Nyereség:
- Képes vizuális azonnali anatómiát létrehozni (téma, anyag, szög, fény, stílus, negatív), és reprodukálható eredményeket kapni
- Képes vizuális irányt irányítani olyan vezérlési módszerekkel, mint a referenciakép, a ControlNet, a vetőmag és a stílus súlya
- Képes a feladatnak megfelelő eszköz kiválasztására és a kimenet felbontásának, konzisztenciájának és használati jogosultságainak értékelésére
Az előző részben láthatta, hogyan pozícionálja az AI-t a koncepciógenerálásban. Ebben az egységben egy lépéssel mélyebbre megyünk: megtanulod a vizuális AI-eszközök tényleges vezérlését. Sok tervező frusztrációja, hogy az eszköz "önmagától" készít képeket; A probléma azonban általában nem az eszköz kétértelműsége, hanem az adott utasítások kétértelműsége. A vizuális mesterséges intelligencia vezérléséhez három dolog ismerete szükséges: a gyors anatómia (az utasítás helyes beállítása), a referencia és a kompozíció vezérlése (a vizuálisan vezet) és a reprodukálhatóság (újra ugyanaz az eredmény). Miután megtanulta ezt a három dolgot, az AI egy véletlenszerű vizuális gépből irányítható tervezőeszközzé alakul.
Prompt anatómia: egy kép leírásának hat rétege
A jó vizuális felszólítás nem egy véletlenszerű mondat, hanem egy réteges recept. Tekintsük ezt a hat réteget:
- Tárgy: Mit gyártunk? ("vezeték nélküli fejhallgató töltődoboz")
- Forma és részlet: Sziluett, arány, sarok, felület megkülönböztetése. ("lekerekített sarkok, kétrészes, vékony elválasztó vonal felül")
- Anyag és CMF: Szín-anyag-felület. ("matt antracit polikarbonát, szálcsiszolt alumínium szalag")
- Szög és keretezés: Nézőpont és keretezés. ("3/4 elölről, kissé felülről, termék középen")
- Fény és környezet: Világítás és háttér. ("puha stúdiófény, semleges világosszürke végtelen háttér")
- Stílus és cél: Vázlat, fotorealisztikus renderelés, műszaki rajz. ("fotorealisztikus termékmegjelenítés")
Ehhez jön még egy negatív felszólítás: olyan dolgok, amiket nem akarsz. Számos eszköz kínál "negatív prompt" területet; Itt törölheti a kimenetet úgy, hogy beírja azt, amit nem szeretne, például "emberkéz, szöveg, logó, rendetlen háttér, több termék". Ha hiányoznak a rétegek, a mesterséges intelligencia a saját statisztikai átlagával pótolja ezeket a hiányosságokat; Ez klisét jelent.
Tipp: Állítsa be a promptot úgy, mintha mintából olvasna: tárgy + forma + CMF + szög + fény + stílus + negatív. Ha nem tetszik egy kimenet, kérdezze meg, melyik réteg hiányzik, ne írja át a teljes promptot.
Referencia, kompozíció és stílusvezérlés
A szavak nem mondhatnak el mindent; Néha egy kép többet ér ezer szónál. A modern modulok számos hatékony vezérlési lehetőséget kínálnak:
- Referenciakép (képprompt / képreferencia): Feltölt egy képet, és azt mondja, hogy "tegye így ki". Beállíthatja, hogy az eszköz mennyivel hivatkozzon a kimenetre súllyal.
- ControlNet: A Stable Diffusion ökoszisztémában ez egy vezérlőréteg, amely megőrzi egy vázlat vagy fénykép él/vonal/mélysége/póz szerkezetét, és új képet hoz létre a tetejére. Ideális a kompozíció megőrzéséhez és a saját vázlat anyagának megváltoztatásához.
- Stílushivatkozás / stílussúly: Csak a kép atmoszféráját / szín-textúra érzését közvetíti, a tartalmát nem.
- Befestés (regionális szerkesztés): A képnek csak egy részének maszkolása és reprodukálása (például csak a fogantyú megváltoztatása).
- LoRA / egyedi képzés: Haladó szinten a modell finomhangolása márkanyelv vagy adott stílus alapján. Ez adatvédelmi és szerzői jogi elővigyázatosságot igényel (saját adatokkal, engedéllyel).
Ezen eszközök közös előnye: A mesterséges intelligencia arra kényszeríti, hogy az Ön által adott keretrendszerből dolgozzon, ahelyett, hogy a semmiből álmodozzon. A tervező számára a legértékesebb a ControlNet és a festés, mert ezek megőrzik saját vázlatkompozícióját.
Reprodukálhatóság: vetőmag és paraméterek
A diffúziós modellek a véletlenszerűséggel kezdődnek. A mag ennek a véletlenszerűségnek a kezdőszáma. Ugyanaz a prompt + ugyanaz a mag + ugyanazok a paraméterek általában ugyanazt/nagyon hasonló képet adják. Ez kritikus a tervezés szempontjából: javítja a magot, hogy egy olyan képet reprodukáljon, amely tetszik, vagy egyszerűen megváltoztat egy szót, és ellenőrzött módon láthatja a hatást. További fontos paraméterek: képarány, lépések (több lépés, finomabb, de lassabb) és útmutatási skála (iránymutatás/CFG; milyen szorosan illeszkedik a prompthoz – ha túl magas, mesterségesnek és erőltetettnek tűnik).
irányítani
Mit tesz
Mikor kell használni
Vetőmag rögzítése
Ugyanazt a kimenetet reprodukálja
Képfejlesztéskor és A/B próbálkozáskor
Referencia kép + súly
Képhez hasonlít
Összetétel/légkör átvitel
ControlNet (él/mélység)
Megőrzi az összetételt, megváltoztatja a tartalmat
Renderelés készítése saját vázlatból
festés
Csak egy régiót frissít
Egyetlen részlet módosítása
negatív felszólítás
Megszünteti a nem kívántakat
Háttér, kéz, szöveg tisztítása
három mini tok
1. eset – Saját vázlatának védelme. Egy tervező egy kézi porszívó kézzel rajzolt vázlatát szeretné fotorealisztikus rendereléssé varázsolni. Ha csak szöveges felszólítással próbálja ki, az AI teljesen más formát hoz létre. Amikor feltölti a vázlatot a ControlNet vicces módjával, az AI megőrzi vonalait, és matt műanyaggal és stúdióvilágítással fedi be. 4 próbálkozással eléri a kívánt eredményt. Tanulság: az összetétel megőrzéséhez a ControlNet sokkal erősebb, mint a tiszta prompt.
2. eset – ellenőrizetlen eltérésvesztés. A tervező talál egy koncepciót, amely tetszik neki, de nem veszi tudomásul a magot. Másnap, amikor „kicsit vékonyabb fogantyút” kér, nem tudja újra előállítani ugyanazt a képet; Minden alkalommal teljesen más termék jön ki, és órákat veszít. Tanulság: mentse el az összes kívánt kimenet magját és teljes promptját; ezek a „visszatérési” pontok.
3. eset – Tisztítás negatív felszólítással. Amikor egy tervező stúdió képeket készít, a nyomatok felében nem kívánt emberi kezek, tükröződő szövegek és egy második termék jelenik meg. A negatív prompthoz hozzáadja az "emberi kezet, szöveget, vízjelet, ismétlődő terméket, zsúfolt hátteret", és a kimenet minősége jelentősen javul, mindössze 8 szóval. Tanulság: elmondani, amit nem akarsz, ugyanolyan fontos, mint elmondani, amit nem akarsz.
Másolható prompt sablonok
LAYERED PROMPT CSELETON"[tárgy], [forma és részlet], [CMF: szín-anyag-felület],[szög és keret], [fény és háttér], [stílus: vázlat/render/technika].--negatív: emberi kéz, szöveg, logó, vízjel, több termék, rendetlen háttér."
RENDER SABLON A REFERENCIÁBÓL"Tartsa meg az általam feltöltött vázlat VONALÁT ÉS ÖSSZETÉTELÉT (ControlNetedge mód). Alkalmazza rá a következő anyagot: [matt műanyag test, alumínium részlet]. Fény: puha stúdió. Háttér: semleges szürke. Ne változtasson a formán, csak adjon hozzá anyagot és fényt."
EGY RÉSZLET MÓDOSÍTÁSA (FESTÉS) SABLON "E képen CSAK a [maszkolt terület: fogantyú] területet reprodukálja. Új verzió: [karcsúbb, ergonomikus, ívelt]. NE ÉRINTSE meg a kép többi részét, annak megvilágítását és szögét."
REPRODUKTÁLHATÓSÁGI MEGJEGYZÉS SABLON "Szeretem ezt a nyomtatást. Mentse el a következő információkat, és használja fel legközelebb: prompt = [teljes szöveg], mag = [szám], méret = [arány], lépés = [szám], tájolás = [érték]. Csak módosítsa ezt az egy elemet: [X]."
Gyenge felszólítás / Erős felszólítás
GYENGE PROMPT: "Szép fejhallgató, fehér alapon."
ERŐS PROMPT: "Vezeték nélküli, fülbe helyezhető fejhallgató töltőtok, ovális tabletta, vékony elválasztó vonal a tetején. CMF: matt elefántcsont polikarbonát test, szatén arany pántcsík. Szög: 3/4 elöl, enyhén felül. Fény: puha stúdió softbox, enyhe visszaverődés a tetején. Háttér: semleges világosszürke végtelen fotódrop. Lásd S: végtelenített hátterű fotódrop. 4821, oldalarány 4:3 --negatív: emberi kéz, szöveg, logó, vízjel, második termék, kemény árnyék."
A gyenge prompt lehetővé teszi, hogy az eszköz klisével töltse ki az üres helyeket; Az erőteljes prompt azonosítja az egyes rétegeket, kiküszöböli a negatívokat, és reprodukálhatóvá teszi azokat a maggal.
Gyakori hibák
- Írjon egy egymondatos homályos promptot, és töltse fel az eredményt az eszközbe. Az AI pótolja a hiányokat, nem te.
- Nem menti a magokat és a paramétereket. Soha többé nem kaphatja meg a kívánt eredményt.
- Soha ne használja a negatív felszólítást. A nem kívánt elemek szennyezik a kimenetet.
- Véletlenszerű kísérletek százai elvégzése az összetétel ellenőrzése helyett. A ControlNet/inpainting felgyorsítja a munkát.
- Valaki más szerzői jog által védett képének használata referenciaként. Fennáll a stílusutánzás és a szerzői jogok kockázata (lásd a 10. fejezetet).
Vigyázat: A referenciaképek vagy stílussúlyok hatékony eszközök, de jogi és etikai kockázatokat rejtenek magukban, ha valaki más szabadalmaztatott tervének vagy egy művész aláírási stílusának másolására használják őket. Válassza ki referenciáit saját anyagából vagy engedélyezett/ingyenes forrásokból.
Összefoglalva
A vizuális mesterséges intelligencia vezérléséhez három képességre van szükség: réteges prompt beállítása (tárgy, forma, CMF, szög, fény, stílus, negatív), a képpel való irányítás (referencia, ControlNet, festés, stílussúly) és reprodukálhatóság biztosítása (a mag és a paraméterek mentése). Ezzel a hárommal az AI véletlenszerű gépből irányítható tervezőeszközzé válik. A ControlNet és az inpaint sokkal erősebb, mint a tiszta felszólítás, ha meg akarja védeni kompozícióját. Távolítsa el a nem kívántakat a negatív felszólítással, és válassza ki a hivatkozásokat szerzői jogok által védett forrásokból.
Pályázati feladat
Válasszon ki egy terméket, és először rajzoljon (vagy keressen) kézzel egy durva vázlatot. Írjon egy promptot, amely leírja ezt a terméket egy réteges prompt keretrendszerrel, adjon hozzá egy negatív promptot, és állítson elő négy kimenetet. Mentse el a kívánt kimenet magját és paramétereit; Ezután az „Egyetlen részletváltozás” logikával csak egy elemet változtasson meg (például a fogantyút), és állítsa elő újra ugyanazzal a maggal. Hasonlítsa össze a két eredményt, és írja le, hogyan változik a vezérlés!
ellenőrző lista
- [ ] A promptot hat réteg lefedésére állítottam be (tárgy, forma, CMF, szög, fény, stílus).
- [ ] A negatív promptba azt írtam, amit nem akartam.
- [ ] Referenciát/ControlNet/inpaintinget használtam, amikor a kompozíció karbantartására volt szükségem.
- [ ] Elmentettem a tetszőleges kimenet magjait és paramétereit.
- [ ] Megpróbáltam a szabályozott variációt egyetlen változó mozgatásával.
- [ ] A referenciaképeimet szerzői jogok által védett forrásokból választottam.