اصول تولید بصری: هوش مصنوعی تصویر چگونه کار می کند و آناتومی سریع

سود:

• درک اینکه هوش مصنوعی بصری چگونه کار می‌کند و چگونه نمی‌تواند چیزی را تولید کند که توصیف نشده است و نمی‌تواند متن را به خوبی ترسیم کند.
• توانایی نوشتن یک دستور بصری قوی متشکل از موضوع، زمینه، سبک، ترکیب، نور و اجزای فنی.
• به دست آوردن قابلیت تعیین نسبت تصویر، جلوگیری از ترسیم متن خوانا توسط هوش مصنوعی و کاهش نقص با توضیحات منفی.

یک طراح که با هوش مصنوعی تصاویر بصری تولید می کند مانند سفارش دادن به یک هنرمند است: هر چه واضح تر و دقیق تر توضیح دهید، نتیجه دقیق تر خواهد بود. در این بخش به زبان ساده نحوه عملکرد هوش مصنوعی تولید تصویر (هوش مصنوعی تصویر) را خواهیم فهمید و گام به گام آناتومی نوشتن یک دستور خوب (دستورالعمل کتبی برای تصویری) را یاد می گیریم. هدف این است که بتوانید آگاهانه تصویری را که می خواهید توصیف کنید، نه اینکه "به طور تصادفی تلاش کنید و به شانس اعتماد کنید".

تصویر هوش مصنوعی چگونه کار می کند؟ (توضیح ساده)

امروزه اکثر تولیدکنندگان تصویر از روشی به نام انتشار استفاده می کنند. به سادگی: مدل روابط "کدام کلمات با کدام تصویر مطابقت دارد" را از میلیون ها جفت تصویر-متن یاد گرفته است. هنگام تولید تصاویر، از یک تصویر با نویز تصادفی (مانند صفحه تلویزیون برفی) شروع می شود و این نویز را گام به گام مطابق با درخواست شما پاک می کند و آن را به یک تصویر معنادار تبدیل می کند. به عبارت دیگر، مدل تصویر را "نقاشی" نمی‌کند، بلکه از نظر آماری تصویری را می‌سازد که به بهترین شکل با درخواست شما مطابقت دارد.

این سه نتیجه عملی دارد. اول: همان اعلان هر بار نتیجه متفاوتی می دهد، زیرا نویز اولیه تصادفی است (ما در واحد بعدی خواهیم دید که چگونه این را با "seed" کنترل کنیم). دوم: مدل نمی تواند آنچه را که شما نمی توانید توصیف کنید، بداند. نمی تواند تصویر را در ذهن شما بخواند، فقط آنچه را که می نویسید تفسیر می کند. سوم: مدل نمی تواند متن و عدد را به خوبی ترسیم کند، زیرا حروف را در شکل تقلید می کند نه در معنا. به همین دلیل سپردن نوشتن در لوگوها به هوش مصنوعی خطرناک است.

نکته: اجازه ندهید هوش مصنوعی متن واضح (نام تجاری، شعار) را در تصویر تولید کند. شما یک تصویر بدون متن تولید می کنید و سپس متن را (به صورت برداری) در یک برنامه طراحی اضافه می کنید. این باعث می شود هم قابل خواندن و هم قابل ویرایش باشد.

آناتومی یک اعلان خوب

این کمک می کند تا یک پیام بصری قوی را به شش جزء تقسیم کنید. لازم نیست هر بار از همه آنها استفاده کنید، اما انتخاب آگاهانه نتیجه را تعیین می کند.

1. موضوع/موضوع: عنصر اصلی تصویر چیست؟ ("فنجان قهوه سرامیکی"، "پرتره یک زن جوان").
2. کنش/زمینه: دارد چه می‌کند، کجاست؟ ("در میز چوبی، در نور صبح").
3. سبک/زیبایی شناسی: زبان بصری چیست؟ ("عکس محصول حداقل"، "تصویر آبرنگ"، "رندر سه بعدی ایزومتریک"). این تعیین کننده ترین مؤلفه است.
4. ترکیب / زاویه: قاب چگونه است؟ ("نمای نزدیک"، "نمای چشم پرنده"، "زاویه باز"، "در وسط، با فضا").
5. نور و رنگ: ("نور طبیعی نرم"، "پالت رنگ زمین"، "کنتراست بالا").
6. تکنیک / کیفیت: ("رزولوشن بالا"، "1:1 نرخ فریم"، "پس زمینه ساده سفید").

یک دستور منفی نیز وجود دارد: گفتن چیزهایی که نمی خواهید ("بدون متن، بدون افراد، بدون پس زمینه درهم و برهم"). ما این را با "پیش منفی" در بخش 4 عمیق تر خواهیم کرد.

واژه نامه اصطلاحات

• Aspect ratio: نسبت ابعاد تصویر. فریم ۱:۱ (پست اینستاگرام)، پرتره ۹:۱۶ (داستان/قرقره)، منظره ۱۶:۹ (کاور).
• وضوح: تعداد پیکسل های تصویر. بالا برای چاپ کافی است، متوسط ​​برای صفحه نمایش کافی است.
• مرجع سبک: دادن نمونه به مدل با گفتن «اینجوری نگاه کن».
• Render: کامپیوتر یک تصویر را محاسبه و تولید می کند. "رندر سه بعدی" به معنای نمای حجمی واقعی است.

گام به گام: توصیف یک تصویر

فرض کنید برای یک برند روغن زیتون تصویر محصول می خواهیم.

مرحله 1 - روی موضوع تمرکز کنید: "روغن زیتون فوق بکر در یک بطری شیشه ای سبز تیره".

مرحله 2 - زمینه را اضافه کنید: "روی پیشخوان چوبی روستایی، با چند شاخه زیتون تازه در کنار آن."

مرحله 3 - سبک را انتخاب کنید: "عکس محصول ممتاز، واقعی".

مرحله 4 - ترکیب را ارائه دهید: "محصول در وسط، فضایی برای متن در بالا".

مرحله 5 - نور/رنگ: "نور طبیعی جانبی نرم، رنگ های زمینی گرم".

مرحله 6 - تکنیک: "نرخ فریم 1:1، وضوح بالا، پس زمینه ساده".

وقتی همه آنها را با هم ترکیب می کنید، یک پیش نویس قابل اجرا می گیرید که متناسب با هویت برند باشد.

سه کیف کوچک

مورد 1 - از عدم قطعیت به وضوح. یک طراح "تصویر یک دفتر مدرن" را نوشت و 12 بار تلاش کرد که هیچ کدام جواب نداد (30 دقیقه از دست رفت). او این درخواست را در شش بخش بازنویسی کرد: "دفتر روشن، مینیمال، میز چوبی، نور طبیعی از پنجره بزرگ، زنگ های خنثی گرم، زاویه باز، فضای متن در بالا". 2 مورد از 4 تلاش اول قابل استفاده بود. زمان به 10 دقیقه کاهش یافت.

مورد 2 - تله متن. یکی از کارآموزان از یک هوش مصنوعی یک پوستر کافه را از ابتدا تا انتها تهیه کرد. متن "COFFEE" در تصویر مشخص شد "COFEEE" و قیمت ها قابل خواندن نیستند. دستورالعمل تغییر کرد: تصویر بدون متن تولید شد، متن بعداً در برنامه طراحی اضافه شد. خطا به صفر رسید و پوستر برای چاپ مناسب بود.

مورد 3 - از دست دادن نسبت. یک کارشناس شبکه های اجتماعی تصویری مربعی 1:1 برای استوری اینستاگرام تهیه کرد. 9:16 وقتی آن را در قسمت عمودی قرار دادم، قسمت بالا و پایین قطع شد و عنصر مهم از بین رفت. هنگامی که من نسبت تصویر را به صورت "9:16 عمودی" در اعلان مشخص کردم، تصویر با فرمت آن مطابقت داشت و نیازی به تولید مجدد نبود.

قالب های قابل کپی

1) اسکلت تصویر محصول شش جزئی:

[موضوع: محصول را توصیف کنید]، [زمینه: کجا/چگونه] .سبک: [به عنوان مثال. عکس محصول ممتاز، واقع بینانه]. ترکیب: [به عنوان مثال. محصول در وسط، فضایی برای متن در بالا]. نور و رنگ: [به عنوان مثال. نور طبیعی ملایم، رنگ‌های زمینی]. تکنیک: [نسبت تصویر، وضوح بالا، پس‌زمینه ساده]. توجه: متن/لوگوی خوانایی در تصویر وجود ندارد. متن را بعدا اضافه خواهم کرد.

2) اسکلت تصویر:

موضوع: [چه چیزی بکشیم]. سبک: [به عنوان مثال. تصویر برداری رنگ مسطح / آبرنگ / ایزومتریک 3 بعدی] . پالت رنگ: [2-3 رنگ اصلی] . حالت: [به عنوان مثال. شاد، آرام، جدی] .پس زمینه: [ساده / طرح دار / شفاف] .نسبت: [1:1 / 9:16 / 16:9] .

3) کاوش در سبک (موضوع یکسان، زیبایی شناسی متفاوت):

موضوع زیر را با ترکیب یکسان در 4 سبک بصری مختلف توصیف کنید: وکتور مسطح مینیمال، عکس واقعی، آبرنگ، ایزومتریک سه بعدی. برای هر کدام یک دستور یک خطی بنویسید. موضوع: [چسباندن]

4) اضافه کردن توضیحات منفی:

اعلان زیر را بهبود دهید و موارد ناخواسته را در پایان اضافه کنید: "بدون متن، بدون واترمارک، بدون پس‌زمینه آشفته، بدون دست/انگشت بد، بدون اشیاء بیش از حد". درخواست: [چسباندن]

اعلان ضعیف / اعلان قوی

ضعیف: عکس قهوه زیبا

نتیجه: زاویه تصادفی، سبک نامشخص، تصویر تصادفی که با برند مناسب نیست.

قدرتمند: فنجان سرامیکی پر شده با لاته داغ، روی میز چوبی سبک، به پهلو در نور ملایم صبح. عکس محصول حداقل حق بیمه؛ زنگ های خنثی گرم؛ نمای نزدیک، فضایی برای متن در بالا سمت راست. مربع 1:1، پس زمینه ساده. نباید متنی خوانا وجود داشته باشد.

نتیجه: طرحی سازگار با برند با ترکیب، نور و تناسب کنترل شده.

تفاوت: یک اعلان قوی شش جزء (موضوع، زمینه، سبک، ترکیب، نور، تکنیک) را به وضوح پر می کند و متن را کنار می گذارد.

اجزای سریع و جدول افکت

جزء

مثال

تاثیر بر نتیجه

موضوع

"روغن زیتون در یک بطری شیشه ای"

تعیین می کند که چه چیزی ظاهر می شود

سبک

"عکس محصول برتر"

عنصری که بیشتر زبان بصری را تعیین می کند

ترکیب

"در وسط، با فضای متن"

قابلیت استفاده را افزایش می دهد

نور/رنگ

"نور ملایم، رنگ های زمینی"

احساس برند را منتقل می کند

نسبت تصویر

"9:16 عمودی"

اجازه می دهد تا با قالب مطابقت داشته باشد

توصیف منفی

"بدون متن"

نقص را کاهش می دهد

اشتباهات رایج

• عدم تعیین سبک: با حذف تعیین کننده ترین جزء، نتیجه کلیشه ای و تصادفی می شود.
• داشتن AI متن را ترسیم می کند: حروف خراب و ناخوانا. متن را بعداً در برنامه طراحی اضافه کنید.
• فراموشی نسبت: نسبت تصویر اشتباه باعث بریده شدن و از بین رفتن عنصر در نشریه می شود.
• درخواست اضافه بار: چیدن 20 مفهوم روی هم مدل را گیج می کند. آن را شفاف و اولویت بندی کنید.
• تسلیم شدن در یک تلاش: انتشار تصادفی است. طبیعی است که چندین تنوع تولید کنید و بهترین را انتخاب کنید.

به طور خلاصه

هوش مصنوعی تولید کننده تصویر به تدریج تصویر را طوری می سازد که با نویز تصادفی شما مطابقت داشته باشد. نمی تواند تصویر را در ذهن شما بخواند، فقط آنچه را که می نویسید تفسیر می کند. یک درخواست خوب از شش جزء تشکیل شده است: موضوع، زمینه، سبک، ترکیب، نور/رنگ و تکنیک. سبک تعیین کننده ترین عنصر است. حتما نسبت تصویر را مشخص کنید. متن قابل خواندن را به هوش مصنوعی نگذارید، بعداً آن را اضافه کنید. با افزایش وضوح، تعداد تلاش ها و اتلاف زمان کاهش می یابد.

وظیفه کاربردی

یک محصول یا موضوع را انتخاب کنید. ابتدا آن را در یک جمله بنویسید ("یک X خوب") و آن را در یک تولید کننده تصویر امتحان کنید و نتیجه را یادداشت کنید. سپس با پر کردن اسکلت شش جزئی و اضافه کردن نسبت ابعاد و توضیحات منفی دوباره همان موضوع را توصیف کنید. دو نتیجه را کنار هم قرار دهید و در سه نقطه بنویسید که چگونه وضوح خروجی را تغییر می دهد.

چک لیست

• [ ] من موضوع، زمینه و سبک را به وضوح در دستور خود بیان کردم.
• [ ] من ترکیب و اجزای نور/رنگ را اضافه کردم.
• [ ] من نسبت تصویر را مشخص کردم (1:1 / 9:16 / 16:9).
• [ ] من متن قابل خواندن را AI ترسیم نکردم، آن را برای بعد گذاشتم.
• [ ] موارد نامطلوب را با توصیف منفی حذف کردم.
• [ ] من به یک آزمایش اعتماد نکردم و چندین واریته تولید کردم.