نگاهی عمیق به ابزارهای هوش مصنوعی بصری: کنترل سریع، مرجع و سبک

سود:

• توانایی ایجاد آناتومی سریع بصری (موضوع، مواد، زاویه، نور، سبک، نگاتیو) و دریافت نتایج قابل تکرار
• امکان جهت دهی بصری با روش های کنترلی مانند تصویر مرجع، ControlNet، وزن دانه و سبک
• امکان انتخاب ابزار با توجه به وظیفه و ارزیابی وضوح، سازگاری و محدودیت حقوق استفاده از خروجی

در بخش قبلی، نحوه قرار دادن هوش مصنوعی در تولید مفهوم را دیدید. در این بخش ما یک قدم عمیق تر می رویم: شما یاد خواهید گرفت که واقعاً ابزارهای هوش مصنوعی بصری را کنترل کنید. ناامیدی بسیاری از طراحان این است که این ابزار تصاویر را "به تنهایی" تولید می کند. با این حال، مشکل معمولاً ابهام ابزار نیست، بلکه ابهام دستورالعمل های داده شده است. کنترل هوش مصنوعی بصری مستلزم دانستن سه چیز است: آناتومی سریع (تنظیم صحیح دستورالعمل)، کنترل مرجع و ترکیب (پیشرو با بصری)، و تکرارپذیری (دریافت مجدد همان نتیجه). هنگامی که این سه مورد را یاد گرفتید، هوش مصنوعی از یک ماشین بصری تصادفی به یک ابزار طراحی قابل هدایت تبدیل می شود.

آناتومی سریع: شش لایه توصیف یک تصویر

یک دستور بصری خوب یک جمله تصادفی نیست، بلکه یک دستور العمل لایه ای است. این شش لایه را در نظر بگیرید:

1. موضوع: چه چیزی تولید می کنیم؟ ("wireless headphone charging box")
2. فرم و جزئیات: شبح، تناسب، گوشه، تمایز سطح. ("گوشه های گرد، دو تکه، خط تقسیم نازک در بالا")
3. مواد و CMF: رنگ-مواد-سطح. ("پلی کربنات آنتراسیت مات، نوار آلومینیومی برس خورده")
4. Angle and framing: Point of view and framing. ("3/4 از جلو، کمی از بالا، محصول در مرکز")
5. نور و محیط: نور و پس زمینه. ("نور استودیویی نرم، پس زمینه بی نهایت خاکستری روشن خنثی")
6. سبک و هدف: طرح، رندر واقعی، طراحی فنی. ("photorealistic product rendering")

به این یک پیام منفی اضافه شده است: چیزهایی که نمی خواهید. Many tools offer a "negative prompt" area; در اینجا خروجی را با تایپ کردن آنچه که نمی‌خواهید پاک می‌کنید، مانند «دست انسان، متن، آرم، پس‌زمینه آشفته، چند محصول». اگر لایه‌ها را از دست بدهید، هوش مصنوعی این شکاف‌ها را با میانگین آماری خود پر می‌کند. این به معنای کلیشه ای است.

نکته: دستور را طوری تنظیم کنید که گویی از یک الگو می‌خواند: موضوع + فرم + CMF + زاویه + نور + سبک + نگاتیو. اگر خروجی را دوست ندارید، بپرسید کدام لایه از دست رفته است، کل درخواست را بازنویسی نکنید.

مرجع، ترکیب و کنترل سبک

کلمات نمی توانند همه چیز را بیان کنند. گاهی یک تصویر به اندازه هزار کلمه می ارزد. ابزارهای مدرن چندین ابزار قدرتمند برای کنترل ارائه می دهند:

• تصویر مرجع (تصویر اعلان / مرجع تصویر): شما یک تصویر را آپلود می کنید و می گویید "آن را به این شکل بساز". شما تعیین می کنید که ابزار چقدر به خروجی با وزنه اشاره می کند.
• ControlNet: در اکوسیستم Stable Diffusion، یک لایه کنترلی است که ساختار لبه/خط/عمق/پوست یک طرح یا عکس را حفظ می کند و تصویر جدیدی در بالای آن ایجاد می کند. ایده آل برای حفظ ترکیب و تغییر مواد طرح خود.
• مرجع سبک / وزن سبک: فقط برای انتقال اتمسفر / احساس رنگ-بافت یک تصویر، نه محتوای آن.
• Inpainting (ویرایش منطقه ای): پوشاندن تنها بخشی از تصویر و بازتولید آن (مثلاً تغییر فقط دسته).
• LoRA / آموزش سفارشی: در سطح پیشرفته، مدل را بر اساس زبان برند یا یک سبک خاص تنظیم کنید. این نیاز به حفظ حریم خصوصی و احتیاط حق نسخه برداری دارد (با داده های خودتان، با اجازه).

مزیت مشترک این ابزارها: آنها هوش مصنوعی را مجبور می کنند تا از چارچوبی که شما به آن می دهید کار کند، نه اینکه از ابتدا رویاپردازی کند. باارزش ترین ها برای طراح اغلب ControlNet و inpainting هستند، زیرا ترکیب بندی طرح شما را حفظ می کنند.

تکرارپذیری: بذر و پارامترها

مدل های انتشار با تصادفی شروع می شوند. دانه، شماره شروع این تصادفی است. همان اعلان + همان seed + پارامترهای یکسان معمولاً تصویر یکسان/خیلی مشابه را می دهد. این برای طراحی بسیار مهم است: شما دانه را برای بازتولید تصویری که دوست دارید اصلاح می‌کنید، یا فقط یک کلمه را تغییر می‌دهید و اثر را به صورت کنترل‌شده مشاهده می‌کنید. سایر پارامترهای مهم: نسبت ابعاد، گام‌ها (گام‌های بیشتر، دقیق‌تر اما کندتر) و مقیاس راهنمایی (راهنما/CFG؛ چقدر با دستور مطابقت دارد - اگر خیلی زیاد باشد، مصنوعی و اجباری به نظر می‌رسد).

کنترل کنید

چه می کند

زمان استفاده

تثبیت بذر

همان خروجی را بازتولید می کند

هنگام توسعه یک تصویر و امتحان A/B

تصویر مرجع + وزن

شبیه یک تصویر است

انتقال ترکیب/اتمسفر

ControlNet (لبه/عمق)

ترکیب را حفظ می کند، محتوا را تغییر می دهد

ایجاد یک رندر از طرح خود

داخل نقاشی

Refreshes only one region

یک جزئیات را تغییر دهید

اخطار منفی

ناخواسته را از بین می برد

تمیز کردن پس زمینه، دست، متن

سه کیف کوچک

Case 1 — Protecting your own sketch. یک طراح می خواهد طرحی که با دست کشیده شده است از یک جاروبرقی دستی را به یک رندر واقع گرایانه تبدیل کند. هنگامی که آن را فقط با یک پیام متنی امتحان می کنید، هوش مصنوعی فرم کاملاً متفاوتی تولید می کند. هنگامی که طرح خود را با استفاده از حالت Canny ControlNet آپلود می کنید، هوش مصنوعی خطوط خود را حفظ می کند و آن را با پلاستیک مات و نور استودیو می پوشاند. او در 4 تلاش به نتیجه ای که می خواهد می رسد. درس: برای حفظ ترکیب، ControlNet بسیار قدرتمندتر از دستور خالص است.

مورد 2 - از دست دادن کنترل نشده تنوع. یک طراح مفهومی را پیدا می کند که دوست دارد، اما به بذر توجه نمی کند. روز بعد، وقتی او درخواست «دسته کمی نازک‌تر» می‌کند، نمی‌تواند دوباره همان تصویر را تولید کند. هر بار یک محصول کاملاً متفاوت بیرون می آید و ساعت ها را از دست می دهد. درس: seed و دستور کامل هر خروجی را که دوست دارید ذخیره کنید. اینها نقاط "بازگشت" شما هستند.

مورد 3 - تمیز کردن با اعلان منفی. هنگامی که یک طراح تصاویر استودیویی تولید می کند، دست های ناخواسته انسان، متن منعکس شده و محصول دوم در نیمی از پرینت ها ظاهر می شود. "دست انسان، متن، واترمارک، محصول تکراری، پس‌زمینه بهم ریخته" را به پیام منفی اضافه می‌کند و کیفیت خروجی تنها با 8 کلمه به میزان قابل توجهی افزایش می‌یابد. درس: گفتن چیزی که نمی خواهید به اندازه گفتن آنچه می خواهید مهم است.

الگوهای درخواستی قابل کپی

اسکلت سریع لایه‌ای"[موضوع]، [فرم و جزئیات]، [CMF: رنگ-مواد-سطح]، [زاویه و کادربندی]، [نور و پس‌زمینه]، [سبک: طرح/رندر/تکنیک].-- منفی: دست انسان، متن، لوگو، واترمارک، چند محصول، پس‌زمینه آشفته.

الگوی رندر از مرجع "خط و ترکیب طرحی را که آپلود کرده‌ام حفظ کنید (حالت ControlNetedge). مواد زیر را روی آن اعمال کنید: [بدنه پلاستیکی مات، جزئیات آلومینیومی]. نور: استودیو نرم. پس‌زمینه: خاکستری خنثی. فرم را تغییر ندهید، فقط مواد و نور را اضافه کنید."

SINGLE DETAIL CANGE (INPAINTING) TEMPLATE "در این تصویر، فقط ناحیه [مقطع ماسک شده: دسته] را بازتولید کنید. نسخه جدید: [لاغرتر، ارگونومیک، منحنی]. بقیه تصویر، نور و زاویه آن را لمس نکنید."

الگوی یادداشت تکرارپذیری "من این چاپ را دوست دارم. اطلاعات زیر را ذخیره کنید و دفعه بعد از آن استفاده کنید: prompt = [متن کامل]، seed = [تعداد]، جنبه = [نسبت]، گام = [تعداد]، جهت = [مقدار]. فقط این یک عنصر را تغییر دهید: [X]."

اعلان ضعیف / اعلان قوی

پیام ضعیف: "رندر زیبا از هدفون در پس زمینه سفید."

هشدار قوی: "قاب شارژ هدفون داخل گوشی بی سیم، قرص بیضی شکل، خط جداکننده نازک در بالا. CMF: بدنه پلی کربنات عاج مات، نوار لولای طلایی ساتن. زاویه: 3/4 جلو، کمی بالا. نور: جعبه نرم استودیویی، انعکاس ملایم بالا. پس‌زمینه: محصول با نور پس‌زمینه خنثی خنثی رندر: 4821، جنبه 4:3 -- منفی: دست انسان، متن، نشان، واترمارک، محصول دوم، سایه سخت.

اعلان ضعیف به ابزار اجازه می دهد تا جاهای خالی را با کلیشه پر کند. اعلان قدرتمند هر لایه را شناسایی می کند، منفی ها را حذف می کند و آن را با دانه قابل تکرار می کند.

اشتباهات رایج

• یک دستور مبهم یک جمله ای بنویسید و نتیجه را در ابزار آپلود کنید. هوش مصنوعی شکاف ها را پر می کند، نه شما.
• ذخیره نشدن دانه ها و پارامترها. دیگر هرگز نمی توانید خروجی مورد علاقه خود را دریافت کنید.
• هرگز از اعلان منفی استفاده نکنید. عناصر ناخواسته خروجی را آلوده می کنند.
• انجام صدها آزمایش تصادفی به جای بررسی ترکیب. ControlNet/inpainting کار را سرعت می بخشد.
• استفاده از تصویر دارای حق چاپ شخص دیگری به عنوان مرجع. خطر تقلید سبک و حق چاپ وجود دارد (به بخش 10 مراجعه کنید).

احتیاط: تصاویر مرجع یا وزن‌های سبک ابزارهای قدرتمندی هستند، اما اگر برای کپی کردن طرح اختصاصی شخص دیگری یا سبک امضای یک هنرمند استفاده شوند، خطرات قانونی و اخلاقی دارند. منابع خود را از مطالب خود یا از منابع مجاز/رایگان انتخاب کنید.

به طور خلاصه

کنترل هوش مصنوعی بصری به سه قابلیت نیاز دارد: تنظیم یک اعلان لایه‌ای (موضوع، فرم، CMF، زاویه، نور، سبک، نگاتیو)، هدایت تصویر (مرجع، ControlNet، رنگ‌آمیزی، وزن سبک)، و ارائه قابلیت تکرار (ذخیره‌ی seed و پارامترها). با این سه، هوش مصنوعی از یک ماشین تصادفی به یک ابزار طراحی قابل هدایت تبدیل می شود. هنگامی که می‌خواهید از ترکیب خود محافظت کنید، ControlNet و inpainting بسیار قدرتمندتر از Prompt خالص هستند. مواردی را که نمی خواهید با اعلان منفی حذف کنید و مراجع خود را از منابع محفوظ از حق چاپ انتخاب کنید.

وظیفه کاربردی

یک محصول را انتخاب کنید و ابتدا یک طرح خشن را با دست بکشید (یا پیدا کنید). اعلانی بنویسید که این محصول را با یک چارچوب اعلان لایه‌ای توصیف کند، یک فرمان منفی اضافه کنید و چهار خروجی تولید کنید. Seed و پارامترهای خروجی مورد علاقه خود را ذخیره کنید. سپس با منطق "Single detail change" فقط یک عنصر (مثلا دسته) را تغییر دهید و دوباره با همان دانه تولید کنید. دو نتیجه را مقایسه کنید و نحوه تغییر کنترل را بنویسید.

چک لیست

• [ ] من دستور را برای پوشش شش لایه (موضوع، فرم، CMF، زاویه، نور، سبک) تنظیم کردم.
• [ ] آنچه را که نمی خواستم در اعلان منفی نوشتم.
• [ ] زمانی که نیاز به حفظ ترکیب داشتم، از مرجع/ControlNet/inpainting استفاده کردم.
• [ ] من دانه ها و پارامترهای خروجی مورد علاقه خود را ذخیره کردم.
• [ ] من تنوع کنترل شده را با جابجایی یک متغیر امتحان کردم.
• [ ] من تصاویر مرجع خود را از منابع دارای حق چاپ انتخاب کرده ام.