ফটোগ্রাফিক ভিজ্যুয়াল প্রোডাকশন এবং প্রম্পট অ্যানাটমি: কীভাবে ডিফিউশন কাজ করে?

লাভ:

• চিত্র-উৎপাদনকারী কৃত্রিম বুদ্ধিমত্তা (ডিফিউশন) কীভাবে কাজ করে এবং ফটোগ্রাফিক রিয়ালিজমের জন্য কী রেসিপি উপাদান প্রয়োজন তা বোঝা
• বিষয়, আলো, লেন্স/ক্যামেরা, রচনা, বায়ুমণ্ডল এবং প্রযুক্তিগত উপাদান সমন্বিত একটি শক্তিশালী ফটোগ্রাফিক প্রম্পট লেখার ক্ষমতা।
• একটি উত্পাদিত ছবি এবং তোলা ছবি, ব্যবহারের সীমা এবং সত্যতা ঘোষণার গুরুত্বের মধ্যে পার্থক্য করার ক্ষমতা

একজন ফটোগ্রাফার তিনটি বৈধ উদ্দেশ্যে জেনারেটিভ ভিজ্যুয়াল এআই ব্যবহার করেন: মুডবোর্ড এবং ধারণার জন্য খসড়া রেফারেন্স তৈরি করতে, এমন উপাদান তৈরি করতে যা প্রকৃত শটের পরিপূরক (পটভূমি, টেক্সচার, কম্পোজিট টুকরা) এবং সম্পূর্ণভাবে তৈরি ছবি তৈরি করতে (উদাহরণস্বরূপ, একটি স্টক বিক্রয় বা বিজ্ঞাপন ধারণার জন্য)। এই ইউনিটে, আমরা শিখব কিভাবে এই টুলগুলো কাজ করে এবং কিভাবে ফটোগ্রাফিক রিয়ালিজমের জন্য প্রম্পট লিখতে হয়। লক্ষ্যটি সুযোগ দ্বারা একটি চমৎকার শট জন্য অপেক্ষা করা হয় না; এর অর্থ হল আপনি একজন ফটোগ্রাফারের ভাষায় যা চান তা বর্ণনা করা এবং ফলাফল নির্দেশ করা।

বিস্তার: মডেল কিভাবে "ফটোগ্রাফ" উত্পাদন করে?

আজকের ইমেজ-উৎপাদনকারী এআইগুলির বেশিরভাগই ডিফিউশন নামক একটি পদ্ধতিতে কাজ করে। সহজভাবে: মডেলটি লক্ষ লক্ষ ছবিতে "গোলমাল থেকে অর্থপূর্ণ চিত্রে" যেতে শিখেছে। এটি উত্পাদনের সময় এলোমেলো শব্দ থেকে শুরু হয় (একটি তুষারময় স্ক্রিনশটের মতো) এবং আপনার পাঠ্য (প্রম্পট) ফিট করার জন্য ধীরে ধীরে শব্দটি পরিষ্কার করে একটি চিত্র তৈরি করে। এ থেকে দুটি মৌলিক তথ্য উঠে আসে:

প্রথমত, মডেল যা বর্ণনা করা হয়নি তা তৈরি করতে পারে না। আলো না বললে এলোমেলো আলো আসবে; আপনি যদি বস্তুনিষ্ঠ দৃষ্টিভঙ্গি বিবেচনা না করেন তবে "ফটোগ্রাফির অনুভূতি" একটি কাকতালীয় থেকে যাবে। দ্বিতীয়ত, মডেল বুঝতে পারে না, এটি ভবিষ্যদ্বাণী করে। সেজন্য সে এমন জায়গায় ভুল করে (হ্যালুসিনেশন) যেখানে যুক্তির প্রয়োজন হয়, যেমন হাত, পাঠ্য, প্রতিফলন, প্রতিসাম্য। আপনি যদি ফটোগ্রাফিক রিয়ালিজম চান, তাহলে আপনাকে স্পষ্টভাবে প্রযুক্তিগত সিদ্ধান্তগুলি বর্ণনা করতে হবে—আলো, লেন্স, কম্পোজিশন—যা একটি ফটোগ্রাফকে ফটোগ্রাফ করে তোলে।

সতর্কতা: যদিও একটি জেনারেট করা ছবি দেখতে "ফটোর মতো" হতে পারে, তবে এটি একটি ছবি নয়; এটি একটি বাস্তব মুহূর্ত নথিভুক্ত না. "এটি সত্যিই ঘটেছে" দাবি করে একটি সংবাদ গল্প, তথ্যচিত্র বা প্রসঙ্গে এটি ব্যবহার করা বিভ্রান্তিকর এবং নৈতিক সীমা লঙ্ঘন করে, যা আমরা ইউনিট 9 এ কভার করব।

ফটোগ্রাফিক প্রম্পট অ্যানাটমি

একটি শক্তিশালী ফটোগ্রাফিক প্রম্পট ছয়টি উপাদান নিয়ে গঠিত। শ্যুট করার পরিকল্পনা করার মতো এগুলিকে ভাবুন:

1. বিষয়: কি/কে? বয়স, পোশাক, ভাব, কর্ম, সংখ্যা। ("একজন মধ্যবয়সী ছুতার, একটি এপ্রোন, ওয়ার্কবেঞ্চে কাজ করছেন")
2. আলো: দিকনির্দেশ, কঠোরতা, উত্স, সময়। এটি ফটোগ্রাফির হৃদয়। ("নরম পাশের জানালার আলো, সকাল, কম বৈসাদৃশ্য")
3. লেন্স এবং ক্যামেরা ভিউ: ফোকাল দৈর্ঘ্য, ক্ষেত্রের গভীরতা, কোণ। ("85 মিমি পোর্ট্রেট লেন্স অনুভূতি, ক্ষেত্রের অগভীর গভীরতা, নরম ব্যাকগ্রাউন্ড বোকেহ, চোখের স্তর")
4. রচনা: ফ্রেমিং, প্লেসমেন্ট, ফ্রেমিং। ("ক্লোজ-আপ, রুল অফ থার্ডস, বিষয় বাম দিকে")
5. বায়ুমণ্ডল এবং রঙ: স্বন, মেজাজ, প্যালেট। ("উষ্ণ পৃথিবীর সুর, শান্ত, নস্টালজিক")
6. প্রযুক্তি/গুণমান: টেক্সচার, বাস্তবতার নোট, আকৃতির অনুপাত। ("প্রাকৃতিক ত্বকের টেক্সচার, ফিল্ম গ্রেইন, 3:2 অনুপাত")

আপনি যখন এই উপাদানগুলিকে ক্রমানুসারে প্রবর্তন করেন, মডেলটি অনেক বেশি নিয়ন্ত্রিত, "ফটোগ্রাফিক" ফলাফল তৈরি করে। আপনি যে কোনো উপাদান ছেড়ে সুযোগ সুযোগ বাকি আছে.

টিপ: এআই টেক্সট/লোগো আঁকবেন না। ডিফিউশন মডেলগুলি নির্ভরযোগ্যভাবে পাঠযোগ্য পাঠ্য এবং মালিকানাধীন লোগো তৈরি করতে পারে না; প্রকৃত নকশা পর্যায়ে তাদের যোগ করুন. এছাড়াও, পঠনযোগ্য পাঠ্যের প্রয়োজন এমন একটি ছবিতে, শুধুমাত্র ব্যাকড্রপ/বায়ুমণ্ডলের জন্য AI ব্যবহার করুন।

আকৃতির অনুপাত এবং উদ্দেশ্যমূলক ব্যবহার

আকৃতির অনুপাত হল ছবির প্রস্থ-থেকে-উচ্চতা অনুপাত এবং এটির ব্যবহার নির্ধারণ করে: একটি সামাজিক মিডিয়া উল্লম্ব গল্পের জন্য 9:16, স্ট্যান্ডার্ড প্রিন্টের জন্য 3:2, একটি বর্গাকার পোস্টের জন্য 1:1, একটি প্রশস্ত ব্যানারের জন্য 16:9৷ এটি পরে ছাঁটা এবং গুণমান হারানোর চেয়ে শুরু থেকে প্রম্পটে অনুপাত উল্লেখ করা ভাল। উদ্দেশ্য ব্যবহার (মুদ্রণ বা প্রদর্শন) জেনে খুব শুরু থেকেই রেজোলিউশন এবং অনুপাত চয়ন করুন।

নেতিবাচক রেসিপি এবং প্রকরণ

বেশিরভাগ সরঞ্জামের একটি নেতিবাচক প্রম্পটও থাকে: এমন একটি এলাকা যেখানে আপনি ছবিতে যা চান না তা লিখুন ("বিকৃত হাত, অতিরিক্ত আঙ্গুল, পাঠ্য, জলছাপ, প্লাস্টিক বাঁধাই")। এটি হ্রাস করে তবে সাধারণ ত্রুটিগুলি সম্পূর্ণরূপে প্রতিরোধ করে না; যাচাইকরণ এখনও অপরিহার্য। বীজের ধারণাও আছে—এলোমেলোতার বীজ যেখান থেকে উৎপাদন শুরু হয়; একই বীজ এবং প্রম্পট আবার একই ফলাফল তৈরি করে, যা আপনাকে একটি সামঞ্জস্যপূর্ণ সেট তৈরি করতে সহায়তা করে (আমরা 4 র্থ ইউনিটে আরও গভীরতায় যাব)।

তিনটি মিনি কেস

কেস 1 - রেসিপি শক্তি. একজন স্টক ফটোগ্রাফার লিখেছেন "মহিলা কফি পান করছেন" এবং হতাশাজনক ফলাফল পেয়েছেন। যখন প্রম্পটা আলো (পার্শ্বের জানালার আলো), লেন্স (50 মিমি, ক্ষেত্রের অগভীর গভীরতা), বায়ুমণ্ডল (উষ্ণ, শান্ত সকাল) এবং টেক্সচার (প্রাকৃতিক ত্বক) যোগ করে, ফলাফলটি ব্যবহারযোগ্য হয়ে ওঠে। গ্রহণযোগ্য ফ্রেম তৈরির হার আনুমানিক 1/20 থেকে 1/4 বৃদ্ধি পেয়েছে; উৎপাদন সময় এক তৃতীয়াংশ হ্রাস করা হয়েছিল।

কেস 2 - হ্যালুসিনেশন থেকে ক্ষতি। একজন ডিজাইনার-ফটোগ্রাফার "ব্যবসায়িক লোকেদের হ্যান্ডশেকিং" এর একটি ইমেজ চেক না করেই উপস্থাপনায় রাখেন। মিটিংয়ে দেখা গেল একজন ম্যানেজারের তিনটি হাত। ছোট পর্দায় যে ত্রুটিটি উপেক্ষা করা হয়েছিল তা প্রজেকশনে বড় করা হয়েছিল। একটি 30-সেকেন্ডের হাত/আঙ্গুলের স্ক্যান এই বিব্রতকর অবস্থাকে প্রতিরোধ করত।

কেস 3 - সঠিক টুল নির্বাচন করা। একজন পণ্য ফটোগ্রাফার একটি বাস্তব ঘড়ি রাখতে চেয়েছিলেন যা তিনি একটি ভিন্ন পরিবেশে শুট করেছিলেন। এটি স্ক্র্যাচ থেকে উত্পাদন করার পরিবর্তে, এটি আসল পণ্যের ফ্রেমটি রেখেছিল, শুধুমাত্র পটভূমি/বায়ুমণ্ডলটি AI দিয়ে উত্পাদিত হয়েছিল এবং কম্পোজিট করা হয়েছিল। সুতরাং, পণ্যের প্রকৃত বিবরণ (ব্র্যান্ড, ডায়াল) বিকৃত হয়নি; উভয় বিশ্বাসযোগ্যতা এবং নির্ভুলতা সংরক্ষিত ছিল.

অনুলিপিযোগ্য টেমপ্লেট

1) ফটোগ্রাফিক প্রম্পট কঙ্কাল:

[বিষয়: কে/কী, বয়স, পোশাক, অভিব্যক্তি, কর্ম], [আলো: দিকনির্দেশ, কঠোরতা, উত্স, সময়], [লেন্স/ক্যামেরা: ফোকাল দৈর্ঘ্যের অনুভূতি, ক্ষেত্রের গভীরতা, কোণ], [রচনা: ফ্রেমিং, প্লেসমেন্ট, কনভেনশন], [বায়ুমণ্ডল/রঙ: টোন, মুড, প্যালেট, প্রাকৃতিক টেক্সট] অনুপাত]। ফটোগ্রাফিক, বাস্তবসম্মত। পাঠ্য/লোগো যোগ করুন।

2) নেতিবাচক প্রম্পট খসড়া:

নেতিবাচক (আমি যা চাই না): বিকৃত হাত, অতিরিক্ত/অনুপস্থিত আঙ্গুল, আঁকাবাঁকা মুখ, প্লাস্টিক/মোমের মতো ত্বক, অপঠনযোগ্য পাঠ্য, জলছাপ, পুনরাবৃত্ত টেক্সচার, অসম্ভব ছায়া, অতিস্যাচুরেটেড রঙ।

3) মুডবোর্ড রেফারেন্সের জন্য (দিকনির্দেশ, বিতরণ নয়):

উদ্দেশ্য: একটি অঙ্কুর জন্য মুডবোর্ড রেফারেন্স (ডেলিভারযোগ্য নয়)। ধারণা: [ধারণা]। শুধুমাত্র গুণাবলী সহ নান্দনিক বর্ণনা করুন: হালকা [..], রঙের প্যালেট [..], বায়ুমণ্ডল [..], রচনা [..]। কোনো ব্যক্তি/ব্র্যান্ড/ফটোগ্রাফারের নাম ব্যবহার করবেন না। 4টি বৈচিত্র তৈরি করুন।

4) যৌগিক পরিকল্পনা প্রকৃত পণ্য রক্ষা করে:

আমি একটি বাস্তব [পণ্য] শট আছে; পণ্য নিজেই পরিবর্তন হবে না. শুধুমাত্র ব্যাকগ্রাউন্ড/বায়ুমন্ডলের জন্য ইমেজ তৈরি করার জন্য প্রম্পট লিখুন: [আলো, পৃষ্ঠ, রঙ, পরিবেশ]। পণ্যটির ছায়ার দিক এবং হালকা কঠোরতা হওয়া উচিত [..] যাতে যৌগটি বিশ্বাসযোগ্য হয়।

দুর্বল প্রম্পট / শক্তিশালী প্রম্পট

দুর্বল: "চমৎকার প্রতিকৃতি ফটো।"

দৃঢ়: "মধ্যবয়সী খামারী মহিলা, রোদে পোড়া মুখ, হালকা হাসি, একটি গমের ক্ষেতে; পাশ থেকে সোনালী ঘন্টার আলো, কম বৈসাদৃশ্য; 85 মিমি প্রতিকৃতি দৃশ্য, মাঠের অগভীর গভীরতা, পটভূমি নরম; ক্লোজ-আপ, বিষয় বাম, তৃতীয়াংশের নিয়ম; উষ্ণ আর্থ টোন, শান্ত এবং মর্যাদাপূর্ণ মেজাজ, প্রাকৃতিক টেক্সট, 2 ফিল্ম গ্রাফিক্স, স্কিন গ্রাফিক্স; বাস্তবসম্মত পাঠ্য যোগ করা হচ্ছে।"

দুর্বল ইচ্ছা সম্পূর্ণভাবে সুযোগের উপর ছেড়ে দেওয়া হয়; যেহেতু শক্তিশালী চাহিদা আলো, লেন্স, রচনা এবং বায়ুমণ্ডল বর্ণনা করে, তাই এটি পছন্দসই ফলাফল উত্পাদনের সম্ভাবনাকে ব্যাপকভাবে বৃদ্ধি করে।

সাধারণ ভুল

• আলো এবং লেন্স বর্ণনা না. এই দুটিই মূলত একটি ফটোগ্রাফকে ফটোগ্রাফ করে তোলে; আপনি যদি এটি ফাঁকা রাখেন, ফলাফলটি সুযোগের জন্য ছেড়ে দেওয়া হবে।
• AI ড্র পঠনযোগ্য পাঠ্য/লোগো থাকা। মডেল এইগুলি নির্ভরযোগ্যভাবে উত্পাদন করতে পারে না; এটি ত্রুটিপূর্ণ এবং কপিরাইটযুক্ত হতে পারে।
• উত্পাদিত চিত্রটিকে "ফটোগ্রাফ" হিসাবে উপস্থাপন করা। এটি একটি তথ্যচিত্র/সংবাদ প্রসঙ্গে বিভ্রান্তিকর; একটি সত্য বিবৃতি প্রয়োজন.
• ব্যক্তি/ব্র্যান্ড নাম দিয়ে শৈলী কপি করা। অনুকরণ এবং কপিরাইট ঝুঁকি; গুণাবলী সহ নন্দনতত্ত্ব বর্ণনা কর।
• যাচাইকরণ এড়িয়ে যাচ্ছে। হাত, চোখ, প্রতিফলন, ছায়া, এবং পুনরাবৃত্তি টেক্সচার প্রতিটি উত্পাদিত ছবিতে পরীক্ষা করা আবশ্যক।

সংক্ষেপে

জেনারেটিভ ভিজ্যুয়াল এআই প্রসারের মাধ্যমে কাজ করে: এটি শব্দ থেকে চিত্রে যায় যা পাঠ্যের সাথে খাপ খায়, যা বর্ণনা করা হয়নি তা তৈরি করতে পারে না এবং যেখানে যুক্তির প্রয়োজন হয় সেখানে ত্রুটি। ফটোগ্রাফিক রিয়ালিজমের জন্য, ফটোগ্রাফারের মতো বিষয়, আলো, লেন্স, রচনা, বায়ুমণ্ডল এবং কৌশল বর্ণনা করুন। উদ্দেশ্য অনুযায়ী আকৃতির অনুপাত চয়ন করুন, নেতিবাচক রেসিপি দিয়ে শিল্পকর্মটি হ্রাস করুন, এআই টেক্সট আঁকা নেই এবং প্রতিটি আউটপুট যাচাই করুন। "ফটো তোলা" বলে দাবি করে কখনোই উত্পাদিত ছবি ব্যবহার করবেন না।

আবেদন টাস্ক

একটি ধারণা চয়ন করুন এবং একটি ফটোগ্রাফিক প্রম্পট লিখুন, টেমপ্লেট 1 সহ সমস্ত ছয়টি উপাদান পূরণ করুন। একই ধারণাটি প্রথমে একটি একক বাক্যে তৈরি করুন (বা বর্ণনা করুন), যেমন "একটি সুন্দর ছবি," তারপর সম্পূর্ণ কঙ্কাল সহ, এবং দুটি ফলাফলের তুলনা করুন। হাত, চোখ, প্রতিফলন এবং ছায়া বড় করে আপনার তৈরি করা ছবিতে কমপক্ষে তিনটি সম্ভাব্য ত্রুটি বিন্দু চিহ্নিত করুন।

চেকলিস্ট

• [ ] প্রম্পটে, আমি বিষয়, আলো, লেন্স, রচনা, বায়ুমণ্ডল এবং কৌশল আলাদাভাবে বর্ণনা করেছি।
• [ ] আমি অভিপ্রেত অনুপাত নির্ধারণ করেছি অভিপ্রেত ব্যবহার অনুযায়ী৷
• আমি নেতিবাচক রেসিপি দিয়ে সাধারণ ত্রুটিগুলি কমিয়েছি।
• [] আমার কাছে AI ড্র পঠনযোগ্য পাঠ্য/লোগো ছিল না।
• [ ] আমি নিশ্চিত করেছি যে আমি তৈরি করা চিত্রটিকে "ফটো" হিসাবে উপস্থাপন করিনি৷
• [] আমি হাত/চোখ/প্রতিফলন/ছায়ার জন্য আউটপুট যাচাই করেছি।