeće. Ne opisivajte lik nejasnim terminima poput "kul" ili "misteriozan". Opišite fizičku realnost. Umesto "grubog izgleda", navedite "kratko ošišana kosa, ožiljak iznad levog obrva, nošena kožna jakna."

• Navedite nepromenljive osobine u fiksnom bloku teksta.
• Ovaj blok držite identičnim za svaki prompt.
• Postavite ovaj blok na početak prompta kako biste mu dali veću težinu.
• Izbegavajte prideve koji impliciraju više tumačenja. Koristite konkretne imenice i fizičke opisivače.

Ako promenite opis kose, model može tumačiti novi opis kao drugačiji lik. Tekstualni prompt je primarno sidro. Ako je tekst dvosmislen, slika će biti nedosledna.

Korišćenje referentnih slika i stilskih sidara

Tekst sam po sebi često nije dovoljan za složene likove. Vizuelne reference pružaju prostorno i stilsko sidro. Otpremate sliku lika kako biste usmerili tumačenje identiteta od strane modela. Ovde se specifični alati uklapaju u proces.

• Midjourney se koristi kada je potrebno referencirati sliku određenog lika kako bi se osigurali dosledni crte lica i stil kroz nova generisanja.
• Adobe Firefly se koristi kada je potrebno otpremiti referentnu sliku lika kako bi se usmerio stil i identitet generisanih slika unutar Creative Cloud ekosistema.
• Leonardo.Ai se bira kada je potrebno zaključati specifične karakteristike lika i estetiku kroz više generisanja slika.
• Stable Diffusion se koristi za naprednu doslednost putem LoRA treniranja na skupovima podataka lika ili korišćenjem ControlNet-a za zaključavanje poze i strukture.
• Krea se primenjuje kada je potrebno otpremiti sliku kako bi se održao identitet i stil lika u real-time generisanju.
• Runway se koristi kada je potrebno održati doslednost lika pri generisanju video sekvenci ili animiranju statičnih dizajna likova.
• DALL-E 3 se oslanja na detaljne, specifične tekstualne upite i iterativno usavršavanje za održavanje doslednosti lika, jer nema nativnu funkciju referenciranja slike.

Kada koristite ove alate, ocenjujte izlaz na osnovu toga da li struktura lica odgovara referenci. Ne ocenjujte ga na osnovu toga da li scena izgleda dobro. Ako je lice pogrešno, scena je nebitna.

Upravljanje varijacijama osvetljenja i ugla

Osvetljenje i ugao su najčešći uzroci percipirane nedoslednosti. Lik na jakom dnevnom svetlu izgleda drugačije od istog lika u senci. Ovo nije drift; ovo je fizika. Međutim, modeli često tumače promene osvetljenja kao promene identiteta.

• Održavajte opis osvetljenja konzistentnim ako želite da lik izgleda isto.
• Ako promenite ugao, očekujte pomeranje crta lica.
• Koristite neutralno osvetljenje za listove likova kako biste uspostavili osnovni identitet.
• Primenujte dramatično osvetljenje tek nakon što je identitet zaključan.

Ako generišete lika u mračnoj uličici, a zatim u svetlom studiju, model može tumačiti senke kao različite strukture lica. Odvojite identitet od okruženja. Prvo generišite lika u neutralnom kontekstu. Zatim kompozitujte ili promptujte za specifično okruženje.

Iterativno usavršavanje i negativni promptovi

Nećete pogoditi iz prvog pokušaja. Iterativno usavršavanje je srž procesa. Generišite više varijacija. Izaberite onu koja je najbliža ciljnom identitetu. Iskoristite taj izbor kao novu referencu. Time se stvara povratna sprega koja pojačava konzistentnost.

Negativno promptovanje je neophodno. Modelu morate reći šta ne treba da radi.

• Navedite česta odstupanja u negativnom promptu.
• Uključite pojmove poput "different face," "wrong hair," ili "generic features."
• Ažurirajte negativni prompt kako primećujete nove vrste grešaka.

Ako model i dalje liku daje drugačiji oblik nosa, dodajte "wrong nose shape" u negativni prompt. Time se aktivno suzbija odstupanje.

Česte greške koje narušavaju konzistentnost

Većina problema sa konzistentnošću nastaje zbog grešaka u toku rada, a ne zbog ograničenja alata.

• menjanje opisa lika između promptova.
• korišćenje neodređenih prideva umesto fizičkih opisa.
• zanemarivanje konteksta osvetljenja pri proceni identiteta.
• neiskorišćavanje negativnog promptovanja za suzbijanje odstupanja.
• očekivanje savršene konzistentnosti bez iterativnog usavršavanja.
• korišćenje jedne referentne slike koja je niskog kvaliteta ili dvosmislena.

Ako pravite ove greške, nijedan alat vam neće pomoći. Proces mora biti disciplinovan. Tekst mora biti precizan. Reference moraju biti jasne. Iteracija mora biti kontinuirana.