利益:
- 視覚的なプロンプト解剖学 (被写体、素材、角度、光、スタイル、ネガ) を確立し、再現可能な結果を得る能力
- 参照画像、ControlNet、シード、スタイル ウェイトなどの制御メソッドを使用して視覚的な方向を指示する機能
- タスクに応じてツールを選択し、出力の解像度、一貫性、および使用権の制限を評価する機能
前の単元では、コンセプト生成において AI を位置付ける方法について説明しました。この単元では、さらに一歩深く進み、実際にビジュアル AI ツールを制御する方法を学びます。多くのデザイナーがイライラしているのは、このツールが「勝手に」画像を生成してしまうことです。ただし、通常、問題はツールのあいまいさではなく、与えられる指示のあいまいさにあります。ビジュアル AI を制御するには、プロンプト解剖学 (命令を正しく設定する)、参照と構成の制御 (ビジュアルを導く)、再現性 (同じ結果を再度得る) の 3 つのことを知る必要があります。これら 3 つを学習すると、AI はランダムなビジュアル マシンから操作可能な設計ツールに変わります。
プロンプト解剖学: 画像を説明する 6 つの層
優れた視覚的プロンプトは、ランダムな文ではなく、階層化されたレシピです。次の 6 つの層について考えてみましょう。
- 件名: 私たちは何を生産しますか? （「ワイヤレスヘッドホン充電ボックス」）
- フォルムとディテール: シルエット、プロポーション、コーナー、表面の区別。 (「角丸、ツーピース、上部の細い分割線」)
- マテリアルと CMF: 色 - マテリアル - 表面。 (「マット無煙炭ポリカーボネート、つや消しアルミニウム ストリップ」)
- アングルとフレーミング: 視点とフレーミング。 （「正面から3/4、やや上から、商品中央」）
- 光と環境: 照明と背景。 (「ソフトなスタジオ ライト、ニュートラルなライト グレーの無限の背景」)
- スタイルと目的: スケッチ、フォトリアリスティックなレンダリング、テクニカル ドローイング。 (「フォトリアリスティックな製品レンダリング」)
これに、望まないものという否定的なプロンプトが加わります。多くのツールは「否定的なプロンプト」領域を提供します。ここでは、「人間の手、テキスト、ロゴ、乱雑な背景、複数の製品」など、不要なものを入力して出力をクリアします。レイヤーが欠落したままにしておくと、AI が独自の統計的平均値でそれらのギャップを埋めます。これは決まり文句を意味します。
ヒント: パターンから読み取るかのようにプロンプトを設定します: 件名 + フォーム + CMF + 角度 + ライト + スタイル + ネガティブ。出力が気に入らない場合は、プロンプト全体を書き直さないで、どのレイヤーが欠落しているかを尋ねてください。
参照、構成、スタイルの制御
言葉ですべてを語ることはできません。時には、1 つの画像が 1,000 の言葉に匹敵することがあります。最新のガジェットは、いくつかの強力な制御手段を提供します。
- 参照画像 (画像プロンプト / 画像参照): 画像をアップロードして、「このようにしてください」と指示します。ツールが重みを付けて出力をどの程度参照するかを設定します。
- ControlNet: Stable Diffusion エコシステムでは、スケッチまたは写真のエッジ/ライン/深度/ポーズ構造を保持し、その上に新しい画像を生成する制御レイヤーです。構図を保存したり、自分のスケッチの素材を変更したりするのに最適です。
- スタイル参照/スタイルウェイト: 画像の内容ではなく、雰囲気/色質感のみを伝えること。
- インペイント（部分編集）：画像の一部だけをマスクして再現する（例えばハンドルのみを変更する）。
- LoRA / カスタム トレーニング: 高度なレベルでは、ブランド言語または特定のスタイルに基づいてモデルを微調整します。これには、プライバシーと著作権への注意が必要です (許可を得て、独自のデータを使用する)。
これらのツールに共通する利点は、AI がゼロから夢を描くのではなく、与えられたフレームワークに基づいて動作するように強制することです。デザイナーにとって最も価値のあるものは、多くの場合、ControlNet と修復です。これは、これらが独自のスケッチ構成を保持するためです。
再現性: シードとパラメータ
拡散モデルはランダム性から始まります。シードは、このランダム性の開始番号です。同じプロンプト + 同じシード + 同じパラメータでは、通常、同じ/非常に似た画像が得られます。これはデザインにとって重要です。シードを修正して好みのイメージを再現することも、単語を変更するだけで、制御された方法で効果を確認することもできます。その他の重要なパラメータ: アスペクト比、ステップ数 (ステップ数が多く、より洗練されますが遅い)、ガイダンス スケール (ガイダンス/CFG、プロンプトにどの程度適合するか - 高すぎると、人工的で強制的に見えます)。
コントロール
どういうことですか
いつ使用するか
種子の固定
同じ出力を再現します
画像を現像してA/Bを試す場合
参考画像+重量
イメージに似ていますね
構成・雰囲気転写
ControlNet (エッジ/深さ)
構成を保持し、内容を変更します
独自のスケッチからレンダリングを作成する
修復
1 つのリージョンのみをリフレッシュします
単一の詳細を変更する
否定的なプロンプト
不要なものを排除します
クリーニングの背景、手、テキスト
ミニケース3個
ケース 1 — 自分のスケッチを保護する。デザイナーは、ハンド掃除機の手描きのスケッチをフォトリアリスティックなレンダリングに変換したいと考えています。テキストプロンプトだけで試してみると、AIはまったく異なるフォームを生成します。 ControlNet のキャニー モードを使用してスケッチをアップロードすると、AI はその線を保持し、マットなプラスチックとスタジオの照明でカバーします。彼は4回のトライで望む結果を手に入れた。教訓: 構成を保持する場合、ControlNet は純粋なプロンプトよりもはるかに強力です。
ケース 2 — 変動の制御不能な損失。デザイナーは気に入ったコンセプトを見つけましたが、その種には注目しませんでした。翌日、「もう少し細いハンドル」を要求しても、同じイメージを再度作成することはできません。毎回まったく異なる製品が登場するため、何時間も費やしてしまいます。レッスン: 必要な各出力のシードと完全なプロンプトを保存します。これらはあなたの「リターン」ポイントです。
ケース 3 — ネガティブ プロンプトを使用したクリーニング。デザイナーがスタジオ画像を作成すると、不要な人間の手、反射したテキスト、および 2 番目の製品がプリントアウトの半分に表示されます。ネガティブプロンプトに「人間の手、テキスト、透かし、重複した製品、乱雑な背景」を追加すると、わずか 8 単語で出力品質が大幅に向上します。教訓: 望んでいないことを言うことは、望んでいることを言うことと同じくらい重要です。
コピー可能なプロンプトテンプレート
LAYERED PROMPT SKELETON「[主題]、[フォームと詳細]、[CMF: カラー-マテリアル-サーフェス]、[角度とフレーミング]、[光と背景]、[スタイル: スケッチ/レンダリング/テクニック]。--ネガティブ: 人間の手、テキスト、ロゴ、透かし、マルチプロダクト、乱雑な背景。」
リファレンスからテンプレートをレンダリング「アップロードしたスケッチのラインと構成を維持します (ControlNetedge モード)。その上に次のマテリアルを適用します: [マットなプラスチックのボディ、アルミニウムのディテール]。ライト: ソフト スタジオ。背景: ニュートラル グレー。フォームは変更せず、マテリアルとライトを追加するだけです。」
単一詳細変更 (修復) テンプレート 「この画像では、[マスクされた領域: ハンドル] 領域のみを再現します。新しいバージョン: [よりスリム、人間工学に基づいた、湾曲した]。画像の残りの部分、その照明と角度には触れないでください。」
再現性メモのテンプレート 「この印刷出力が気に入っています。次の情報を保存して次回使用します: プロンプト = [全文]、シード = [数値]、アスペクト = [比率]、ステップ = [数値]、方向 = [値]。この 1 つの要素を変更するだけです: [X]。」
弱いプロンプト / 強いプロンプト
弱いプロンプト: 「白い背景にヘッドフォンをうまくレンダリングしました。」
強力なプロンプト: 「ワイヤレス インイヤー ヘッドフォン充電ケース、楕円形の錠剤型、上部に細い分割線。CMF: マット アイボリー ポリカーボネート ボディ、サテン ゴールド ヒンジ ストリップ。角度: 前面 3/4、わずかに上部。ライト: ソフト スタジオ ソフトボックス、わずかに上部反射。背景: ニュートラル ライト グレー無限背景。スタイル: フォトリアリスティックな製品レンダリング。シード: 4821、アスペクト 4:3。--ネガティブ: 人間の手、テキスト、ロゴ、透かし、2 番目のプロダクト、ハード シャドウ。」
プロンプトが弱いため、ツールは決まり文句で空白を埋めることができます。強力なプロンプトにより各レイヤーが識別され、ネガが除去され、シードで再現可能になります。
よくある間違い
- 一文のあいまいなプロンプトを作成し、結果をツールにアップロードします。ギャップを埋めるのはあなたではなく AI です。
- シードとパラメータが保存されません。好みの出力を二度と得ることはできません。
- 否定的なプロンプトは決して使用しないでください。不要な要素が出力を汚します。
- 構成をチェックする代わりに、何百ものランダムなトライアルを実行します。 ControlNet/修復によりジョブが高速化されます。
- 他人の著作権で保護された画像を参考として使用する。スタイルの模倣と著作権のリスクがあります (ユニット 10 を参照)。
注意: 参照画像やスタイル ウェイトは強力なツールですが、他人の独自のデザインやアーティストの署名スタイルをコピーするために使用すると、法的および倫理的なリスクが生じます。自分の資料または許可された/無料の情報源から参考文献を選択します。
要約すると
ビジュアル AI の制御には、レイヤー化されたプロンプトの設定 (主題、フォーム、CMF、角度、ライト、スタイル、ネガ)、画像によるガイド (参照、ControlNet、修復、スタイル ウェイト)、再現性の提供 (シードとパラメーターの保存) の 3 つの機能が必要です。これら 3 つにより、AI はランダムなマシンから操縦可能な設計ツールに変わります。 ControlNet と修復は、コンポジションを保護したい場合、純粋なプロンプトよりもはるかに強力です。否定的なプロンプトを使用して不要なものを削除し、著作権が保護されたソースから参考文献を選択してください。
アプリケーションタスク
製品を選択し、まず手書きでラフスケッチを描きます（または見つけます）。階層化プロンプト フレームワークを使用してこの製品を説明するプロンプトを作成し、否定プロンプトを追加して、4 つの出力を生成します。希望する出力のシードとパラメータを保存します。次に、「単一詳細変更」ロジックを使用して、1 つの要素 (たとえば、ハンドル) のみを変更し、同じシードで再生成します。 2 つの結果を比較し、コントロールがどのように変化するかを書きます。
チェックリスト
- [ ] 6 つのレイヤー (主題、フォーム、CMF、アングル、ライト、スタイル) をカバーするようにプロンプトを設定しました。
- [ ] 否定的なプロンプトに望まないことを書きました。
- [ ] 構成を維持する必要がある場合は、reference/ControlNet/inpainting を使用しました。
- [ ] 気に入った出力のシードとパラメータを保存しました。
- [ ] 単一の変数を動かして変化を制御してみました。
- [ ] 参考画像は著作権保護されたソースから選択しました。