Zyski:
- Zrozumienie, jak działa sztuczna inteligencja generująca obraz (dyfuzja) i jakie składniki receptury są wymagane, aby uzyskać realizm fotograficzny
- Umiejętność napisania silnego podpowiedzi fotograficznej składającej się z tematu, światła, obiektywu/aparatu, kompozycji, atmosfery i elementów technicznych.
- Umiejętność rozróżnienia powstałego obrazu od wykonanej fotografii, granic zastosowań i znaczenia oświadczenia autentyczności
Fotograf wykorzystuje generatywną wizualną sztuczną inteligencję do trzech uzasadnionych celów: do tworzenia projektów odniesień do moodboardów i koncepcji, do tworzenia elementów uzupełniających rzeczywiste ujęcie (tło, tekstura, element złożony) oraz do tworzenia w pełni wyprodukowanych obrazów (na przykład na potrzeby sprzedaży zapasów lub koncepcji reklamowej). W tym module dowiemy się, jak działają te narzędzia i jak pisać podpowiedzi zapewniające realizm fotograficzny. Celem nie jest przypadkowe czekanie na ładny strzał; Oznacza to opisanie tego, czego chcesz, językiem fotografa i kierowanie rezultatem.
Dyfuzja: w jaki sposób modelka tworzy „fotografie”?
Większość współczesnych sztucznej inteligencji generujących obrazy wykorzystuje metodę zwaną dyfuzją. Po prostu: model nauczył się przechodzić „od szumu do znaczącego obrazu” na milionach zdjęć. Zaczyna się od przypadkowych szumów podczas produkcji (jak śnieżny zrzut ekranu) i tworzy obraz, stopniowo usuwając szum, aby dopasować go do tekstu (podpowiedź). Wyłaniają się z tego dwa podstawowe fakty:
Po pierwsze, model nie może wytworzyć tego, co nie jest opisane. Jeśli nie powiesz „światło”, pojawi się przypadkowe światło; Jeśli nie weźmiemy pod uwagę obiektywnego spojrzenia, „wrażenie fotografii” pozostanie dziełem przypadku. Po drugie, model nie rozumie, przewiduje. Dlatego popełnia błędy (halucynacje) w miejscach wymagających logiki, takich jak ręce, tekst, odbicie, symetria. Jeśli chcesz fotograficznego realizmu, musisz jasno opisać decyzje techniczne – światło, obiektyw, kompozycja – które sprawiają, że zdjęcie jest fotografią.
Uwaga: Mimo że wygenerowany obraz może wyglądać „fotograficznie”, nie jest to zdjęcie; nie dokumentuje rzeczywistego momentu. Używanie go w wiadomościach, dokumentach lub kontekście twierdzącym, że „to naprawdę się wydarzyło” wprowadza w błąd i narusza granicę etyczną, którą omówimy w części 9.
Fotograficzna anatomia
Potężny podpowiedź fotograficzna składa się z sześciu elementów. Pomyśl o tym jak o planowaniu sesji zdjęciowej:
- Temat: Co/kto? Wiek, ubiór, ekspresja, akcja, liczba. („stolarz w średnim wieku, w fartuchu, pracujący przy stole warsztatowym”)
- Światło: kierunek, twardość, źródło, czas. To serce fotografii. („miękkie światło szyby bocznej, poranek, niski kontrast”)
- Widok obiektywu i kamery: Ogniskowa, głębia ostrości, kąt. („Wyczucie obiektywu portretowego 85 mm, mała głębia ostrości, miękki efekt bokeh tła, poziom oczu”)
- Kompozycja: kadrowanie, rozmieszczenie, kadrowanie. („zbliżenie, zasada trójpodziału, temat po lewej”)
- Atmosfera i kolor: ton, nastrój, paleta. („ciepłe odcienie ziemi, spokojne, nostalgiczne”)
- Technika/jakość: Tekstura, nuty realizmu, proporcje. („naturalna tekstura skóry, ziarno filmu, stosunek 3:2”)
Kiedy wprowadzisz te komponenty po kolei, model da znacznie bardziej kontrolowany, „fotograficzny” efekt. Każdy komponent, który pominiesz, jest pozostawiony przypadkowi.
Wskazówka: nie pozwól AI rysować tekstu/logo. Modele rozpowszechniania nie są w stanie w sposób niezawodny tworzyć czytelnego tekstu i zastrzeżonych logo; dodać je już na etapie projektowania. Ponadto w przypadku obrazu wymagającego czytelnego tekstu używaj sztucznej inteligencji tylko do tła/atmosfery.
Proporcje i przeznaczenie
Proporcje obrazu to stosunek szerokości do wysokości obrazu i określa jego zastosowanie: 9:16 w przypadku pionowej historii w mediach społecznościowych, 3:2 w przypadku druku standardowego, 1:1 w przypadku kwadratowego posta, 16:9 w przypadku szerokiego banera. Lepiej jest określić współczynnik w podpowiedzi od początku, niż później go obciąć i stracić na jakości. Od samego początku wybieraj rozdzielczość i proporcje, znając przeznaczenie (druk czy wyświetlacz).
Negatywna recepta i odmiana
Większość narzędzi ma również monit negatywny: obszar, w którym piszesz na obrazie rzeczy, których nie chcesz („zdeformowana dłoń, dodatkowe palce, tekst, znak wodny, plastikowa oprawa”). Zmniejsza to, ale nie zapobiega całkowicie powszechnym defektom; weryfikacja jest nadal niezbędna. Istnieje również koncepcja nasion — nasion losowości, od których rozpoczyna się produkcja; To samo ziarno i zachęta ponownie dają podobny rezultat, co pomaga stworzyć spójny zestaw (więcej omówimy w czwartej części).
trzy mini etui
Przypadek 1 — Siła przepisu. Fotograf stockowy napisał „kobieta pije kawę” i uzyskał fatalne rezultaty. Kiedy Prompta dodała światło (światło z bocznej szyby), obiektyw (50 mm, mała głębia ostrości), atmosferę (ciepły, spokojny poranek) i teksturę (naturalna skóra), wynik stał się użyteczny. Zwiększono dopuszczalną częstotliwość generowania klatek z około 1/20 do 1/4; Czas produkcji został skrócony o jedną trzecią.
Przypadek 2 — Strata spowodowana halucynacjami. Projektant-fotograf umieścił w prezentacji obraz „ludzi biznesu ściskających dłonie” bez sprawdzania tego. Na spotkaniu zauważono, że menadżer ma trzy ręce. Wada przeoczona na małym ekranie została powiększona w projekcji. 30-sekundowe skanowanie dłoni/palców zapobiegłoby temu zawstydzeniu.
Przypadek 3 — Wybór odpowiedniego narzędzia. Fotograf produktowy chciał umieścić prawdziwy zegarek, który zrobił, w innym otoczeniu. Zamiast tworzyć go od zera, zachowano prawdziwą ramę produktu, jedynie tło/atmosfera została stworzona przy użyciu sztucznej inteligencji i wykonana z kompozytu. Tym samym rzeczywiste szczegóły produktu (marka, tarcza) nie zostały zniekształcone; zarówno wiarygodność, jak i dokładność zostały zachowane.
Szablony do kopiowania
1) Szkielet fotograficzny:
[temat: kto/co, wiek, ubiór, ekspresja, akcja], [światło: kierunek, surowość, źródło, czas], [obiektyw/aparat: poczucie ogniskowej, głębia ostrości, kąt], [kompozycja: kadrowanie, rozmieszczenie, konwencja], [atmosfera/kolor: ton, nastrój, paleta], [technika: naturalna faktura, ziarno, proporcje]. Fotograficzny, realistyczny. Dodaj tekst/logo.
2) Negatywna wersja robocza:
Negatywy (czego nie chcę): zdeformowana dłoń, dodatkowe/brakujące palce, krzywa twarz, plastikowa/woskowa skóra, nieczytelny tekst, znak wodny, powtarzająca się tekstura, niemożliwy cień, przesycony kolor.
3) Jako odniesienie do moodboardu (kierunek, a nie dostawa):
Cel: odniesienie do moodboardu dotyczące sesji (nie produktu).Koncepcja: [koncepcja]. Opisz estetykę jedynie za pomocą atrybutów: światło [..], paleta kolorów [..], atmosfera [..], kompozycja [..]. Nie używaj żadnych nazw osób/marek/fotografów. Wygeneruj 4 odmiany.
4) Plan złożony chroniący prawdziwy produkt:
Mam prawdziwy strzał [produktowy]; Sam produkt się nie zmieni. Napisz zachętę do wygenerowania obrazu wyłącznie dla tła/atmosfery: [światło, powierzchnia, kolor, środowisko]. Kierunek cienia i twardość światła produktu powinny być [..] tak, aby kompozyt był przekonujący.
Słaba zachęta/silna zachęta
Słabe: „Ładne zdjęcie portretowe”.
Mocne: „Kobieta z farmy w średnim wieku, twarz zniszczona słońcem, lekki uśmiech, na polu pszenicy; światło złotej godziny z boku, niski kontrast; widok portretowy 85 mm, płytka głębia ostrości, miękkie tło; zbliżenie, obiekt po lewej stronie, zasada trójpodziału; ciepłe odcienie ziemi, spokojny i dostojny nastrój; naturalna faktura skóry, jasne ziarno kliszy, 3:2. Fotograficzny, realistyczny. Dodawanie tekstu.
Słaba wola jest całkowicie pozostawiona przypadkowi; Ponieważ duże zapotrzebowanie opisuje światło, soczewkę, kompozycję i atmosferę, znacznie zwiększa to prawdopodobieństwo uzyskania pożądanego rezultatu.
Typowe błędy
- Nie będę opisywał światła i obiektywu. Te dwa elementy w dużej mierze decydują o tym, co sprawia, że fotografia jest fotografią; Jeśli pozostawisz to pole puste, wynik będzie pozostawiony przypadkowi.
- Posiadanie AI rysującej czytelny tekst/logo. Model nie może ich wiarygodnie wygenerować; Może się okazać, że jest wadliwy i objęty prawami autorskimi.
- Przedstawienie powstałego obrazu w formie „fotografii”. Wprowadza w błąd w kontekście dokumentalnym/wiadomościowym; Wymagane jest stwierdzenie faktu.
- Kopiowanie stylu z nazwą osoby/marki. Ryzyko imitacji i praw autorskich; Opisz estetykę za pomocą cech.
- Pomijanie weryfikacji. Na każdym wyprodukowanym obrazie należy sprawdzić dłonie, oczy, odbicia, cienie i powtarzające się tekstury.
Podsumowując
Generatywna wizualna sztuczna inteligencja działa na zasadzie dyfuzji: przechodzi od szumu do obrazu, który pasuje do tekstu, nie może wyprodukować tego, co nie jest opisane i popełnia błędy tam, gdzie wymagana jest logika. Aby uzyskać realizm fotograficzny, opisz obiekt, światło, obiektyw, kompozycję, atmosferę i technikę jak fotograf. Wybierz współczynnik proporcji zgodnie z przeznaczeniem, zmniejsz artefakt za pomocą negatywnej receptury, nie pozwól, aby sztuczna inteligencja rysowała tekst i sprawdzała każdy wynik. Nigdy nie używaj wyprodukowanego obrazu podającego się za „zrobione zdjęcie”.
Zadanie aplikacji
Wybierz koncepcję i napisz podpowiedź fotograficzną, wypełniając wszystkie sześć elementów szablonem 1. Stwórz (lub opisz) najpierw tę samą koncepcję jednym zdaniem, np. „piękne zdjęcie”, a następnie pełny szkielet i porównaj oba wyniki. Zaznacz co najmniej trzy możliwe punkty wady na obrazie, który wykonasz, powiększając dłonie, oczy, odbicia i cienie.
lista kontrolna
- [ ] W podpowiedzi opisałem osobno temat, światło, obiektyw, kompozycję, atmosferę i technikę.
- [ ] Ustaliłem proporcje zgodnie z przeznaczeniem.
- [ ] Zredukowałem typowe wady za pomocą receptury negatywnej.
- [ ] Nie miałem czytelnego tekstu/logo do rysowania przez AI.
- [ ] Zadbałem o to, aby nie przedstawiać wygenerowanego obrazu jako „zdjęcia”.
- [ ] Sprawdziłem dane wyjściowe dla dłoni/oko/odbicia/cienia.