تولید بصری عکاسی و آناتومی سریع: انتشار چگونه کار می کند؟

سود:

• درک چگونگی عملکرد هوش مصنوعی تولید کننده تصویر (نشر) و چه اجزای دستور العملی برای رئالیسم عکاسی مورد نیاز است.
• توانایی نوشتن یک دستور عکاسی قوی شامل سوژه، نور، لنز/دوربین، ترکیب بندی، جو و اجزای فنی.
• توانایی تشخیص تفاوت بین تصویر تولید شده و عکس گرفته شده، محدودیت های استفاده و اهمیت اعلام اصالت

یک عکاس از هوش مصنوعی بصری مولد برای سه هدف قانونی استفاده می‌کند: تولید پیش‌نویس مراجع برای تابلوهای روحی و مفاهیم، ایجاد عناصری که مکمل عکس واقعی هستند (پس‌زمینه، بافت، قطعه ترکیبی)، و ایجاد تصاویر کاملاً تولید شده (مثلاً برای فروش سهام یا مفهوم تبلیغاتی). در این بخش، نحوه کار این ابزارها و نحوه نوشتن دستورات رئالیسم عکاسی را یاد خواهیم گرفت. هدف این نیست که به طور تصادفی منتظر یک شوت خوب باشیم. به این معنی است که آنچه را که می خواهید به زبان عکاس توصیف کنید و نتیجه را هدایت کنید.

انتشار: چگونه مدل "عکس" تولید می کند؟

بیشتر هوش مصنوعی های تولید کننده تصویر امروزی با روشی به نام انتشار کار می کنند. به سادگی: مدل یاد گرفته است که روی میلیون ها تصویر «از نویز به تصویر معنادار» برود. در حین تولید از نویز تصادفی شروع می شود (مثل یک اسکرین شات برفی) و با پاک کردن تدریجی نویز متناسب با متن شما (اعلان) تصویری ایجاد می کند. دو واقعیت اساسی از این امر به دست می آید:

اولاً، مدل نمی‌تواند چیزی را تولید کند که توضیح داده نشده است. اگر نور را نگویید، یک نور تصادفی خواهد آمد. اگر دیدگاه عینی را در نظر نگیرید، «احساس عکاسی» یک تصادف باقی می ماند. دوم اینکه مدل نمی فهمد، پیش بینی می کند. به همین دلیل است که در جاهایی که نیاز به منطق دارد، مانند دست، متن، انعکاس، تقارن، اشتباه می کند (توهم). اگر خواهان رئالیسم عکاسی هستید، باید تصمیمات فنی - نور، لنز، ترکیب بندی - را که عکس را تبدیل به یک عکس می کند، به وضوح توصیف کنید.

احتیاط: اگرچه یک تصویر تولید شده ممکن است "عکس مانند" به نظر برسد، اما یک عکس نیست. این یک لحظه واقعی را مستند نمی کند. استفاده از آن در یک خبر، مستند یا زمینه با ادعای «این واقعاً اتفاق افتاده» گمراه‌کننده است و مرزهای اخلاقی را نقض می‌کند که در بخش 9 به آن خواهیم پرداخت.

آناتومی سریع عکاسی

یک دستور عکاسی قدرتمند از شش جزء تشکیل شده است. به این موارد مانند برنامه ریزی برای عکاسی فکر کنید:

1. موضوع: چی/چه کسی؟ سن، لباس، بیان، عمل، تعداد. ("یک نجار میانسال، در پیش بند، که روی میز کار کار می کند")
2. نور: جهت، سختی، منبع، زمان. قلب عکاسی است. ("نور پنجره جانبی نرم، صبح، کنتراست کم")
3. نمای لنز و دوربین: فاصله کانونی، عمق میدان، زاویه. ("حس لنز پرتره 85 میلی متری، عمق میدان کم، پس زمینه نرم بوکه، سطح چشم")
4. ترکیب: قاب بندی، قرار دادن، قاب بندی. ("نمای نزدیک، قانون یک سوم، موضوع در سمت چپ")
5. جو و رنگ: تن، حالت، پالت. ("تنهای زمین گرم، آرام، نوستالژیک")
6. فنی/کیفیت: بافت، نت های واقع گرایی، نسبت ابعاد. ("بافت طبیعی پوست، دانه فیلم، نسبت 3:2")

وقتی این مولفه ها را به ترتیب معرفی می کنید، مدل یک نتیجه بسیار کنترل شده و "عکاسی" تولید می کند. هر جزء را که کنار بگذارید به شانس واگذار می شود.

نکته: هوش مصنوعی متن/لوگو را نکشید. مدل‌های Diffusion نمی‌توانند متن قابل خواندن و آرم‌های اختصاصی تولید کنند. آنها را در مرحله طراحی واقعی اضافه کنید. همچنین، در تصویری که به متن خوانا نیاز دارد، از هوش مصنوعی فقط برای پس‌زمینه/اتمسفر استفاده کنید.

نسبت ابعاد و استفاده مورد نظر

نسبت ابعاد نسبت عرض به ارتفاع تصویر است و کاربرد آن را تعیین می کند: 9:16 برای یک داستان عمودی رسانه های اجتماعی، 3:2 برای چاپ استاندارد، 1:1 برای یک پست مربع، 16:9 برای یک بنر گسترده. بهتر است از ابتدا نسبت را در اعلان مشخص کنید تا اینکه بعداً آن را کوتاه کنید و کیفیت را از دست بدهید. رزولوشن و نسبت را از همان ابتدا با دانستن کاربرد مورد نظر (چاپ یا نمایش) انتخاب کنید.

دستور العمل و تنوع منفی

بیشتر ابزارها یک پیام منفی نیز دارند: منطقه ای که در آن چیزهایی را که نمی خواهید در تصویر می نویسید ("دست تغییر شکل داده، انگشتان اضافی، متن، واترمارک، صحافی پلاستیکی"). این باعث کاهش اما به طور کامل از نقص های رایج جلوگیری نمی کند. تأیید هنوز ضروری است. همچنین مفهوم بذر وجود دارد - بذر تصادفی که تولید از آن آغاز می شود. همان seed و prompt دوباره نتیجه مشابهی ایجاد می‌کند، که به شما کمک می‌کند یک مجموعه ثابت ایجاد کنید (ما در بخش چهارم به عمق بیشتری خواهیم پرداخت).

سه کیف کوچک

مورد 1 - قدرت دستور غذا. یک عکاس بورسی نوشت "زن در حال نوشیدن قهوه" و نتایج بدی گرفت. هنگامی که Prompta نور (نور پنجره جانبی)، لنز (50 میلی متر، عمق میدان کم)، جو (صبح گرم و آرام) و بافت (پوست طبیعی) را اضافه کرد، نتیجه قابل استفاده شد. نرخ تولید فریم قابل قبول از تقریباً 1/20 به 1/4 افزایش یافته است. زمان تولید یک سوم کاهش یافت.

مورد 2 - از دست دادن از توهم. یک طراح-عکاس تصویری از «تجارت در حال دست دادن» را بدون بررسی آن در یک ارائه قرار داد. در جلسه مشاهده شد که یک مدیر سه دست دارد. نقصی که در صفحه نمایش کوچک نادیده گرفته شده بود در طرح ریزی بزرگ شد. یک اسکن دست/انگشت 30 ثانیه ای از این خجالت جلوگیری می کرد.

مورد 3 - انتخاب ابزار مناسب. یک عکاس محصول می خواست ساعت واقعی خود را در محیطی متفاوت قرار دهد. به جای اینکه آن را از ابتدا تولید کند، قاب واقعی محصول را حفظ کرد، فقط پس‌زمینه/اتمسفر با هوش مصنوعی تولید شد و کامپوزیت شد. بنابراین، جزئیات واقعی محصول (برند، شماره گیری) تحریف نشد. هم اعتبار و هم دقت حفظ شد.

قالب های قابل کپی

1) اسکلت سریع عکاسی:

[موضوع: چه کسی/چه، سن، لباس، بیان، کنش]، [نور: جهت، سختی، منبع، زمان]، [عدسی/دوربین: حس فاصله کانونی، عمق میدان، زاویه]، [ترکیب: کادربندی، قرارگیری، قرارداد]، [اتمسفر/رنگ: لحن، حالت، پالت]، [تکنیک گرایتوگرافیک] واقع بینانه اضافه کردن متن/لوگو

2) پیش نویس سریع منفی:

نکات منفی (آنچه من نمی خواهم): دست ناقص، انگشتان اضافی/فقدان، صورت کج، پوست پلاستیکی/موم مانند، متن ناخوانا، واترمارک، بافت تکراری، سایه غیرممکن، رنگ بیش از حد اشباع شده.

3) برای مرجع Moodboard (جهت، نه تحویل):

هدف: مرجع Moodboard برای یک تیراندازی (نه قابل تحویل). مفهوم: [مفهوم]. زیبایی شناسی را فقط با ویژگی ها توصیف کنید: نور [..]، پالت رنگ [..]، اتمسفر [..]، ترکیب [..]. از نام هیچ شخص/برند/عکاس استفاده نکنید. 4 تنوع ایجاد کنید.

4) طرح ترکیبی محافظت از محصول واقعی:

من یک شات [محصول] واقعی دارم. خود محصول تغییر نخواهد کرد. درخواستی را بنویسید که تصویر فقط برای پس‌زمینه/اتمسفر تولید شود: [نور، سطح، رنگ، محیط]. جهت سایه و سختی نور محصول باید [..] باشد تا کامپوزیت قانع کننده باشد.

اعلان ضعیف / اعلان قوی

ضعیف: "عکس پرتره زیبا."

قوی: «زن میانسال مزرعه‌دار، چهره آفتاب‌زده، لبخند ملایم، در مزرعه گندم؛ نور ساعت طلایی از کنار، کنتراست کم؛ نمای پرتره 85 میلی‌متری، عمق میدان کم، پس‌زمینه نرم، نمای نزدیک، سوژه سمت چپ، قانون یک سوم؛ رنگ‌های زمینی گرم، آرام و باوقار. خلق و خوی طبیعی با عکس‌ها، متن‌های واقعی اضافه می‌کند.

اراده ضعیف کاملاً به شانس واگذار می شود. از آنجایی که تقاضای قوی نور، عدسی، ترکیب و جو را توصیف می کند، احتمال تولید نتیجه مطلوب را تا حد زیادی افزایش می دهد.

اشتباهات رایج

• نور و عدسی را توصیف نمی کند. این دو تا حد زیادی چیزی هستند که یک عکس را به یک عکس تبدیل می کنند. اگر آن را خالی بگذارید، نتیجه به شانس واگذار می شود.
• داشتن متن/لوگوی قابل خواندن با AI. مدل نمی تواند اینها را به طور قابل اعتماد تولید کند. ممکن است معلوم شود که معیوب و دارای حق چاپ است.
• ارائه تصویر تولید شده به صورت "عکس". در زمینه مستند/خبر گمراه کننده است. بیان واقعیت مورد نیاز است.
• سبک کپی کردن با شخص / نام تجاری. تقلید و خطر کپی رایت؛ زیبایی شناسی را با کیفیت ها توصیف کنید.
• رد شدن از تأیید. دست‌ها، چشم‌ها، بازتاب‌ها، سایه‌ها و بافت‌های تکراری باید در هر تصویر تولید شده بررسی شوند.

به طور خلاصه

هوش مصنوعی بصری مولد با انتشار کار می‌کند: از نویز به تصویری می‌رود که با متن مطابقت دارد، نمی‌تواند چیزی را تولید کند که توصیف نشده است، و در جایی که منطق لازم است خطا می‌کند. برای رئالیسم عکاسی، سوژه، نور، لنز، ترکیب بندی، جو و تکنیک را مانند یک عکاس توصیف کنید. نسبت تصویر را با توجه به هدف انتخاب کنید، آرتیفکت را با دستور منفی کاهش دهید، AI متن را ترسیم نکنید و هر خروجی را تأیید کنید. هرگز از یک تصویر تولید شده با ادعای "عکس گرفته شده" استفاده نکنید.

وظیفه کاربردی

یک مفهوم را انتخاب کنید و یک دستور عکاسی بنویسید و هر شش جزء را با الگوی 1 پر کنید. همان مفهوم را ابتدا در یک جمله تولید کنید (یا توصیف کنید)، مانند "یک عکس زیبا"، سپس با اسکلت کامل، و دو نتیجه را مقایسه کنید. با بزرگ کردن دست‌ها، چشم‌ها، بازتاب‌ها و سایه‌ها، حداقل سه نقطه نقص احتمالی را در تصویری که تولید می‌کنید علامت بزنید.

چک لیست

• [ ] در اعلان، موضوع، نور، لنز، ترکیب، اتمسفر و تکنیک را جداگانه توضیح دادم.
• [ ] من نسبت تصویر را با توجه به استفاده مورد نظر تعیین کردم.
• [ ] من نقص های رایج را با دستور منفی کاهش دادم.
• [ ] من متن/لوگوی قابل خواندن ترسیم AI را نداشتم.
• [ ] مطمئن شدم که تصویر تولید شده را به عنوان "عکس" ارائه نکرده ام.
• [ ] من خروجی را برای دست/چشم/بازتاب/سایه تأیید کردم.