Κέρδη:
- Δυνατότητα δημιουργίας οπτικής άμεσης ανατομίας (θέμα, υλικό, γωνία, φως, στυλ, αρνητικό) και λήψη αναπαραγώγιμων αποτελεσμάτων
- Δυνατότητα κατεύθυνσης οπτικής κατεύθυνσης με μεθόδους ελέγχου όπως εικόνα αναφοράς, ControlNet, βάρος σπόρων και στυλ
- Δυνατότητα επιλογής του εργαλείου σύμφωνα με την εργασία και αξιολόγησης της ανάλυσης, της συνέπειας και των ορίων δικαιωμάτων χρήσης της παραγωγής
Στην προηγούμενη ενότητα, είδατε πώς να τοποθετήσετε την τεχνητή νοημοσύνη στη δημιουργία εννοιών. Σε αυτήν την ενότητα πηγαίνουμε ένα βήμα πιο βαθιά: θα μάθετε να ελέγχετε πραγματικά τα εργαλεία οπτικής τεχνητής νοημοσύνης. Η απογοήτευση πολλών σχεδιαστών είναι ότι το εργαλείο παράγει εικόνες "από μόνο του". Ωστόσο, το πρόβλημα συνήθως δεν είναι η ασάφεια του εργαλείου αλλά η ασάφεια των οδηγιών που δίνονται. Ο έλεγχος της οπτικής τεχνητής νοημοσύνης απαιτεί τη γνώση τριών πραγμάτων: άμεση ανατομία (ρύθμιση της εντολής σωστά), έλεγχος αναφοράς και σύνθεσης (πρωταγωνιστικός με την οπτική) και αναπαραγωγιμότητα (ξανά το ίδιο αποτέλεσμα). Μόλις μάθετε αυτά τα τρία, η τεχνητή νοημοσύνη μετατρέπεται από μια τυχαία οπτική μηχανή σε ένα κατευθυνόμενο εργαλείο σχεδίασης.
Άμεση ανατομία: έξι επίπεδα περιγραφής μιας εικόνας
Μια καλή οπτική προτροπή δεν είναι μια τυχαία πρόταση, αλλά μια πολυεπίπεδη συνταγή. Εξετάστε αυτά τα έξι στρώματα:
- Θέμα: Τι παράγουμε; ("κουτί φόρτισης ασύρματων ακουστικών")
- Μορφή και λεπτομέρεια: Σιλουέτα, αναλογία, γωνία, διάκριση επιφάνειας. ("στρογγυλεμένες γωνίες, δύο τεμαχίων, λεπτή διαχωριστική γραμμή στην κορυφή")
- Υλικό και CMF: Χρώμα-υλικό-επιφάνεια. ("πολυανθρακικό ματ ανθρακίτη, βουρτσισμένη λωρίδα αλουμινίου")
- Γωνία και καδράρισμα: Άποψη και καδράρισμα. ("3/4 από μπροστά, ελαφρώς από πάνω, στο κέντρο του προϊόντος")
- Φως και περιβάλλον: Φωτισμός και φόντο. ("απαλό φως στούντιο, ουδέτερο ανοιχτό γκρι άπειρο σκηνικό")
- Στυλ και σκοπός: Σκίτσο, φωτορεαλιστική απόδοση, τεχνικό σχέδιο. ("φωτορεαλιστική απόδοση προϊόντος")
Σε αυτό προστίθεται μια αρνητική προτροπή: πράγματα που δεν θέλετε. Πολλά εργαλεία προσφέρουν μια περιοχή "αρνητικής προτροπής". Εδώ διαγράφετε την έξοδο πληκτρολογώντας αυτό που δεν θέλετε, όπως "ανθρώπινο χέρι, κείμενο, λογότυπο, ακατάστατο φόντο, πολλαπλά προϊόντα". Εάν αφήσετε επίπεδα που λείπουν, η τεχνητή νοημοσύνη θα καλύψει αυτά τα κενά με τον δικό της στατιστικό μέσο όρο. Αυτό σημαίνει κλισέ.
Συμβουλή: Ρυθμίστε την προτροπή σαν να διαβάζει από μοτίβο: θέμα + φόρμα + CMF + γωνία + φως + στυλ + αρνητικό. Εάν δεν σας αρέσει μια έξοδος, ρωτήστε ποιο επίπεδο λείπει, μην ξαναγράψετε ολόκληρο το μήνυμα.
Αναφορά, σύνθεση και έλεγχος στυλ
Οι λέξεις δεν μπορούν να πουν τα πάντα. Μερικές φορές μια εικόνα αξίζει όσο χίλιες λέξεις. Τα σύγχρονα gadget προσφέρουν πολλά ισχυρά μέσα ελέγχου:
- Εικόνα αναφοράς (προτροπή εικόνας / αναφορά εικόνας): Ανεβάζετε μια εικόνα και λέτε "κάντε την να μοιάζει έτσι". Μπορείτε να ορίσετε πόσο το εργαλείο αναφέρεται στην έξοδο με ένα βάρος.
- ControlNet: Στο οικοσύστημα Stable Diffusion, είναι ένα επίπεδο ελέγχου που διατηρεί τη δομή άκρων/γραμμών/βάθους/πόζας ενός σκίτσου ή μιας φωτογραφίας και παράγει μια νέα εικόνα πάνω από αυτό. Ιδανικό για τη διατήρηση της σύνθεσης και την αλλαγή του υλικού του δικού σας σκίτσου.
- Αναφορά στυλ / βάρος στυλ: Για να μεταφέρετε μόνο την ατμόσφαιρα / αίσθηση χρώματος-υφής μιας εικόνας και όχι το περιεχόμενό της.
- Inpainting (τοπική επεξεργασία): Απόκρυψη μόνο ενός μέρους της εικόνας και αναπαραγωγή της (για παράδειγμα, αλλαγή μόνο της λαβής).
- LoRA / προσαρμοσμένη εκπαίδευση: Σε προχωρημένο επίπεδο, τελειοποιήστε το μοντέλο με βάση μια γλώσσα επωνυμίας ή ένα συγκεκριμένο στυλ. Αυτό απαιτεί προσοχή στο απόρρητο και τα πνευματικά δικαιώματα (με τα δικά σας δεδομένα, με άδεια).
Το κοινό όφελος αυτών των εργαλείων: Αναγκάζουν την τεχνητή νοημοσύνη να λειτουργεί από το πλαίσιο που της δίνετε, αντί να ονειρεύεται από την αρχή. Τα πιο πολύτιμα για τον σχεδιαστή είναι συχνά το ControlNet και το inpainting, επειδή διατηρούν τη δική σας σύνθεση σκίτσου.
Αναπαραγωγιμότητα: σπόρος και παράμετροι
Τα μοντέλα διάχυσης ξεκινούν με την τυχαιότητα. Ο σπόρος είναι ο αρχικός αριθμός αυτής της τυχαιότητας. Η ίδια προτροπή + ίδιος σπόρος + ίδιες παράμετροι συνήθως δίνει την ίδια/πολύ παρόμοια εικόνα. Αυτό είναι κρίσιμο για το σχεδιασμό: διορθώνετε τον σπόρο για να αναπαράγετε μια εικόνα που σας αρέσει ή απλώς αλλάζετε μια λέξη και βλέπετε το αποτέλεσμα με ελεγχόμενο τρόπο. Άλλες σημαντικές παράμετροι: αναλογία διαστάσεων, βήματα (περισσότερα βήματα, πιο εκλεπτυσμένα αλλά πιο αργά) και κλίμακα καθοδήγησης (καθοδήγηση/CFG, πόσο στενά ταιριάζει στην προτροπή — αν είναι πολύ υψηλή, φαίνεται τεχνητή και αναγκαστική).
έλεγχος
Τι κάνει
Πότε να χρησιμοποιείται
Στερέωση σπόρων
Αναπαράγει την ίδια έξοδο
Όταν αναπτύσσετε μια εικόνα και δοκιμάζετε A/B
Εικόνα αναφοράς + βάρος
Μοιάζει με εικόνα
Μεταφορά σύνθεσης/ατμόσφαιρας
ControlNet (άκρο/βάθος)
Διατηρεί τη σύνθεση, αλλάζει το περιεχόμενο
Δημιουργία render από το δικό σας σκίτσο
ζωγραφική
Ανανεώνει μόνο μία περιοχή
Αλλάξτε μια λεπτομέρεια
αρνητική προτροπή
Εξαλείφει τα ανεπιθύμητα
Καθαρίζοντας φόντο, χέρι, κείμενο
τρεις μίνι θήκες
Περίπτωση 1 — Προστασία του δικού σας σκίτσου. Ένας σχεδιαστής θέλει να μετατρέψει ένα χειροποίητο σκίτσο μιας ηλεκτρικής σκούπας σε μια φωτορεαλιστική απόδοση. Όταν το δοκιμάζετε μόνο με μια προτροπή κειμένου, το AI παράγει μια εντελώς διαφορετική μορφή. Όταν ανεβάζετε το σκίτσο σας χρησιμοποιώντας τη λειτουργία canny του ControlNet, το AI διατηρεί τις γραμμές του και το καλύπτει με ματ πλαστικό και φωτισμό στούντιο. Παίρνει το αποτέλεσμα που θέλει σε 4 προσπάθειες. Μάθημα: για τη διατήρηση της σύνθεσης, το ControlNet είναι πολύ πιο ισχυρό από το καθαρό μήνυμα.
Περίπτωση 2 — Ανεξέλεγκτη απώλεια διακύμανσης. Ένας σχεδιαστής βρίσκει μια ιδέα που του αρέσει, αλλά δεν σημειώνει τον σπόρο. Την επόμενη μέρα, όταν ζητά μια «ελαφρώς πιο λεπτή λαβή», δεν μπορεί να παράγει ξανά την ίδια εικόνα. Κάθε φορά βγαίνει ένα εντελώς διαφορετικό προϊόν και χάνει ώρες. Μάθημα: αποθηκεύστε το seed και το πλήρες μήνυμα για κάθε έξοδο που σας αρέσει. αυτά είναι τα σημεία «επιστροφής» σας.
Περίπτωση 3 — Καθαρισμός με αρνητική προτροπή. Όταν ένας σχεδιαστής παράγει εικόνες στούντιο, ανεπιθύμητα ανθρώπινα χέρια, ανακλώμενο κείμενο και ένα δεύτερο προϊόν εμφανίζονται στις μισές εκτυπώσεις. Προσθέτει "ανθρώπινα χέρια, κείμενο, υδατογράφημα, διπλό προϊόν, ακατάστατο φόντο" στο αρνητικό μήνυμα και η ποιότητα εξόδου αυξάνεται σημαντικά με μόνο 8 λέξεις. Μάθημα: το να λες αυτό που δεν θέλεις είναι εξίσου σημαντικό με το να λες αυτό που θέλεις.
Αντιγράψιμα πρότυπα προτροπών
ΣΚΕΛΕΤΟΣ ΠΡΟΩΘΗΣΗΣ ΣΤΡΩΜΑΤΩΝ"[θέμα], [φόρμα και λεπτομέρεια], [CMF: χρώμα-υλικό-επιφάνεια],[γωνία και πλαίσιο], [φως και φόντο], [στυλ: σκίτσο/απόδοση/τεχνική].--αρνητικό: ανθρώπινο χέρι, κείμενο, λογότυπο, υδατογράφημα, πολλαπλών προϊόντων, ακατάστατο φόντο.
ΠΡΟΤΥΠΟ ΑΠΟΔΟΣΗΣ ΑΠΟ ΤΗΝ ΑΝΑΦΟΡΑ"Διατηρήστε τη ΓΡΑΜΜΗ ΚΑΙ ΣΥΝΘΕΣΗ του σκίτσου που ανέβασα (λειτουργία ControlNetedge). Εφαρμόστε το ακόλουθο υλικό σε αυτό: [ματ πλαστικό σώμα, λεπτομέρεια αλουμινίου]. Φως: απαλό στούντιο. Φόντο: ουδέτερο γκρι. Μην αλλάξετε τη φόρμα, απλώς προσθέστε υλικό και φως."
ΠΡΟΤΥΠΟ ΑΛΛΑΓΗΣ ΜΟΝΗΣ ΛΕΠΤΟΜΕΡΕΙΑΣ (ΕΓΧΩΡΗΣΗ) "Σε αυτήν την εικόνα, αναπαράγετε ΜΟΝΟ την περιοχή [με μάσκα: λαβή]. Νέα έκδοση: [πιο λεπτή, εργονομική, καμπύλη]. ΜΗΝ ΑΓΓΙΖΕΤΕ την υπόλοιπη εικόνα, τον φωτισμό και τη γωνία της."
ΠΡΟΤΥΠΟ ΣΗΜΕΙΩΣΗΣ ΑΝΑΠΑΡΑΓΩΓΙΜΟΤΗΤΑΣ "Μου αρέσει αυτή η εκτύπωση. Αποθηκεύστε τις ακόλουθες πληροφορίες και χρησιμοποιήστε τις την επόμενη φορά: prompt = [πλήρες κείμενο], seed = [number], aspect = [ratio], step = [number], orientation = [value]. Απλώς αλλάξτε αυτό το ένα στοιχείο: [X]."
Αδύναμη προτροπή / Ισχυρή προτροπή
ΑΔΥΝΑΤΗ ΠΡΟΤΑΣΗ: "Ωραία απόδοση ακουστικών σε λευκό φόντο."
ΙΣΧΥΡΟ ΠΡΟΕΙΔΟΠΟΙΗΣΗ: "Ασύρματη θήκη φόρτισης ακουστικών εντός του αυτιού, οβάλ σε μορφή χαπιού, λεπτή διαχωριστική γραμμή στο επάνω μέρος. CMF: ματ ιβουάρ πολυανθρακικό σώμα, σατέν χρυσή λωρίδα μεντεσέδων. Γωνία: 3/4 μπροστά, ελαφρώς επάνω. Φως: μαλακό στούντιο, ελαφριά αντανάκλαση στο επάνω μέρος. Φόντο με ουδέτερο φωτιστικό φόντο. απόδοση: 4821, όψη 4:3 --αρνητικό: ανθρώπινο χέρι, κείμενο, λογότυπο, υδατογράφημα, δεύτερο προϊόν, σκληρή σκιά.
Η αδύναμη προτροπή επιτρέπει στο εργαλείο να συμπληρώσει τα κενά με κλισέ. Η ισχυρή προτροπή προσδιορίζει κάθε στρώμα, εξαλείφει τα αρνητικά και το κάνει αναπαραγώγιμο με τον σπόρο.
Συνήθη λάθη
- Γράψτε μια ασαφή προτροπή μιας πρότασης και μεταφορτώστε το αποτέλεσμα στο εργαλείο. Η τεχνητή νοημοσύνη καλύπτει τα κενά, όχι εσείς.
- Δεν αποθηκεύονται σπόροι και παραμέτρους. Δεν θα μπορέσετε ποτέ να πάρετε ξανά την έξοδο που σας αρέσει.
- Μην χρησιμοποιείτε ποτέ την αρνητική προτροπή. Ανεπιθύμητα στοιχεία μολύνουν την έξοδο.
- Κάνοντας εκατοντάδες τυχαίες δοκιμές αντί για έλεγχο σύνθεσης. Το ControlNet/inpainting επιταχύνει την εργασία.
- Χρήση της εικόνας κάποιου άλλου που προστατεύεται από πνευματικά δικαιώματα ως αναφορά. Υπάρχει κίνδυνος μίμησης στυλ και πνευματικών δικαιωμάτων (βλ. Ενότητα 10).
Προσοχή: Οι εικόνες αναφοράς ή τα βάρη στυλ είναι ισχυρά εργαλεία, αλλά ενέχουν νομικούς και ηθικούς κινδύνους εάν χρησιμοποιηθούν για την αντιγραφή του ιδιόκτητου σχεδίου κάποιου άλλου ή του στυλ υπογραφής ενός καλλιτέχνη. Επιλέξτε τις αναφορές σας από το δικό σας υλικό ή από επιτρεπόμενες/ελεύθερες πηγές.
Συνοπτικά
Ο έλεγχος της οπτικής τεχνητής νοημοσύνης απαιτεί τρεις δυνατότητες: ρύθμιση μιας πολυεπίπεδης προτροπής (θέμα, φόρμα, CMF, γωνία, φως, στυλ, αρνητικό), καθοδήγηση με την εικόνα (αναφορά, ControlNet, inpainting, βάρος στυλ) και παροχή αναπαραγωγιμότητας (αποθήκευση του σπόρου και των παραμέτρων). Με αυτά τα τρία, η τεχνητή νοημοσύνη μετατρέπεται από μια τυχαία μηχανή σε ένα κατευθυνόμενο εργαλείο σχεδίασης. Το ControlNet και το inpainting είναι πολύ πιο ισχυρά από το απλό μήνυμα όταν θέλετε να προστατέψετε τη σύνθεσή σας. Καταργήστε αυτές που δεν θέλετε με την αρνητική προτροπή και επιλέξτε τις αναφορές σας από πηγές ασφαλείς για πνευματικά δικαιώματα.
Εργασία εφαρμογής
Επιλέξτε ένα προϊόν και σχεδιάστε (ή βρείτε) πρώτα ένα πρόχειρο σκίτσο με το χέρι. Γράψτε μια προτροπή που να περιγράφει αυτό το προϊόν με ένα πολυεπίπεδο πλαίσιο προτροπής, προσθέστε μια αρνητική προτροπή και παράγετε τέσσερις εξόδους. Αποθηκεύστε το seed και τις παραμέτρους της εξόδου που σας αρέσει. Στη συνέχεια, με τη λογική «Αλλαγή μεμονωμένης λεπτομέρειας», αλλάξτε μόνο ένα στοιχείο (για παράδειγμα, τη λαβή) και δημιουργήστε το ξανά με τον ίδιο σπόρο. Συγκρίνετε τα δύο αποτελέσματα και γράψτε πώς αλλάζει το στοιχείο ελέγχου.
λίστα ελέγχου
- [ ] Ρύθμισα την προτροπή για να καλύψει έξι επίπεδα (θέμα, φόρμα, CMF, γωνία, φως, στυλ).
- [ ] Έγραψα αυτό που δεν ήθελα στην αρνητική προτροπή.
- [ ] Χρησιμοποίησα αναφορά/ControlNet/inpainting όταν χρειαζόταν να διατηρήσω τη σύνθεση.
- [ ] Αποθήκευσα τους σπόρους και τις παραμέτρους της παραγωγής που μου άρεσε.
- [ ] Δοκίμασα ελεγχόμενη παραλλαγή μετακινώντας μια μεμονωμένη μεταβλητή.
- [ ] Έχω επιλέξει τις εικόνες αναφοράς μου από πηγές ασφαλείς για πνευματικά δικαιώματα.