भिजुअल एआई उपकरणहरूमा गहिरो नजर: प्रम्प्ट, सन्दर्भ र शैली नियन्त्रण

लाभ:

• भिजुअल प्रम्प्ट एनाटॉमी (विषय, सामग्री, कोण, प्रकाश, शैली, नकारात्मक) स्थापित गर्न र पुन: उत्पादन योग्य परिणामहरू प्राप्त गर्ने क्षमता।
• सन्दर्भ छवि, कन्ट्रोलनेट, बीउ र शैली वजन जस्ता नियन्त्रण विधिहरूको साथ दृश्य दिशा निर्देशन गर्ने क्षमता
• कार्य अनुसार उपकरण छनौट गर्ने र आउटपुटको संकल्प, स्थिरता र उपयोग अधिकार सीमाहरूको मूल्याङ्कन गर्ने क्षमता

अघिल्लो एकाइमा, तपाईंले कन्सेप्ट जेनरेशनमा एआईलाई कसरी स्थान दिने भनेर देख्नुभयो। यस इकाईमा हामी एक कदम गहिराइमा जान्छौं: तपाईंले वास्तवमा भिजुअल एआई उपकरणहरू नियन्त्रण गर्न सिक्नुहुनेछ। धेरै डिजाइनरहरूको निराशा यो हो कि उपकरणले "आफ्नै" छविहरू उत्पादन गर्दछ; यद्यपि, समस्या सामान्यतया उपकरणको अस्पष्टता होइन तर दिइएको निर्देशनहरूको अस्पष्टता हो। भिजुअल एआई नियन्त्रण गर्न तीनवटा कुराहरू जान्न आवश्यक छ: प्रम्प्ट एनाटोमी (निर्देशन सही रूपमा सेट गर्ने), सन्दर्भ र संरचना नियन्त्रण (दृश्यको साथ अग्रणी), र पुन: उत्पादन क्षमता (फेरि उही परिणाम प्राप्त गर्दै)। एकचोटि तपाईंले यी तीन सिक्नुभएपछि, एआई अनियमित भिजुअल मेसिनबाट स्टीयरबल डिजाइन उपकरणमा रूपान्तरण हुन्छ।

प्रम्प्ट एनाटॉमी: छविको वर्णन गर्ने छ तहहरू

एक राम्रो भिजुअल प्रम्प्ट अनियमित वाक्य होइन, तर एक स्तरित नुस्खा हो। यी छवटा तहहरूलाई विचार गर्नुहोस्:

1. विषय: हामी के उत्पादन गर्छौं? ("वायरलेस हेडफोन चार्जिङ बक्स")
2. फारम र विवरण: सिल्हूट, अनुपात, कुना, सतह भेद। ("गोलाकार कुनाहरू, दुई टुक्रा, माथिल्लो भागमा पातलो विभाजन रेखा")
3. सामग्री र CMF: रंग-सामग्री-सतह। ("म्याट एन्थ्रेसाइट पॉली कार्बोनेट, ब्रश गरिएको एल्युमिनियम स्ट्रिप")
4. कोण र फ्रेमिङ: दृश्य र फ्रेमिङ बिन्दु। ("अगाडिबाट ३/४, माथिबाट थोरै, उत्पादन केन्द्रित")
5. प्रकाश र वातावरण: प्रकाश र पृष्ठभूमि। ("सफ्ट स्टुडियो लाइट, न्यूट्रल लाइट ग्रे अनन्त पृष्ठभूमि")
6. शैली र उद्देश्य: स्केच, photorealistic प्रतिपादन, प्राविधिक रेखाचित्र। ("फोटोरियलिस्टिक उत्पादन प्रतिपादन")

यसमा नकारात्मक प्रम्प्ट थपिएको छ: तपाईंले नचाहिने कुराहरू। धेरै उपकरणहरूले "नकारात्मक प्रम्प्ट" क्षेत्र प्रस्ताव गर्दछ; यहाँ तपाईले नचाहिने कुरा टाइप गरेर आउटपुट खाली गर्नुहुन्छ, जस्तै "मानव हात, पाठ, लोगो, गन्दा पृष्ठभूमि, बहु-उत्पादन"। यदि तपाईंले तहहरू हराएका छाड्नु भयो भने, AI ले ती खाली ठाउँहरूलाई आफ्नै सांख्यिकीय औसतले ​​भर्नेछ; यसको अर्थ क्लिच हो।

सुझाव: ढाँचाबाट पढ्दा जस्तै प्रम्प्ट सेट अप गर्नुहोस्: विषय + फारम + CMF + कोण + प्रकाश + शैली + नकारात्मक। यदि तपाईंलाई आउटपुट मनपर्दैन भने, कुन तह हराइरहेको छ भनेर सोध्नुहोस्, सम्पूर्ण प्रम्प्ट पुन: लेख्नुहोस्।

सन्दर्भ, रचना र शैली नियन्त्रण

शब्दले सबै कुरा भन्न सक्दैन; कहिलेकाहीँ एक छवि हजार शब्दहरूको लायक छ। आधुनिक ग्याजेटहरूले नियन्त्रणको धेरै शक्तिशाली माध्यमहरू प्रदान गर्दछ:

• सन्दर्भ छवि (छवि प्रम्प्ट / छवि सन्दर्भ): तपाईंले छवि अपलोड गर्नुहोस् र "यसलाई यस्तो देखिने बनाउनुहोस्" भन्नुहोस्। तपाइँ सेट गर्नुहोस् कि उपकरणले वजनको साथ आउटपुटलाई कति सन्दर्भ गर्दछ।
• ControlNet: स्थिर प्रसार इकोसिस्टममा, यो एक नियन्त्रण तह हो जसले स्केच वा फोटोको किनारा/रेखा/गहिराइ/पोज संरचना सुरक्षित गर्दछ र यसको माथि नयाँ छवि उत्पादन गर्दछ। रचना संरक्षण र आफ्नो आफ्नै स्केच को सामग्री परिवर्तन को लागी आदर्श।
• शैली सन्दर्भ / शैली वजन: केवल वातावरण / छविको रंग-बनावट भावना व्यक्त गर्न, यसको सामग्री होइन।
• इनपेन्टिङ (क्षेत्रीय सम्पादन): छविको एक भाग मात्र मास्किङ र पुन: उत्पादन (उदाहरणका लागि, ह्यान्डल मात्र परिवर्तन)।
• LoRA / अनुकूलन प्रशिक्षण: एक उन्नत स्तरमा, ब्रान्ड भाषा वा विशिष्ट शैलीमा आधारित मोडेललाई फाइन-ट्युनिङ। यसका लागि गोपनीयता र प्रतिलिपि अधिकार सावधानी आवश्यक छ (तपाईंको आफ्नै डाटाको साथ, अनुमति सहित)।

यी उपकरणहरूको साझा फाइदा: तिनीहरूले AI लाई स्क्र्याचबाट सपना देख्नुको सट्टा तपाईंले दिनुभएको फ्रेमवर्कबाट काम गर्न बाध्य पार्छन्। डिजाइनरको लागि सबैभन्दा मूल्यवान प्रायः ControlNet र inpainting हो, किनभने तिनीहरूले तपाईंको आफ्नै स्केच संरचनालाई सुरक्षित राख्छन्।

प्रजनन योग्यता: बीज र मापदण्डहरू

प्रसार मोडेल अनियमितता संग सुरु हुन्छ। बीज यो अनियमितता को शुरुवात संख्या हो। समान प्रम्प्ट + समान बीउ + उही प्यारामिटरहरूले सामान्यतया उही/धेरै समान छवि दिन्छ। यो डिजाइनको लागि महत्वपूर्ण छ: तपाईले मनपर्ने छवि पुन: उत्पादन गर्नको लागि बीउ फिक्स गर्नुहोस्, वा केवल एक शब्द परिवर्तन गर्नुहोस् र प्रभावलाई नियन्त्रणमा हेर्नुहोस्। अन्य महत्त्वपूर्ण प्यारामिटरहरू: पक्ष अनुपात, चरणहरू (थप चरणहरू, थप परिष्कृत तर ढिलो), र मार्गदर्शन स्केल (मार्गनिर्देशन/CFG; यो प्रम्प्टमा कत्तिको बलियो हुन्छ — यदि यो धेरै उच्च छ भने, यो कृत्रिम र जबरजस्ती देखिन्छ)।

नियन्त्रण

के गर्छ

कहिले प्रयोग गर्ने

बीउ फिक्सिङ

उही आउटपुट पुन: उत्पादन गर्दछ

छवि विकास गर्दा र A/B प्रयास गर्दा

सन्दर्भ छवि + वजन

यो एक छवि जस्तै छ

संरचना/वातावरण स्थानान्तरण

ControlNet (किनारा/गहिराई)

संरचना सुरक्षित गर्दछ, सामग्री परिवर्तन गर्दछ

तपाईंको आफ्नै स्केचबाट रेन्डर सिर्जना गर्दै

चित्रकारी

एउटा मात्र क्षेत्र ताजा गर्छ

एकल विवरण परिवर्तन गर्नुहोस्

नकारात्मक प्रम्प्ट

नचाहिने कुरा हटाउँछ

पृष्ठभूमि, हात, पाठ सफाई

तीन मिनी केसहरू

केस १ - तपाईंको आफ्नै स्केचको सुरक्षा गर्दै। एक डिजाइनर हात भ्याकुम क्लिनरको हातले कोरेको स्केचलाई फोटोरियलिस्टिक रेन्डरिङमा परिणत गर्न चाहन्छ। जब तपाइँ यसलाई केवल पाठ प्रम्प्टको साथ प्रयास गर्नुहुन्छ, AI ले पूर्ण रूपमा फरक रूप उत्पादन गर्दछ। जब तपाइँ ControlNet को क्यानी मोड प्रयोग गरी तपाइँको स्केच अपलोड गर्नुहुन्छ, AI ले यसको रेखाहरू सुरक्षित गर्दछ र यसलाई म्याट प्लास्टिक र स्टुडियो प्रकाशले कभर गर्दछ। उसले 4 प्रयासमा नतिजा पाउँछ। पाठ: संरचना संरक्षणको लागि, ControlNet शुद्ध प्रम्प्ट भन्दा धेरै शक्तिशाली छ।

केस २ - भिन्नताको अनियन्त्रित हानि। एक डिजाइनरले आफूलाई मनपर्ने अवधारणा फेला पार्छ, तर बीजलाई ध्यान दिँदैन। अर्को दिन, जब उसले "थोरै पातलो ह्यान्डल" को लागी सोध्छ, उसले फेरि उही छवि बनाउन सक्दैन; एक पूर्ण फरक उत्पादन हरेक पटक बाहिर आउँछ र उसले घण्टा गुमाउँछ। पाठ: तपाईंलाई मनपर्ने प्रत्येक आउटपुटको बीउ र पूर्ण प्रम्प्ट बचत गर्नुहोस्; यी तपाईको "रिटर्न" बिन्दुहरू हुन्।

केस 3 - नकारात्मक प्रम्प्ट संग सफाई। जब एक डिजाइनरले स्टुडियो छविहरू उत्पादन गर्दछ, अवांछित मानव हातहरू, प्रतिबिम्बित पाठ, र दोस्रो उत्पादन आधा प्रिन्टआउटहरूमा देखा पर्दछ। यसले नकारात्मक प्रम्प्टमा "मानव हातहरू, पाठ, वाटरमार्क, डुप्लिकेट उत्पादन, अव्यवस्थित पृष्ठभूमि" थप्छ र केवल 8 शब्दहरूको साथ आउटपुट गुणस्तर उल्लेखनीय रूपमा बढ्छ। पाठ: आफूले नचाहेको कुरा भन्नु आफूले चाहेको कुरा भन्न जत्तिकै महत्त्वपूर्ण छ।

प्रतिलिपि गर्न मिल्ने प्रम्प्ट टेम्प्लेटहरू

लेयर गरिएको प्रम्प्ट स्केलेटन"[विषय], [फारम र विवरण], [CMF: रंग-सामग्री-सतह], [कोण र फ्रेमिङ], [प्रकाश र पृष्ठभूमि], [शैली: स्केच/रेन्डर/प्रविधि]।--नकारात्मक: मानव हात, पाठ, लोगो, वाटरमार्क, बहु-उत्पादन, messy पृष्ठभूमि।

सन्दर्भबाट टेम्प्लेट रेन्डर गर्नुहोस् "मैले अपलोड गरेको स्केचको रेखा र रचना राख्नुहोस् (कन्ट्रोलनेटेज मोड)। यसमा निम्न सामग्री लागू गर्नुहोस्: [म्याट प्लास्टिक बडी, एल्युमिनियम विवरण]। लाइट: सफ्ट स्टुडियो। पृष्ठभूमि: तटस्थ ग्रे। केवल सामग्री थप्नुहोस् र प्रकाश थप्नुहोस्।

एकल विवरण परिवर्तन (इनपेन्टिङ) टेम्प्लेट "यस छविमा, [मास्क गरिएको क्षेत्र: ह्यान्डल] क्षेत्र मात्र पुन: उत्पादन गर्नुहोस्। नयाँ संस्करण: [स्लिमर, एर्गोनोमिक, घुमाउरो]। बाँकी छवि, यसको प्रकाश र कोणलाई नछुनुहोस्।"

पुनरुत्पादन नोट टेम्प्लेट "मलाई यो प्रिन्टआउट मनपर्छ। निम्न जानकारी बचत गर्नुहोस् र यसलाई अर्को पटक प्रयोग गर्नुहोस्: prompt = [पूर्ण पाठ], बीज = [संख्या], पक्ष = [अनुपात], चरण = [संख्या], अभिमुखीकरण = [मान]। केवल यो एउटा तत्व परिवर्तन गर्नुहोस्: [X]।"

कमजोर प्रम्प्ट / बलियो प्रम्प्ट

कमजोर प्रम्प्ट: "सेतो पृष्ठभूमिमा हेडफोनको राम्रो रेन्डर।"

स्ट्राङ्ग प्रोम्प्ट: "वायरलेस इन-इयर हेडफोन चार्जिङ केस, ओभल पिल-फार्म, माथिल्लो भागमा पातलो विभाजन रेखा। CMF: म्याट आइभोरी पोलिकार्बोनेट बडी, साटन सुनको हिङ्ग स्ट्रिप। कोण: 3/4 अगाडि, थोरै माथि। लाइट: सफ्ट स्टुडियो सफ्टबक्स, हल्का राउण्ड रिफ्लेक्सन: स्टाइलमा लाइट फिनड्रो। photorealistic उत्पादन प्रतिपादन बीज: 4821, पक्ष 4:3 --नकारात्मक: मानव हात, पाठ, लोगो, वाटरमार्क, दोस्रो उत्पादन, कडा छाया।

कमजोर प्रम्प्टले उपकरणलाई क्लिचको साथ खाली ठाउँहरू भर्न अनुमति दिन्छ; शक्तिशाली प्रम्प्टले प्रत्येक तहलाई पहिचान गर्दछ, नकारात्मकहरू हटाउँछ र यसलाई बीजको साथ पुन: उत्पादन योग्य बनाउँछ।

सामान्य गल्तीहरू

• एक-वाक्य अस्पष्ट प्रम्प्ट लेख्नुहोस् र उपकरणमा परिणाम अपलोड गर्नुहोस्। AI ले खाली ठाउँहरू भर्छ, तपाईं होइन।
• बीउ र प्यारामिटरहरू बचत गर्दैन। तपाईंले फेरि मनपर्ने आउटपुट प्राप्त गर्न सक्नुहुन्न।
• नकारात्मक प्रम्प्ट कहिल्यै प्रयोग नगर्नुहोस्। अवांछित तत्वहरूले आउटपुट दूषित गर्दछ।
• रचना जाँचको सट्टा सयौं अनियमित परीक्षणहरू गर्दै। ControlNet/inpainting ले कामलाई गति दिन्छ।
• सन्दर्भको रूपमा अरू कसैको प्रतिलिपि अधिकार छवि प्रयोग गर्दै। त्यहाँ शैली अनुकरण र प्रतिलिपि अधिकारको जोखिम छ (एकाइ 10 हेर्नुहोस्)।

सावधानी: सन्दर्भ छविहरू वा शैली वजनहरू शक्तिशाली उपकरणहरू हुन्, तर तिनीहरूले कानुनी र नैतिक जोखिमहरू खडा गर्छन् यदि अरू कसैको स्वामित्व डिजाइन वा कलाकारको हस्ताक्षर शैली प्रतिलिपि गर्न प्रयोग गरिन्छ। तपाईंको आफ्नै सामग्री वा अनुमति प्राप्त/मुक्त स्रोतहरूबाट तपाईंको सन्दर्भहरू छनौट गर्नुहोस्।

संक्षेपमा

भिजुअल एआई नियन्त्रण गर्न तीन क्षमताहरू चाहिन्छ: स्तरित प्रम्प्ट (विषय, फारम, CMF, कोण, प्रकाश, शैली, नकारात्मक), छवि (सन्दर्भ, कन्ट्रोलनेट, इनपेन्टिङ, शैली वजन), र पुन: उत्पादनशीलता प्रदान गर्ने (बीउ र प्यारामिटरहरू बचत गर्दै) सेटअप गर्नुहोस्। यी तीनको साथ, एआई अनियमित मेसिनबाट स्टीयरबल डिजाइन उपकरणमा परिणत हुन्छ। ControlNet र inpainting शुद्ध प्रम्प्ट भन्दा धेरै शक्तिशाली छन् जब तपाईं आफ्नो रचना सुरक्षित गर्न चाहनुहुन्छ। तपाईंले नकारात्मक प्रम्प्टको साथ नचाहिनेहरूलाई हटाउनुहोस् र प्रतिलिपि अधिकार-सुरक्षित स्रोतहरूबाट तपाईंको सन्दर्भहरू छनौट गर्नुहोस्।

आवेदन कार्य

एउटा उत्पादन छान्नुहोस् र पहिले हातले कुनै नराम्रो स्केच कोर्नुहोस् (वा फेला पार्नुहोस्)। लेयर्ड प्रम्प्ट फ्रेमवर्कको साथ यो उत्पादनको वर्णन गर्ने प्रम्प्ट लेख्नुहोस्, नकारात्मक प्रम्प्ट थप्नुहोस्, र चार आउटपुटहरू उत्पादन गर्नुहोस्। तपाईलाई मनपर्ने आउटपुटको बीउ र प्यारामिटरहरू बचत गर्नुहोस्; त्यसपछि, "एकल विवरण परिवर्तन" तर्कको साथ, केवल एउटा तत्व (उदाहरणका लागि, ह्यान्डल) परिवर्तन गर्नुहोस् र उही बीउको साथ फेरि उत्पादन गर्नुहोस्। दुई परिणामहरू तुलना गर्नुहोस् र कसरी नियन्त्रण परिवर्तन हुन्छ लेख्नुहोस्।

चेकलिस्ट

• [] मैले छवटा तहहरू (विषय, फारम, CMF, कोण, प्रकाश, शैली) कभर गर्न प्रम्प्ट सेटअप गरें।
• [ ] मैले नकारात्मक प्रम्प्टमा मैले नचाहेको कुरा लेखें।
• [ ] मैले कम्पोजिसन कायम राख्नको लागि सन्दर्भ/कन्ट्रोलनेट/इनपेन्टिङ प्रयोग गरें।
• [ ] मैले मन परेको आउटपुटको बीउ र प्यारामिटरहरू बचत गरें।
• [ ] मैले एकल चर सार्दै नियन्त्रित भिन्नता प्रयास गरें।
• [] मैले प्रतिलिपि अधिकार-सुरक्षित स्रोतहरूबाट मेरो सन्दर्भ छविहरू छानेको छु।