फोटोग्राफिक व्हिज्युअल प्रोडक्शन आणि प्रॉम्प्ट ऍनाटॉमी: डिफ्यूजन कसे कार्य करते?

नफा:

• इमेज-जनरेटिंग आर्टिफिशियल इंटेलिजन्स (प्रसार) कसे कार्य करते आणि फोटोग्राफिक रिॲलिझमसाठी कोणते रेसिपी घटक आवश्यक आहेत हे समजून घेणे
• विषय, प्रकाश, लेन्स/कॅमेरा, रचना, वातावरण आणि तांत्रिक घटकांचा समावेश असलेले मजबूत फोटोग्राफिक प्रॉम्प्ट लिहिण्याची क्षमता.
• उत्पादित प्रतिमा आणि घेतलेले छायाचित्र, वापराच्या मर्यादा आणि सत्यतेच्या घोषणेचे महत्त्व यांच्यातील फरक ओळखण्याची क्षमता

छायाचित्रकार तीन वैध हेतूंसाठी जनरेटिव्ह व्हिज्युअल एआय वापरतो: मूडबोर्ड आणि संकल्पनांसाठी मसुदा संदर्भ तयार करण्यासाठी, वास्तविक शॉटला पूरक असे घटक तयार करण्यासाठी (पार्श्वभूमी, पोत, संमिश्र भाग) आणि पूर्णपणे उत्पादित प्रतिमा तयार करण्यासाठी (उदाहरणार्थ, स्टॉक विक्री किंवा जाहिरात संकल्पनेसाठी). या युनिटमध्ये, ही साधने कशी कार्य करतात आणि फोटोग्राफिक रिॲलिझमसाठी प्रॉम्प्ट्स कसे लिहायचे ते आपण शिकू. योगायोगाने छान शॉटची वाट पाहणे हे ध्येय नाही; याचा अर्थ छायाचित्रकाराच्या भाषेत तुम्हाला काय हवे आहे याचे वर्णन करणे आणि निकाल निर्देशित करणे.

प्रसार: मॉडेल "फोटो" कसे तयार करते?

आजचे बहुतेक प्रतिमा निर्माण करणारे एआय प्रसार नावाच्या पद्धतीसह कार्य करतात. फक्त: मॉडेल लाखो प्रतिमांवर "गोंगाटातून अर्थपूर्ण प्रतिमेकडे" जाण्यास शिकले आहे. हे उत्पादनादरम्यान यादृच्छिक आवाजापासून सुरू होते (जसे बर्फाच्छादित स्क्रीनशॉट) आणि तुमचा मजकूर (प्रॉम्प्ट) बसण्यासाठी हळूहळू आवाज साफ करून प्रतिमा तयार करते. यातून दोन मूलभूत तथ्ये समोर येतात:

प्रथम, मॉडेल जे वर्णन केलेले नाही ते तयार करू शकत नाही. जर तुम्ही प्रकाश म्हटला नाही तर यादृच्छिक प्रकाश येईल; वस्तुनिष्ठ दृष्टिकोनाचा विचार न केल्यास, "छायाचित्रणाची अनुभूती" हा योगायोगच राहील. दुसरे, मॉडेल समजत नाही, ते अंदाज लावते. म्हणूनच हात, मजकूर, प्रतिबिंब, सममिती यासारख्या तर्कशास्त्राची आवश्यकता असलेल्या ठिकाणी तो चुका (भ्रम) करतो. तुम्हाला फोटोग्राफिक रिॲलिझम हवे असल्यास, तुम्ही तांत्रिक निर्णयांचे स्पष्टपणे वर्णन केले पाहिजे - प्रकाश, लेन्स, रचना - जे छायाचित्राला छायाचित्र बनवतात.

खबरदारी: जरी व्युत्पन्न केलेली प्रतिमा "फोटोसारखी" दिसत असली तरी ती छायाचित्र नाही; ते प्रत्यक्ष क्षणाचे दस्तऐवजीकरण करत नाही. बातम्या, माहितीपट किंवा संदर्भामध्ये "हे खरोखर घडले" असा दावा करणे हे दिशाभूल करणारे आहे आणि नैतिक सीमेचे उल्लंघन करते, ज्याचा आम्ही युनिट 9 मध्ये समावेश करू.

फोटोग्राफिक प्रॉम्प्ट शरीर रचना

शक्तिशाली फोटोग्राफिक प्रॉम्प्टमध्ये सहा घटक असतात. शूटचे नियोजन करण्यासारखे या गोष्टींचा विचार करा:

1. विषय: काय/कोण? वय, कपडे, भाव, क्रिया, संख्या. ("मध्यमवयीन सुतार, एप्रनमध्ये, वर्कबेंचवर काम करत आहे")
2. प्रकाश: दिशा, कडकपणा, स्रोत, वेळ. हे छायाचित्रणाचे हृदय आहे. ("सॉफ्ट साइड विंडो लाइट, सकाळ, कमी कॉन्ट्रास्ट")
3. लेन्स आणि कॅमेरा दृश्य: फोकल लांबी, फील्डची खोली, कोन. ("85 मिमी पोर्ट्रेट लेन्स फील, फील्डची उथळ खोली, मऊ पार्श्वभूमी बोके, डोळ्याची पातळी")
4. रचना: फ्रेमिंग, प्लेसमेंट, फ्रेमिंग. ("क्लोज-अप, तृतीयचा नियम, डावीकडे विषय")
5. वातावरण आणि रंग: टोन, मूड, पॅलेट. ("उबदार पृथ्वी टोन, शांत, नॉस्टॅल्जिक")
6. टेक/गुणवत्ता: पोत, वास्तववादाच्या नोट्स, आस्पेक्ट रेशो. ("नैसर्गिक त्वचेची रचना, फिल्म ग्रेन, 3:2 गुणोत्तर")

जेव्हा तुम्ही हे घटक अनुक्रमाने सादर करता, तेव्हा मॉडेल अधिक नियंत्रित, "फोटोग्राफिक" परिणाम देते. तुम्ही सोडलेला कोणताही घटक संधीसाठी सोडला आहे.

टीप: AI ने मजकूर/लोगो काढू नका. प्रसार मॉडेल विश्वसनीयरित्या वाचनीय मजकूर आणि मालकीचे लोगो तयार करू शकत नाहीत; त्यांना वास्तविक डिझाइन टप्प्यात जोडा. तसेच, वाचनीय मजकूर आवश्यक असलेल्या प्रतिमेमध्ये, AI फक्त पार्श्वभूमी/वातावरणासाठी वापरा.

गुणोत्तर आणि हेतू वापर

आस्पेक्ट रेशो हे इमेजच्या रुंदी-ते-उंचीचे गुणोत्तर आहे आणि त्याचा वापर निर्धारित करते: सोशल मीडिया व्हर्टिकल स्टोरीसाठी 9:16, स्टँडर्ड प्रिंटसाठी 3:2, स्क्वेअर पोस्टसाठी 1:1, रुंद बॅनरसाठी 16:9. नंतर ट्रिम करण्यापेक्षा आणि गुणवत्ता गमावण्यापेक्षा सुरुवातीपासून प्रॉम्प्टमध्ये गुणोत्तर निर्दिष्ट करणे चांगले आहे. अभिप्रेत वापर (मुद्रण किंवा प्रदर्शन) जाणून, अगदी सुरुवातीपासूनच रेझोल्यूशन आणि गुणोत्तर निवडा.

नकारात्मक कृती आणि भिन्नता

बऱ्याच साधनांमध्ये नकारात्मक प्रॉम्प्ट देखील असतो: एक क्षेत्र जेथे आपण प्रतिमेमध्ये आपल्याला नको असलेल्या गोष्टी लिहा ("विकृत हात, अतिरिक्त बोटे, मजकूर, वॉटरमार्क, प्लास्टिक बंधन"). हे कमी करते परंतु सामान्य दोष पूर्णपणे टाळत नाही; सत्यापन अद्याप आवश्यक आहे. बियाण्याची संकल्पना देखील आहे - यादृच्छिकतेचे बीज ज्यापासून उत्पादन सुरू होते; समान बियाणे आणि प्रॉम्प्ट पुन्हा समान परिणाम देते, जे तुम्हाला एक सुसंगत संच तयार करण्यात मदत करते (आम्ही 4थ्या युनिटमध्ये अधिक खोलवर जाऊ).

तीन लहान प्रकरणे

केस 1 - रेसिपीची शक्ती. एका स्टॉक फोटोग्राफरने "कॉफी पीत असलेली स्त्री" असे लिहिले आणि त्याचे निराशाजनक परिणाम मिळाले. जेव्हा प्रॉम्प्टाने प्रकाश (साइड विंडो लाइट), लेन्स (50 मिमी, फील्डची उथळ खोली), वातावरण (उबदार, शांत सकाळ) आणि पोत (नैसर्गिक त्वचा) जोडली, तेव्हा परिणाम वापरण्यायोग्य झाला. स्वीकार्य फ्रेम निर्मिती दर अंदाजे 1/20 ते 1/4 पर्यंत वाढले; उत्पादन वेळ एक तृतीयांश कमी करण्यात आला.

केस 2 - भ्रम पासून नुकसान. एका डिझायनर-फोटोग्राफरने "व्यवसायिक लोक हस्तांदोलन" ची प्रतिमा न तपासता सादरीकरणामध्ये ठेवली. बैठकीत एका व्यवस्थापकाचे तीन हात असल्याचे निदर्शनास आले. छोट्या पडद्यावर नजरेआड झालेला दोष प्रोजेक्शनमध्ये वाढवला गेला. 30-सेकंद हात/बोटांच्या स्कॅनने हा पेच टाळता आला असता.

केस 3 - योग्य साधन निवडणे. एका उत्पादन छायाचित्रकाराला त्याने वेगळ्या वातावरणात शूट केलेले खरे घड्याळ ठेवायचे होते. सुरवातीपासून ते तयार करण्याऐवजी, त्याने वास्तविक उत्पादन फ्रेम ठेवली, फक्त पार्श्वभूमी/वातावरण AI सह तयार केले गेले आणि संमिश्र केले गेले. अशा प्रकारे, उत्पादनाचे वास्तविक तपशील (ब्रँड, डायल) विकृत झाले नाहीत; विश्वासार्हता आणि अचूकता दोन्ही जपले गेले.

कॉपी करण्यायोग्य टेम्पलेट्स

1) फोटोग्राफिक प्रॉम्प्ट सांगाडा:

[विषय: कोण/काय, वय, कपडे, अभिव्यक्ती, कृती], [प्रकाश: दिशा, तिखटपणा, स्रोत, वेळ], [लेन्स/कॅमेरा: फोकल लांबी, क्षेत्राची खोली, कोन], [रचना: फ्रेमिंग, प्लेसमेंट, कन्व्हेन्शन], [वातावरण/रंग: टोन, मूड, पॅलेट, नैसर्गिक मजकूर] प्रमाण].फोटोग्राफिक, वास्तववादी. मजकूर/लोगो जोडा.

2) नकारात्मक प्रॉम्प्ट मसुदा:

नकारात्मक (मला काय नको आहे): विकृत हात, अतिरिक्त/नसलेली बोटे, वाकडा चेहरा, प्लास्टिक/मेणासारखी त्वचा, न वाचता येणारा मजकूर, वॉटरमार्क, पुनरावृत्ती होणारी पोत, अशक्य सावली, ओव्हरसॅच्युरेटेड रंग.

3) मूडबोर्ड संदर्भासाठी (दिशा, वितरण नाही):

उद्देश: शूटसाठी मूडबोर्ड संदर्भ (डिलिव्हर करण्यायोग्य नाही). संकल्पना: [संकल्पना]. केवळ गुणधर्मांसह सौंदर्याचे वर्णन करा: प्रकाश [..], रंग पॅलेट [..], वातावरण [..], रचना [..]. कोणत्याही व्यक्तीचे/ब्रँड/छायाचित्रकाराचे नाव वापरू नका. 4 भिन्नता निर्माण करा.

4) वास्तविक उत्पादनाचे संरक्षण करणारी संयुक्त योजना:

माझ्याकडे एक वास्तविक [उत्पादन] शॉट आहे; उत्पादन स्वतः बदलणार नाही. केवळ पार्श्वभूमी/वातावरणासाठी प्रतिमेसाठी प्रॉम्प्ट लिहा: [प्रकाश, पृष्ठभाग, रंग, वातावरण]. उत्पादनाची सावलीची दिशा आणि हलका कडकपणा [..] असावा जेणेकरून संमिश्र खात्री पटेल.

कमकुवत प्रॉम्प्ट / मजबूत प्रॉम्प्ट

कमकुवत: "छान पोर्ट्रेट फोटो."

सशक्त: "मध्यमवयीन शेतमजूर स्त्री, सूर्यप्रकाशित चेहरा, हलके हसू, गव्हाच्या शेतात; बाजूकडून सोनेरी तास प्रकाश, कमी कॉन्ट्रास्ट; 85 मिमी पोर्ट्रेट दृश्य, फील्डची उथळ खोली, पार्श्वभूमी मऊ; क्लोज-अप, विषय डावीकडे, तृतीयांश नियम; उबदार पृथ्वी टोन, शांत आणि सन्माननीय मूड, 3 फोटोग्राफ, नैसर्गिक मजकूर, 2 फोटोग्राफ, फोटोग्राफ. वास्तववादी मजकूर जोडत आहे."

दुर्बल इच्छा पूर्णपणे संधीवर सोडली जाते; जोरदार मागणी प्रकाश, लेन्स, रचना आणि वातावरणाचे वर्णन करत असल्याने, ते इच्छित परिणाम निर्माण करण्याची संभाव्यता मोठ्या प्रमाणात वाढवते.

सामान्य चुका

• प्रकाश आणि लेन्सचे वर्णन करत नाही. हे दोन मुख्यत्वे छायाचित्राला छायाचित्र बनवतात; आपण ते रिक्त सोडल्यास, परिणाम संधीवर सोडला जाईल.
• AI ड्रॉ वाचनीय मजकूर/लोगो असणे. मॉडेल हे विश्वसनीयरित्या तयार करू शकत नाही; ते सदोष आणि कॉपीराइट केलेले असू शकते.
• उत्पादित प्रतिमा "फोटोग्राफ" म्हणून सादर करणे. डॉक्युमेंटरी/बातमीच्या संदर्भात ते दिशाभूल करणारे आहे; वस्तुस्थितीचे विधान आवश्यक आहे.
• व्यक्ती/ब्रँड नावासह शैली कॉपी करणे. अनुकरण आणि कॉपीराइट धोका; गुणांसह सौंदर्यशास्त्राचे वर्णन करा.
• सत्यापन वगळणे. प्रत्येक उत्पादित प्रतिमेमध्ये हात, डोळे, प्रतिबिंब, सावल्या आणि पुनरावृत्ती होणारी रचना तपासणे आवश्यक आहे.

सारांशात

जनरेटिव्ह व्हिज्युअल एआय प्रसरणाने कार्य करते: ते मजकुरात बसणाऱ्या आवाजापासून प्रतिमेकडे जाते, जे वर्णन केलेले नाही ते निर्माण करू शकत नाही आणि जेथे तर्काची आवश्यकता असते तेथे चुका होतात. फोटोग्राफिक रिॲलिझमसाठी, छायाचित्रकाराप्रमाणे विषय, प्रकाश, लेन्स, रचना, वातावरण आणि तंत्र यांचे वर्णन करा. हेतूनुसार गुणोत्तर निवडा, नकारात्मक रेसिपीसह आर्टिफॅक्ट कमी करा, AI कडे मजकूर काढू नका आणि प्रत्येक आउटपुट सत्यापित करा. "फोटो घेतलेला" असल्याचा दावा करणारी उत्पादित प्रतिमा कधीही वापरू नका.

अर्ज कार्य

टेम्प्लेट 1 सह सर्व सहा घटक भरून एक संकल्पना निवडा आणि फोटोग्राफिक प्रॉम्प्ट लिहा. "एक सुंदर फोटो" यासारख्या एका वाक्यात प्रथम समान संकल्पना तयार करा (किंवा वर्णन करा), नंतर पूर्ण सांगाड्यासह, आणि दोन परिणामांची तुलना करा. हात, डोळे, प्रतिबिंब आणि सावल्या वाढवून तुम्ही तयार करत असलेल्या प्रतिमेमध्ये किमान तीन संभाव्य दोष चिन्हांकित करा.

चेकलिस्ट

• [] प्रॉम्प्टमध्ये, मी विषय, प्रकाश, लेन्स, रचना, वातावरण आणि तंत्र स्वतंत्रपणे वर्णन केले.
• [ ] मी अभिप्रेत वापरानुसार गुणोत्तर निर्धारित केले.
• मी नकारात्मक रेसिपीसह सामान्य दोष कमी केले.
• [] माझ्याकडे AI ड्रॉ वाचनीय मजकूर/लोगो नव्हता.
• [ ] मी व्युत्पन्न केलेली प्रतिमा "फोटो" म्हणून सादर केली नाही याची मी खात्री केली आहे.
• [] मी हात/डोळा/प्रतिबिंब/सावलीसाठी आउटपुट सत्यापित केले.