Nyereség:
- A képgeneráló mesterséges intelligencia (diffúzió) működésének megértése, és milyen receptelemek szükségesek a fényképes realizmushoz
- Képes erős fényképezési utasítást írni, amely témából, fényből, objektívből/kamerából, kompozícióból, atmoszférából és technikai összetevőkből áll.
- Képes megkülönböztetni az elkészített kép és az elkészített fénykép közötti különbséget, a felhasználás határait és az eredetiségnyilatkozat fontosságát
A fotós a generatív vizuális AI-t három legitim célra használja: vázlatos referenciákat készít hangulattáblákhoz és koncepciókhoz, olyan elemeket hoz létre, amelyek kiegészítik a tényleges felvételt (háttér, textúra, kompozit darab), és teljesen elkészített képeket (például tőzsdei értékesítéshez vagy hirdetési koncepcióhoz). Ebben az egységben megtanuljuk, hogyan működnek ezek az eszközök, és hogyan írhatunk felhívásokat a fényképes realizmushoz. A cél nem az, hogy véletlenül várjunk egy szép lövést; Ez azt jelenti, hogy a fotós nyelvén leírod, amit szeretnél, és irányítani kell az eredményt.
Diffúzió: hogyan készít a modell "fényképeket"?
A legtöbb mai képgeneráló mesterséges intelligencia a diffúziónak nevezett módszerrel működik. Egyszerűen: a modell több millió képen megtanult „zajból értelmes képre” lépni. A gyártás során véletlenszerű zajból indul ki (mint egy havas képernyőkép), és a zaj fokozatos tisztításával hoz létre képet, hogy illeszkedjen a szöveghez (prompt). Ebből két alapvető tény derül ki:
Először is, a modell nem tudja előállítani azt, ami nincs leírva. Ha nem mondod a fényt, véletlenszerű fény jön; Ha nem veszi figyelembe az objektív nézetet, a "fotózás érzése" véletlenül marad. Másodszor, a modell nem érti, megjósolja. Ezért követ el hibákat (hallucinációkat) a logikát igénylő helyeken, mint a kezek, a szöveg, a reflexió, a szimmetria. Ha fényképes realizmusra vágyik, világosan le kell írnia azokat a technikai döntéseket – fény, objektív, kompozíció –, amelyek egy fényképet fotóvá tesznek.
Vigyázat: Bár egy generált kép „fényképszerűnek” tűnhet, nem fénykép; nem dokumentál egy aktuális pillanatot. Ha hírben, dokumentumfilmben vagy szövegkörnyezetben azt állítja, hogy „ez valóban megtörtént”, félrevezető és sérti az etikai határokat, amelyekről a 9. részben fogunk kitérni.
Fényképészeti azonnali anatómia
Egy erőteljes fényképészeti prompt hat összetevőből áll. Gondolj ezekre, mint egy forgatás tervezésére:
- Tárgy: Mi/ki? Kor, ruházat, kifejezés, cselekvés, szám. ("egy középkorú asztalos, kötényben, a munkapadon dolgozik")
- Fény: Irány, keménység, forrás, idő. Ez a fotózás szíve. ("lágy oldalablak világítás, reggel, alacsony kontraszt")
- Objektív és kamera nézet: gyújtótávolság, mélységélesség, szög. ("85 mm-es portrélencse tapintása, sekély mélységélesség, lágy háttér bokeh, szemmagasság")
- Összetétel: Keretezés, elhelyezés, keretezés. ("közelkép, harmadszabály, tárgy balra")
- Hangulat és szín: Tónus, hangulat, paletta. ("meleg földhangok, nyugodt, nosztalgikus")
- Technika/minőség: Textúra, valósághű jegyek, képarány. ("természetes bőrtextúra, filmszemcsés, 3:2 arány")
Ha ezeket az összetevőket sorrendben vezeti be, a modell sokkal kontrolláltabb, "fényképszerű" eredményt ad. Bármely alkatrészt, amelyet elhagy, a véletlenre van bízva.
Tipp: Ne rajzolja meg az AI a szöveget/logót. A diffúziós modellek nem tudnak megbízhatóan olvasható szöveget és védett logókat előállítani; hozzáadni őket a tényleges tervezési fázisban. Ezenkívül az olvasható szöveget igénylő képeken csak a hátteret/légkört használja az AI-hoz.
Képarány és rendeltetésszerű használat
A képarány a kép szélesség-magasság aránya, és meghatározza annak használatát: 9:16 a közösségi média függőleges történetéhez, 3:2 normál nyomtatáshoz, 1:1 négyzet alakú bejegyzéshez, 16:9 széles szalaghirdetéshez. Jobb az arányt az elején megadni a promptban, mint később levágni, és elveszíteni a minőséget. Már az elején válassza ki a felbontást és az arányt a tervezett felhasználás (nyomtatás vagy megjelenítés) ismeretében.
Negatív recept és variáció
A legtöbb eszköznek van negatív promptja is: egy olyan terület, ahol olyan dolgokat írsz, amelyeket nem szeretnél a képen ("deformált kéz, extra ujjak, szöveg, vízjel, műanyag kötés"). Ez csökkenti, de nem akadályozza meg teljesen a gyakori hibákat; az ellenőrzés továbbra is elengedhetetlen. Létezik a mag fogalma is – a véletlenszerűség magja, amelyből a termelés indul; Ugyanaz a mag és prompt ismét hasonló eredményt produkál, ami segít konzisztens készlet létrehozásában (a 4. egységben részletesebben kitérünk).
három mini tok
1. eset – A recept ereje. Egy stockfotós azt írta, hogy „nő kávézik”, és szomorú eredményeket ért el. Amikor a Prompta fényt (oldalablak világítás), objektívet (50 mm, kis mélységélesség), atmoszférát (meleg, nyugodt reggel) és textúrát (természetes bőr) adott hozzá, az eredmény használhatóvá vált. Az elfogadható képkocka-generálási sebesség körülbelül 1/20-ról 1/4-re nőtt; A gyártási idő egyharmadával csökkent.
2. eset – Hallucinációból eredő veszteség. Egy tervező-fotós „kezet rázó üzletemberek” képét helyezte el egy prezentációban anélkül, hogy ellenőrizte volna. A megbeszélésen észrevették, hogy egy menedzsernek három keze van. A kis képernyőn figyelmen kívül hagyott hiba vetítésben felnagyított. Egy 30 másodperces kéz/ujj letapogatás megakadályozta volna ezt a zavart.
3. eset – A megfelelő eszköz kiválasztása. Egy termékfotós egy valódi órát akart elhelyezni, amelyet más környezetben készített. Ahelyett, hogy a semmiből állította volna elő, megtartotta a valódi termékkeretet, csak a hátteret/atmoszférát készítették el mesterséges intelligenciával és csinálták kompozitba. Így a termék tényleges adatai (márka, számlap) nem torzultak el; a hitelesség és a pontosság egyaránt megmaradt.
Másolható sablonok
1) Fényképészeti prompt váz:
[tárgy: ki/mi, életkor, ruházat, kifejezés, akció],[fény: irány, keménység, forrás, idő],[objektív/kamera: gyújtótávolság, mélységélesség, szög],[kompozíció: keretezés, elhelyezés, konvenció],[atmoszféra/szín: tónus, hangulat, paletta],[technika: természetes textúra, reális színarány,].Pho. Szöveg/logó hozzáadása.
2) Negatív prompt piszkozat:
Negatívumok (amit nem akarok): rosszul formált kéz, extra/hiányzó ujjak, görbe arc, műanyag/viaszszerű bőr, olvashatatlan szöveg, vízjel, ismétlődő textúra, lehetetlen árnyék, túltelített szín.
3) Moodboard referenciaként (irány, nem kézbesítés):
Cél: Moodboard referencia a forgatáshoz (nem a leszállított). Koncepció: [koncepció]. Az esztétikát csak attribútumokkal írja le: fény [..], színpaletta [..], hangulat [..], kompozíció [..]. Ne használjon személy-/márka-/fotósnevet. 4 változat létrehozása.
4) Összetett terv a valódi termék védelmére:
Valódi [termék] felvételem van; Maga a termék nem változik. Írja be a promptot, hogy a kép csak a háttérben/légkörben készüljön el: [fény, felület, szín, környezet]. A termék árnyékiránya és fénykeménysége [..] legyen, hogy a kompozit meggyőző legyen.
Gyenge felszólítás / Erős felszólítás
Gyenge: "Szép portréfotó."
Erős: "Középkorú tanyasi nő, napsütötte arc, enyhe mosoly, búzamezőben; arany órafény oldalról, alacsony kontraszt; 85 mm-es portré nézet, sekély mélységélesség, lágy háttér; közeli, téma balra, harmadszabály; meleg földtónusok, nyugodt és méltóságteljes hangulat; természetes bőrtextúra, könnyű filmszemcsés, 3. szöveg.":2.
A gyenge akarat teljesen a véletlenre van bízva; Mivel erős igény írja le a fényt, a lencsét, az összetételt és a légkört, ez nagyban növeli a kívánt eredmény elérésének valószínűségét.
Gyakori hibák
- Nem írja le a fényt és a lencsét. Nagyrészt ez a kettő teszi a fényképet fényképpé; Ha üresen hagyja, az eredmény a véletlenre lesz bízva.
- Az AI olvasható szöveget/logót rajzol. A modell ezeket nem tudja megbízhatóan előállítani; Előfordulhat, hogy hibás és szerzői jogvédelem alatt áll.
- Az elkészített kép „fényképként” bemutatása. Dokumentumfilm/hírek szövegkörnyezetében félrevezető; Ténynyilatkozat szükséges.
- Másolási stílus személy/márkanévvel. Utánzás és szerzői jogi kockázat; Jellemezze az esztétikát a tulajdonságokkal.
- Ellenőrzés kihagyása. Minden elkészített képen ellenőrizni kell a kezeket, a szemeket, a tükröződéseket, az árnyékokat és az ismétlődő textúrákat.
Összefoglalva
A generatív vizuális mesterséges intelligencia diffúzióval működik: zajból képbe megy, amely illeszkedik a szöveghez, nem tudja előállítani azt, ami nincs leírva, és ott hibázik, ahol logikára van szükség. A fényképes realizmushoz úgy írja le a témát, a fényt, az objektívet, a kompozíciót, a légkört és a technikát, mint egy fotós. Válassza ki a képarányt a célnak megfelelően, csökkentse a műterméket negatív receptúrával, ne hagyja, hogy az AI megrajzolja a szöveget, és ellenőrizze az egyes kimeneteket. Soha ne használjon olyan készített képet, amely azt állítja, hogy "fotó készült".
Pályázati feladat
Válasszon ki egy fogalmat, és írjon egy fényképes promptot, mind a hat komponenst kitöltve az 1. sablonnal. Először állítsa elő (vagy írja le) ugyanazt a fogalmat egyetlen mondatban, például "egy gyönyörű fotó", majd a teljes csontvázzal, és hasonlítsa össze a két eredményt. Jelöljön meg legalább három lehetséges hibapontot a képen, amelyet a kezek, a szemek, a tükröződések és az árnyékok megnagyobbításával készít.
ellenőrző lista
- [ ] A promptban külön leírtam a témát, a fényt, az objektívet, a kompozíciót, az atmoszférát és a technikát.
- [ ] A képarányt a felhasználási célnak megfelelően határoztam meg.
- [ ] A gyakori hibákat a negatív receptúrával csökkentettem.
- [ ] Nem rendelkeztem az AI-rajz olvasható szövegével/logójával.
- [ ] Gondoskodtam arról, hogy a keletkezett képet ne "fotóként" mutassam be.
- [ ] Ellenőriztem a kéz/szem/visszaverődés/árnyék kimenetét.