Et dybdegående kig på visuelle AI-værktøjer: prompt, reference og stilkontrol

Gevinster:

• Evne til at etablere visuel prompt anatomi (emne, materiale, vinkel, lys, stil, negativ) og få reproducerbare resultater
• Evne til at dirigere visuel retning med kontrolmetoder som referencebillede, ControlNet, frø og stilvægt
• Mulighed for at vælge værktøjet i overensstemmelse med opgaven og evaluere opløsningen, konsistensen og grænserne for brugsrettigheder for outputtet

I den forrige enhed så du, hvordan du placerer AI i konceptgenerering. I denne enhed går vi et skridt dybere: du lærer at styre visuelle AI-værktøjer. Mange designeres frustration er, at værktøjet producerer billeder "på egen hånd"; Problemet er dog normalt ikke værktøjets tvetydighed, men tvetydigheden af ​​de givne instruktioner. Styring af visuel AI kræver at vide tre ting: hurtig anatomi (indstilling af instruktionen korrekt), reference- og sammensætningskontrol (førende med det visuelle) og reproducerbarhed (at få det samme resultat igen). Når du har lært disse tre, forvandles AI fra en tilfældig visuel maskine til et styrbart designværktøj.

Hurtig anatomi: seks lag med beskrivelse af et billede

En god visuel prompt er ikke en tilfældig sætning, men en lagdelt opskrift. Overvej disse seks lag:

1. Emne: Hvad producerer vi? ("trådløs opladningsboks til hovedtelefoner")
2. Form og detaljer: Silhuet, proportion, hjørne, overfladeskel. ("afrundede hjørner, todelt, tynd skillelinje øverst")
3. Materiale og CMF: Farve-materiale-overflade. ("mat antracit polycarbonat, børstet aluminiumsstrimmel")
4. Vinkel og indramning: Synspunkt og indramning. ("3/4 forfra, lidt ovenfra, produkt centreret")
5. Lys og miljø: Belysning og baggrund. ("blødt studielys, neutral lysegrå uendelig baggrund")
6. Stil og formål: Skitse, fotorealistisk gengivelse, teknisk tegning. ("fotorealistisk produktgengivelse")

Hertil kommer en negativ prompt: ting, du ikke ønsker. Mange værktøjer tilbyder et "negativt prompt"-område; Her rydder du outputtet ved at skrive det, du ikke vil have, såsom "menneskelig hånd, tekst, logo, rodet baggrund, multi-produkt". Hvis du efterlader lag mangler, vil AI udfylde disse huller med sit eget statistiske gennemsnit; Det betyder kliché.

Tip: Indstil prompten, som om du læser fra et mønster: emne + form + CMF + vinkel + lys + stil + negativ. Hvis du ikke kan lide et output, så spørg hvilket lag der mangler, lad være med at omskrive hele prompten.

Reference, komposition og stilkontrol

Ord kan ikke sige alt; Nogle gange siger et billede mere end tusind ord. Moderne gadgets tilbyder flere kraftfulde kontrolmidler:

• Referencebillede (billedprompt / billedreference): Du uploader et billede og siger "få det til at se sådan ud". Du indstiller, hvor meget værktøjet refererer til output med en vægt.
• ControlNet: I Stable Diffusion-økosystemet er det et kontrollag, der bevarer kant/linje/dybde/positurstrukturen af ​​en skitse eller foto og producerer et nyt billede oven på det. Ideel til at bevare kompositionen og ændre materialet i din egen skitse.
• Stilreference / stilvægt: For kun at formidle atmosfæren / farveteksturfølelsen af ​​et billede, ikke dets indhold.
• Inpainting (regional redigering): Maskering af kun en del af billedet og gengivelse af det (f.eks. skift kun håndtaget).
• LoRA / tilpasset træning: På et avanceret niveau, finjustering af modellen baseret på et mærkesprog eller en specifik stil. Dette kræver privatliv og copyright-forsigtighed (med dine egne data, med tilladelse).

Den fælles fordel ved disse værktøjer: De tvinger AI til at arbejde ud fra den ramme, du giver den, i stedet for at drømme fra bunden. Det mest værdifulde for designeren er ofte ControlNet og inpainting, fordi de bevarer din egen skitsekomposition.

Reproducerbarhed: frø og parametre

Diffusionsmodeller starter med tilfældighed. Frø er startnummeret for denne tilfældighed. Samme prompt + samme frø + samme parametre giver normalt det samme/meget ens billede. Dette er afgørende for design: du fikser frøet til at gengive et billede, du kan lide, eller du ændrer bare et ord og ser effekten på en kontrolleret måde. Andre vigtige parametre: billedformat, trin (flere trin, mere raffineret, men langsommere) og vejledningsskala (vejledning/CFG; hvor tæt det passer til prompten - hvis det er for højt, ser det kunstigt og forceret ud).

kontrol

Hvad gør

Hvornår skal bruges

Frø fiksering

Gengiver det samme output

Når du udvikler et billede og prøver A/B

Referencebillede + vægt

Det ligner et billede

Sammensætning/atmosfæreoverførsel

ControlNet (kant/dybde)

Bevarer sammensætning, ændrer indhold

Oprettelse af en gengivelse ud fra din egen skitse

indmaling

Opdaterer kun én region

Skift en enkelt detalje

negativ prompt

Eliminerer uønskede

Rengøring af baggrund, hånd, tekst

tre minisager

Case 1 — Beskyttelse af din egen skitse. En designer ønsker at gøre en håndtegnet skitse af en håndstøvsuger til en fotorealistisk gengivelse. Når du prøver det med blot en tekstprompt, producerer AI en helt anden form. Når du uploader din skitse ved hjælp af ControlNets smarte tilstand, bevarer AI sine linjer og dækker den med mat plastik og studiebelysning. Han får det resultat han ønsker i 4 forsøg. Lektion: For at bevare kompositionen er ControlNet meget mere kraftfuldt end ren prompt.

Tilfælde 2 — Ukontrolleret tab af variation. En designer finder et koncept, han kan lide, men noterer sig ikke frøet. Da han næste dag beder om et "lidt tyndere håndtag", kan han ikke producere det samme billede igen; Der kommer et helt andet produkt ud hver gang, og han taber timer. Lektion: Gem frøet og den fulde prompt for hvert output, du kan lide; disse er dine "retur" point.

Tilfælde 3 — Rengøring med negativ prompt. Når en designer producerer studiebilleder, vises uønskede menneskehænder, reflekteret tekst og et andet produkt i halvdelen af ​​udskrifterne. Det tilføjer "menneskelige hænder, tekst, vandmærke, duplikatprodukt, rodet baggrund" til den negative prompt, og outputkvaliteten øges markant med kun 8 ord. Lektion: At sige, hvad du ikke vil, er lige så vigtigt som at sige, hvad du vil.

Kopierbare promptskabeloner

LAGET PROMPT SKELETON"[emne], [form og detaljer], [CMF: farve-materiale-overflade],[vinkel og indramning], [lys og baggrund], [stil: skitse/gengivelse/teknik].--negativt: menneskelig hånd, tekst, logo, vandmærke, multi-produkt, rodet baggrund."

GENDER SKABELON FRA REFERENCE"Behold LINE OG KOMPOSITION af den skitse, jeg har uploadet (ControlNetedge-tilstand). Påfør følgende materiale på den: [mat plastikhus, aluminiumsdetalje]. Lys: blødt studie. Baggrund: neutral grå. Ændr ikke formen, tilføj blot materiale og lys."

ENKEL DETALJER ÆNDRING (MALERING) Skabelon "Gengiv KUN området [maskeret område: håndtag] på dette billede. Ny version: [slankere, ergonomisk, buet]. RØR IKKE ved resten af ​​billedet, dets belysning og vinkel."

REPRODUKTIBILITETSNOTE Skabelon "Jeg kan godt lide denne udskrift. Gem følgende information og brug den næste gang: prompt = [fuld tekst], frø = [tal], aspekt = [forhold], trin = [tal], orientering = [værdi]. Bare skift dette ene element: [X]."

Svag prompt / Stærk prompt

SVAG PROMPT: "Dejlig gengivelse af hovedtelefoner på en hvid baggrund."

STÆRK SPØRGSMÅL: "Trådløs opladningsetui til øretelefoner, oval pilleform, tynd skillelinje på toppen. CMF: mat elfenben polykarbonat krop, satin guld hængselstrimmel. Vinkel: 3/4 front, let top. Lys: blød studio softbox, let top refleksion. Baggrund: neutral lysegrå produkt.Styling: foto backd.rendering serealistisk. 4821, aspekt 4:3 --negativ: menneskelig hånd, tekst, logo, vandmærke, andet produkt, hård skygge."

Den svage prompt gør det muligt for værktøjet at udfylde de tomme felter med kliché; Den kraftfulde prompt identificerer hvert lag, eliminerer negativer og gør det reproducerbart med frøet.

Almindelige fejl

• Skriv en vag prompt med én sætning, og upload resultatet til værktøjet. AI udfylder hullerne, ikke dig.
• Ikke gemmer frø og parametre. Du kan aldrig få det output, du kan lide igen.
• Brug aldrig den negative prompt. Uønskede elementer forurener outputtet.
• Udfører hundredvis af tilfældige forsøg i stedet for at kontrollere sammensætningen. ControlNet/inpainting fremskynder arbejdet.
• Brug af en andens ophavsretligt beskyttede billede som reference. Der er risiko for stilimitation og copyright (se afsnit 10).

Forsigtig: Referencebilleder eller stilvægte er kraftfulde værktøjer, men de udgør juridiske og etiske risici, hvis de bruges til at kopiere en andens proprietære design eller en kunstners signaturstil. Vælg dine referencer fra dit eget materiale eller fra tilladte/frie kilder.

Sammenfattende

Styring af visuel AI kræver tre muligheder: opsætning af en lagdelt prompt (emne, form, CMF, vinkel, lys, stil, negativ), vejledning med billedet (reference, ControlNet, inpainting, stilvægt) og tilvejebringelse af reproducerbarhed (gemmer frø og parametre). Med disse tre forvandler kunstig intelligens fra en tilfældig maskine til et styrbart designværktøj. ControlNet og inpainting er meget mere kraftfuldt end ren prompt, når du vil beskytte din komposition. Fjern dem, du ikke ønsker, med den negative prompt, og vælg dine referencer fra copyright-sikre kilder.

Ansøgningsopgave

Vælg et produkt og tegn (eller find) en grov skitse i hånden først. Skriv en prompt, der beskriver dette produkt med en lagdelt promptramme, tilføj en negativ prompt, og lav fire output. Gem frøet og parametrene for det output, du kan lide; Derefter, med "Single detail change"-logikken, skal du kun ændre ét element (f.eks. håndtaget) og producere det igen med samme frø. Sammenlign de to resultater og skriv, hvordan kontrollen ændrer sig.

tjekliste

• [ ] Jeg konfigurerede prompten til at dække seks lag (emne, form, CMF, vinkel, lys, stil).
• [ ] Jeg skrev, hvad jeg ikke ville have i den negative prompt.
• [ ] Jeg brugte reference/ControlNet/inpainting, når jeg skulle bevare kompositionen.
• [ ] Jeg gemte frøene og parametrene for det output, jeg kunne lide.
• [ ] Jeg prøvede kontrolleret variation ved at flytte en enkelt variabel.
• [ ] Jeg har valgt mine referencebilleder fra copyright-sikre kilder.