En grundig titt på visuelle AI-verktøy: ledetekst, referanse og stilkontroll

Gevinster:

• Evne til å etablere visuell prompt anatomi (emne, materiale, vinkel, lys, stil, negativ) og få reproduserbare resultater
• Evne til å styre visuell retning med kontrollmetoder som referansebilde, ControlNet, frø og stilvekt
• Evne til å velge verktøyet i henhold til oppgaven og evaluere oppløsningen, konsistensen og grensene for bruksrettigheter for utdata

I forrige enhet så du hvordan du posisjonerer AI i konseptgenerering. I denne enheten går vi ett skritt dypere: du vil lære å faktisk kontrollere visuelle AI-verktøy. Mange designeres frustrasjon er at verktøyet produserer bilder «på egen hånd»; Men problemet er vanligvis ikke tvetydigheten til verktøyet, men tvetydigheten i instruksjonene som er gitt. Å kontrollere visuell AI krever å vite tre ting: rask anatomi (innstilling av instruksjonen riktig), referanse- og komposisjonskontroll (ledende med det visuelle) og reproduserbarhet (å få samme resultat igjen). Når du har lært disse tre, forvandles AI fra en tilfeldig visuell maskin til et styrbart designverktøy.

Rask anatomi: seks lag med beskrivelse av et bilde

En god visuell ledetekst er ikke en tilfeldig setning, men en lagdelt oppskrift. Tenk på disse seks lagene:

1. Emne: Hva produserer vi? ("trådløs ladeboks for hodetelefoner")
2. Form og detalj: Silhuett, proporsjoner, hjørne, overflateforskjell. ("avrundede hjørner, todelt, tynn skillelinje øverst")
3. Materiale og CMF: Farge-materiale-overflate. ("matt antrasitt polykarbonat, børstet aluminiumslist")
4. Vinkel og innramming: Synspunkt og innramming. ("3/4 fra forsiden, litt ovenfra, produkt sentrert")
5. Lys og miljø: Lys og bakgrunn. ("mykt studiolys, nøytralt lysegråt uendelig bakteppe")
6. Stil og formål: Skisse, fotorealistisk gjengivelse, teknisk tegning. ("fotorealistisk produktgjengivelse")

I tillegg kommer en negativ oppfordring: ting du ikke vil ha. Mange verktøy tilbyr et "negativt spørsmål"-område; Her sletter du utdataene ved å skrive det du ikke vil ha, for eksempel «menneskehånd, tekst, logo, rotete bakgrunn, multiprodukt». Hvis du lar lag mangler, vil AI fylle ut disse hullene med sitt eget statistiske gjennomsnitt; Dette betyr klisjé.

Tips: Sett opp ledeteksten som om du leser fra et mønster: emne + form + CMF + vinkel + lys + stil + negativ. Hvis du ikke liker en utgang, spør hvilket lag som mangler, ikke omskriv hele ledeteksten.

Referanse, komposisjon og stilkontroll

Ord kan ikke si alt; Noen ganger er et bilde verdt tusen ord. Moderne gadgets tilbyr flere kraftige kontrollmidler:

• Referansebilde (bildeforespørsel / bildereferanse): Du laster opp et bilde og sier «få det til å se slik ut». Du angir hvor mye verktøyet refererer til utgangen med en vekt.
• ControlNet: I Stable Diffusion-økosystemet er det et kontrolllag som bevarer kant-/linje-/dybde-/positurstrukturen til en skisse eller et bilde og produserer et nytt bilde på toppen av det. Ideell for å bevare komposisjonen og endre materialet i din egen skisse.
• Stilreferanse / stilvekt: For å formidle bare atmosfæren / fargeteksturfølelsen til et bilde, ikke innholdet.
• Inpainting (regional redigering): Maskering av bare en del av bildet og reproduser det (for eksempel endre bare håndtaket).
• LoRA / tilpasset opplæring: På et avansert nivå, finjustering av modellen basert på et merkespråk eller en spesifikk stil. Dette krever personvern og opphavsrettslig forsiktighet (med dine egne data, med tillatelse).

Den felles fordelen med disse verktøyene: De tvinger AI til å jobbe fra rammeverket du gir det, i stedet for å drømme fra bunnen av. Det mest verdifulle for designeren er ofte ControlNet og inpainting, fordi de bevarer din egen skissekomposisjon.

Reproduserbarhet: frø og parametere

Diffusjonsmodeller starter med tilfeldighet. Frø er startnummeret til denne tilfeldigheten. Samme ledetekst + samme frø + samme parametere gir vanligvis det samme/svært likt bilde. Dette er avgjørende for design: du fikser frøet for å reprodusere et bilde du liker, eller bare endre et ord og se effekten på en kontrollert måte. Andre viktige parametere: sideforhold, trinn (flere trinn, mer raffinert, men langsommere) og veiledningsskala (veiledning/CFG; hvor tett den passer til forespørselen - hvis den er for høy, ser den kunstig og tvunget ut).

kontroll

Hva gjør

Når du skal bruke

Frøfeste

Gjengir samme utgang

Når du utvikler et bilde og prøver A/B

Referansebilde + vekt

Det ligner et bilde

Sammensetning/atmosfæreoverføring

ControlNet (kant/dybde)

Bevarer komposisjon, endrer innhold

Lage en gjengivelse fra din egen skisse

innmaling

Oppdaterer kun én region

Endre en enkelt detalj

negativ melding

Eliminerer uønsket

Rengjøring av bakgrunn, hånd, tekst

tre minisaker

Tilfelle 1 - Beskytte din egen skisse. En designer ønsker å gjøre en håndtegnet skisse av en håndstøvsuger til en fotorealistisk gjengivelse. Når du prøver det med bare en tekstmelding, produserer AI en helt annen form. Når du laster opp skissen din ved hjelp av ControlNets skumle modus, bevarer AI sine linjer og dekker den med matt plast og studiobelysning. Han får det resultatet han ønsker på 4 forsøk. Leksjon: For å bevare komposisjonen er ControlNet mye kraftigere enn ren prompt.

Tilfelle 2 - Ukontrollert tap av variasjon. En designer finner et konsept han liker, men noterer seg ikke frøet. Dagen etter, når han ber om et "litt tynnere håndtak", kan han ikke produsere det samme bildet igjen; Det kommer ut et helt annet produkt hver gang og han taper timer. Leksjon: lagre frøet og full melding for hver utgang du liker; dette er dine "retur"-poeng.

Tilfelle 3 — Rengjøring med negativ melding. Når en designer produserer studiobilder, vises uønskede menneskehender, reflektert tekst og et annet produkt i halvparten av utskriftene. Den legger til "menneskelige hender, tekst, vannmerke, duplikatprodukt, rotete bakgrunn" til den negative ledeteksten og utskriftskvaliteten øker betraktelig med bare 8 ord. Leksjon: Å si det du ikke vil er like viktig som å si det du vil.

Kopierbare spørsmålsmaler

LAGT SKELETT"[emne], [form og detaljer], [CMF: farge-materiale-overflate],[vinkel og innramming], [lys og bakgrunn], [stil: skisse/gjengivelse/teknikk].--negativt: menneskelig hånd, tekst, logo, vannmerke, multi-produkt, rotete bakgrunn."

GJØR MAL FRA REFERANSE"Behold LINJE OG KOMPOSISJON av skissen jeg lastet opp (ControlNetedge-modus). Påfør følgende materiale på den: [matt plastkropp, aluminiumsdetalj]. Lys: mykt studio. Bakgrunn: nøytral grå. Ikke endre formen, bare legg til materiale og lys."

ENKELDETALJENS ENDRING (MALERING) MAL "I dette bildet, gjenskap KUN området [maskert område: håndtak]. Ny versjon: [slankere, ergonomisk, buet]. IKKE RØR resten av bildet, dets belysning og vinkel."

REPRODUKSIBILITETSMERKNAD MAL "Jeg liker denne utskriften. Lagre følgende informasjon og bruk den neste gang: ledetekst = [fulltekst], frø = [tall], aspekt = [forhold], trinn = [tall], orientering = [verdi]. Bare endre dette ene elementet: [X]."

Svak forespørsel / Sterk forespørsel

SVAK SPØRSMÅL: "Fin gjengivelse av hodetelefoner på hvit bakgrunn."

STERK BESKRIVELSE: "Trådløs ladeveske i øret for hodetelefoner, oval pilleform, tynn skillelinje på toppen. CMF: matt elfenbens polykarbonatkropp, satenggull hengselstripe. Vinkel: 3/4 foran, litt topp. Lys: myk studio softbox, lett refleksjon på toppen. Bakgrunn: nøytral lysegrå produkt: stilig foto baksidedrop.render. 4821, aspekt 4:3 --negativ: menneskelig hånd, tekst, logo, vannmerke, andre produkt, hard skygge."

Den svake ledeteksten lar verktøyet fylle ut de tomme feltene med klisjé; Den kraftige ledeteksten identifiserer hvert lag, eliminerer negativer og gjør det reproduserbart med frøet.

Vanlige feil

• Skriv en vag melding på én setning og last opp resultatet til verktøyet. AI fyller hullene, ikke du.
• Ikke lagre frø og parametere. Du kan aldri få det resultatet du liker igjen.
• Bruk aldri den negative ledeteksten. Uønskede elementer forurenser produksjonen.
• Gjør hundrevis av tilfeldige forsøk i stedet for å sjekke sammensetningen. ControlNet/maling setter fart på jobben.
• Bruk av andres opphavsrettsbeskyttede bilde som referanse. Det er fare for stilimitasjon og opphavsrett (se enhet 10).

Forsiktig: Referansebilder eller stilvekter er kraftige verktøy, men de utgjør juridiske og etiske risikoer hvis de brukes til å kopiere andres proprietære design eller en kunstners signaturstil. Velg referanser fra ditt eget materiale eller fra tillatte/gratis kilder.

Oppsummert

Kontroll av visuell AI krever tre muligheter: å sette opp en lagdelt ledetekst (emne, form, CMF, vinkel, lys, stil, negativ), veiledning med bildet (referanse, ControlNet, inpainting, stilvekt) og gi reproduserbarhet (lagre frø og parametere). Med disse tre blir kunstig intelligens fra en tilfeldig maskin til et styrbart designverktøy. ControlNet og inpainting er mye kraftigere enn ren prompt når du vil beskytte komposisjonen din. Eliminer de du ikke vil ha med den negative ledeteksten og velg referansene dine fra opphavsrettssikre kilder.

Søknadsoppgave

Velg et produkt og tegn (eller finn) en grovskisse for hånd først. Skriv en forespørsel som beskriver dette produktet med et lagdelt forespørselsrammeverk, legg til en negativ forespørsel og produsere fire utganger. Lagre frøet og parameterne til utgangen du liker; Deretter, med "Enkelt detaljendring"-logikken, endre bare ett element (for eksempel håndtaket) og produsere det igjen med samme frø. Sammenlign de to resultatene og skriv hvordan kontrollen endres.

sjekkliste

• [ ] Jeg satte opp ledeteksten til å dekke seks lag (emne, form, CMF, vinkel, lys, stil).
• [ ] Jeg skrev det jeg ikke ville i den negative ledeteksten.
• [ ] Jeg brukte referanse/ControlNet/inpainting når jeg trengte å opprettholde komposisjonen.
• [ ] Jeg lagret frøene og parameterne til utdataene jeg likte.
• [ ] Jeg prøvde kontrollert variasjon ved å flytte en enkelt variabel.
• [ ] Jeg har valgt mine referansebilder fra opphavsrettssikre kilder.