విజువల్ AI సాధనాలపై లోతైన పరిశీలన: ప్రాంప్ట్, రిఫరెన్స్ మరియు స్టైల్ కంట్రోల్

లాభాలు:

• విజువల్ ప్రాంప్ట్ అనాటమీ (సబ్జెక్ట్, మెటీరియల్, యాంగిల్, లైట్, స్టైల్, నెగటివ్) ఏర్పాటు చేయగల సామర్థ్యం మరియు పునరుత్పాదక ఫలితాలను పొందడం
• రిఫరెన్స్ ఇమేజ్, కంట్రోల్ నెట్, సీడ్ మరియు స్టైల్ వెయిట్ వంటి నియంత్రణ పద్ధతులతో దృశ్య దిశను నిర్దేశించే సామర్థ్యం
• విధికి అనుగుణంగా సాధనాన్ని ఎంచుకునే సామర్థ్యం మరియు అవుట్‌పుట్ యొక్క రిజల్యూషన్, స్థిరత్వం మరియు వినియోగ హక్కుల పరిమితులను అంచనా వేయగల సామర్థ్యం

మునుపటి యూనిట్‌లో, కాన్సెప్ట్ జనరేషన్‌లో AIని ఎలా ఉంచాలో మీరు చూసారు. ఈ యూనిట్‌లో మేము ఒక అడుగు లోతుగా వెళ్తాము: మీరు విజువల్ AI సాధనాలను నియంత్రించడం నేర్చుకుంటారు. చాలా మంది డిజైనర్ల నిరాశ ఏమిటంటే, సాధనం "దాని స్వంతంగా" చిత్రాలను ఉత్పత్తి చేస్తుంది; అయితే, సమస్య సాధారణంగా సాధనం యొక్క అస్పష్టత కాదు, కానీ ఇచ్చిన సూచనల అస్పష్టత. దృశ్యమాన AIని నియంత్రించడానికి మూడు విషయాలు తెలుసుకోవడం అవసరం: ప్రాంప్ట్ అనాటమీ (సూచనను సరిగ్గా అమర్చడం), సూచన మరియు కూర్పు నియంత్రణ (దృశ్యంతో ముందుకు సాగడం) మరియు పునరుత్పత్తి (మళ్లీ అదే ఫలితాన్ని పొందడం). మీరు ఈ మూడింటిని నేర్చుకున్న తర్వాత, AI యాదృచ్ఛిక దృశ్య యంత్రం నుండి స్టీరబుల్ డిజైన్ సాధనంగా మారుతుంది.

ప్రాంప్ట్ అనాటమీ: చిత్రాన్ని వివరించే ఆరు పొరలు

మంచి విజువల్ ప్రాంప్ట్ అనేది యాదృచ్ఛిక వాక్యం కాదు, లేయర్డ్ రెసిపీ. ఈ ఆరు పొరలను పరిగణించండి:

1. విషయం: మనం ఏమి ఉత్పత్తి చేస్తాము? ("వైర్‌లెస్ హెడ్‌ఫోన్ ఛార్జింగ్ బాక్స్")
2. రూపం మరియు వివరాలు: సిల్హౌట్, నిష్పత్తి, మూల, ఉపరితల వ్యత్యాసం. ("గుండ్రని మూలలు, రెండు-ముక్కలు, ఎగువన సన్నని విభజన రేఖ")
3. మెటీరియల్ మరియు CMF: రంగు-పదార్థం-ఉపరితలం. ("మాట్ ఆంత్రాసైట్ పాలికార్బోనేట్, బ్రష్డ్ అల్యూమినియం స్ట్రిప్")
4. యాంగిల్ మరియు ఫ్రేమింగ్: పాయింట్ ఆఫ్ వ్యూ మరియు ఫ్రేమింగ్. ("ముందు నుండి 3/4, పై నుండి కొద్దిగా, ఉత్పత్తి కేంద్రీకృతమై ఉంది")
5. కాంతి మరియు పర్యావరణం: లైటింగ్ మరియు నేపథ్యం. ("సాఫ్ట్ స్టూడియో లైట్, న్యూట్రల్ లైట్ గ్రే అనంతమైన బ్యాక్‌డ్రాప్")
6. శైలి మరియు ప్రయోజనం: స్కెచ్, ఫోటోరియలిస్టిక్ రెండరింగ్, టెక్నికల్ డ్రాయింగ్. ("ఫోటోరియలిస్టిక్ ఉత్పత్తి రెండరింగ్")

దీనికి ప్రతికూల ప్రాంప్ట్ జోడించబడింది: మీరు కోరుకోని విషయాలు. అనేక సాధనాలు "ప్రతికూల ప్రాంప్ట్" ప్రాంతాన్ని అందిస్తాయి; ఇక్కడ మీరు "మానవ చేయి, వచనం, లోగో, గజిబిజి నేపథ్యం, ​​బహుళ-ఉత్పత్తి" వంటి మీకు కావలసిన వాటిని టైప్ చేయడం ద్వారా అవుట్‌పుట్‌ను క్లియర్ చేస్తారు. మీరు లేయర్‌లను వదిలివేస్తే, AI దాని స్వంత గణాంక సగటుతో ఆ ఖాళీలను పూరిస్తుంది; దీని అర్థం క్లిచ్.

చిట్కా: ప్రాంప్ట్‌ను నమూనా నుండి చదివినట్లుగా సెటప్ చేయండి: విషయం + రూపం + CMF + కోణం + కాంతి + శైలి + ప్రతికూలం. మీకు అవుట్‌పుట్ నచ్చకపోతే, ఏ లేయర్ లేదు అని అడగండి, మొత్తం ప్రాంప్ట్‌ను తిరిగి వ్రాయవద్దు.

సూచన, కూర్పు మరియు శైలి నియంత్రణ

పదాలు ప్రతిదీ చెప్పలేవు; కొన్నిసార్లు ఒక చిత్రం వెయ్యి పదాల విలువైనది. ఆధునిక గాడ్జెట్‌లు అనేక శక్తివంతమైన నియంత్రణ మార్గాలను అందిస్తాయి:

• రిఫరెన్స్ ఇమేజ్ (ఇమేజ్ ప్రాంప్ట్ / ఇమేజ్ రిఫరెన్స్): మీరు ఒక ఇమేజ్‌ని అప్‌లోడ్ చేసి, "ఇలా కనిపించేలా చేయండి" అని చెప్పండి. సాధనం బరువుతో అవుట్‌పుట్‌ను ఎంత సూచిస్తుందో మీరు సెట్ చేసారు.
• ControlNet: స్థిరమైన వ్యాప్తి పర్యావరణ వ్యవస్థలో, ఇది ఒక స్కెచ్ లేదా ఫోటో యొక్క అంచు/రేఖ/లోతు/భంగిమ నిర్మాణాన్ని సంరక్షిస్తుంది మరియు దాని పైన కొత్త చిత్రాన్ని రూపొందించే నియంత్రణ పొర. కూర్పును సంరక్షించడానికి మరియు మీ స్వంత స్కెచ్ యొక్క పదార్థాన్ని మార్చడానికి అనువైనది.
• స్టైల్ రిఫరెన్స్ / స్టైల్ వెయిట్: ఇమేజ్ యొక్క వాతావరణం / రంగు-ఆకృతి అనుభూతిని మాత్రమే తెలియజేయడానికి, దాని కంటెంట్ కాదు.
• పెయింటింగ్ (ప్రాంతీయ సవరణ): చిత్రంలో కొంత భాగాన్ని మాత్రమే మాస్క్ చేయడం మరియు దానిని పునరుత్పత్తి చేయడం (ఉదాహరణకు, హ్యాండిల్‌ను మాత్రమే మార్చడం).
• లోరా / అనుకూల శిక్షణ: అధునాతన స్థాయిలో, బ్రాండ్ భాష లేదా నిర్దిష్ట శైలి ఆధారంగా మోడల్‌ను చక్కగా ట్యూన్ చేయండి. దీనికి గోప్యత మరియు కాపీరైట్ జాగ్రత్త అవసరం (మీ స్వంత డేటాతో, అనుమతితో).

ఈ సాధనాల యొక్క సాధారణ ప్రయోజనం: వారు మొదటి నుండి కలలు కనే బదులు మీరు ఇచ్చిన ఫ్రేమ్‌వర్క్ నుండి పని చేయడానికి AIని బలవంతం చేస్తారు. డిజైనర్ కోసం అత్యంత విలువైనవి తరచుగా కంట్రోల్ నెట్ మరియు పెయింటింగ్, ఎందుకంటే అవి మీ స్వంత స్కెచ్ కూర్పును సంరక్షిస్తాయి.

పునరుత్పత్తి: సీడ్ మరియు పారామితులు

వ్యాప్తి నమూనాలు యాదృచ్ఛికతతో ప్రారంభమవుతాయి. విత్తనం ఈ యాదృచ్ఛికత యొక్క ప్రారంభ సంఖ్య. అదే ప్రాంప్ట్ + అదే సీడ్ + అదే పారామితులు సాధారణంగా ఒకే/చాలా సారూప్య చిత్రాన్ని ఇస్తుంది. డిజైన్‌కు ఇది కీలకం: మీకు నచ్చిన చిత్రాన్ని పునరుత్పత్తి చేయడానికి మీరు విత్తనాన్ని సరిచేయండి లేదా పదాన్ని మార్చండి మరియు ప్రభావాన్ని నియంత్రిత పద్ధతిలో చూడండి. ఇతర ముఖ్యమైన పారామితులు: కారక నిష్పత్తి, దశలు (మరిన్ని దశలు, మరింత శుద్ధి చేయబడినవి కానీ నెమ్మదిగా ఉంటాయి) మరియు మార్గదర్శక స్థాయి (మార్గదర్శకత్వం/CFG; ఇది ప్రాంప్ట్‌కు ఎంత గట్టిగా సరిపోతుంది — ఇది చాలా ఎక్కువగా ఉంటే, అది కృత్రిమంగా మరియు బలవంతంగా కనిపిస్తుంది).

నియంత్రణ

ఏమి చేస్తుంది

ఎప్పుడు ఉపయోగించాలి

సీడ్ ఫిక్సింగ్

అదే అవుట్‌పుట్‌ను పునరుత్పత్తి చేస్తుంది

చిత్రాన్ని అభివృద్ధి చేస్తున్నప్పుడు మరియు A/Bని ప్రయత్నిస్తున్నప్పుడు

సూచన చిత్రం + బరువు

ఇది ఒక చిత్రాన్ని పోలి ఉంటుంది

కూర్పు/వాతావరణ బదిలీ

కంట్రోల్ నెట్ (అంచు/లోతు)

కూర్పును సంరక్షిస్తుంది, కంటెంట్‌ను మారుస్తుంది

మీ స్వంత స్కెచ్ నుండి రెండర్‌ను సృష్టిస్తోంది

పెయింటింగ్

ఒక ప్రాంతాన్ని మాత్రమే రిఫ్రెష్ చేస్తుంది

ఒక్క వివరాలను మార్చండి

ప్రతికూల ప్రాంప్ట్

అవాంఛితాలను తొలగిస్తుంది

నేపథ్యం, చేతి, వచనాన్ని శుభ్రపరచడం

మూడు చిన్న కేసులు

కేసు 1 - మీ స్వంత స్కెచ్‌ను రక్షించుకోవడం. హ్యాండ్ వాక్యూమ్ క్లీనర్ చేతితో గీసిన స్కెచ్‌ని ఫోటోరియలిస్టిక్ రెండరింగ్‌గా మార్చాలనుకుంటున్నారు డిజైనర్. మీరు దీన్ని కేవలం టెక్స్ట్ ప్రాంప్ట్‌తో ప్రయత్నించినప్పుడు, AI పూర్తిగా భిన్నమైన రూపాన్ని ఉత్పత్తి చేస్తుంది. మీరు ControlNet యొక్క కానీ మోడ్‌ని ఉపయోగించి మీ స్కెచ్‌ని అప్‌లోడ్ చేసినప్పుడు, AI దాని లైన్‌లను భద్రపరుస్తుంది మరియు దానిని మాట్టే ప్లాస్టిక్ మరియు స్టూడియో లైటింగ్‌తో కవర్ చేస్తుంది. అతను 4 ప్రయత్నాలలో అతను కోరుకున్న ఫలితాన్ని పొందుతాడు. పాఠం: కంపోజిషన్‌ను సంరక్షించడం కోసం, ControlNet స్వచ్ఛమైన ప్రాంప్ట్ కంటే చాలా శక్తివంతమైనది.

కేస్ 2 - వైవిధ్యం యొక్క అనియంత్రిత నష్టం. ఒక డిజైనర్ తనకు నచ్చిన కాన్సెప్ట్‌ను కనుగొంటాడు, కానీ విత్తనాన్ని గమనించడు. మరుసటి రోజు, అతను "కొంచెం సన్నగా ఉండే హ్యాండిల్" కోసం అడిగినప్పుడు, అతను మళ్లీ అదే చిత్రాన్ని రూపొందించలేడు; పూర్తిగా భిన్నమైన ఉత్పత్తి ప్రతిసారీ బయటకు వస్తుంది మరియు అతను గంటలు కోల్పోతాడు. పాఠం: మీకు నచ్చిన ప్రతి అవుట్‌పుట్ యొక్క విత్తనాన్ని మరియు పూర్తి ప్రాంప్ట్‌ను సేవ్ చేయండి; ఇవి మీ "రిటర్న్" పాయింట్లు.

కేసు 3 - ప్రతికూల ప్రాంప్ట్‌తో శుభ్రపరచడం. ఒక డిజైనర్ స్టూడియో చిత్రాలను రూపొందించినప్పుడు, అనవసరమైన మానవ చేతులు, ప్రతిబింబించే వచనం మరియు రెండవ ఉత్పత్తి ప్రింట్‌అవుట్‌లలో సగంలో కనిపిస్తాయి. ఇది ప్రతికూల ప్రాంప్ట్‌కు "మానవ చేతులు, వచనం, వాటర్‌మార్క్, నకిలీ ఉత్పత్తి, చిందరవందరగా ఉన్న నేపథ్యం"ని జోడిస్తుంది మరియు అవుట్‌పుట్ నాణ్యత కేవలం 8 పదాలతో గణనీయంగా పెరుగుతుంది. పాఠం: మీరు కోరుకున్నది చెప్పడం ఎంత ముఖ్యమో మీకు ఏది ఇష్టం లేదు అని చెప్పడం కూడా అంతే ముఖ్యం.

కాపీ చేయగల ప్రాంప్ట్ టెంప్లేట్‌లు

లేయర్డ్ ప్రాంప్ట్ అస్థిపంజరం"[విషయం], [ఫారమ్ మరియు వివరాలు], [CMF: రంగు-మెటీరియల్-ఉపరితలం],[కోణం మరియు ఫ్రేమింగ్], [లైట్ మరియు బ్యాక్‌గ్రౌండ్], [స్టైల్: స్కెచ్/రెండర్/టెక్నిక్].--నెగటివ్: హ్యూమన్ హ్యాండ్, టెక్స్ట్, లోగో, వాటర్‌మార్క్, బహుళ-ఉత్పత్తి, దారుణమైన నేపథ్యం."

సూచన నుండి టెంప్లేట్‌ను రెండర్ చేయండి "నేను అప్‌లోడ్ చేసిన స్కెచ్ (కంట్రోల్‌నెటెడ్జ్ మోడ్) లైన్ మరియు కంపోజిషన్‌ను ఉంచండి. దానిపై క్రింది మెటీరియల్‌ని వర్తింపజేయండి: [మ్యాట్ ప్లాస్టిక్ బాడీ, అల్యూమినియం వివరాలు]. కాంతి: మృదువైన స్టూడియో. నేపథ్యం: తటస్థ బూడిద. మెటీరియల్‌ని జోడించవద్దు మరియు ఫారమ్‌ను మార్చవద్దు."

ఒకే వివరాల మార్పు (ఇన్‌పెయింటింగ్) టెంప్లేట్ "ఈ చిత్రంలో, [ముసుగు ప్రాంతం: హ్యాండిల్] ప్రాంతాన్ని మాత్రమే పునరుత్పత్తి చేయండి. కొత్త వెర్షన్: [స్లిమ్మర్, ఎర్గోనామిక్, వంపు]. మిగిలిన చిత్రం, దాని లైటింగ్ మరియు కోణాన్ని తాకవద్దు."

పునరుత్పత్తి గమనిక టెంప్లేట్ "నాకు ఈ ప్రింటౌట్ నచ్చింది. కింది సమాచారాన్ని సేవ్ చేసి, తదుపరిసారి దాన్ని ఉపయోగించండి: ప్రాంప్ట్ = [పూర్తి వచనం], సీడ్ = [సంఖ్య], కోణం = [నిష్పత్తి], దశ = [సంఖ్య], ధోరణి = [విలువ]. ఈ ఒక్క మూలకాన్ని మార్చండి: [X]."

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

బలహీనమైన ప్రాంప్ట్: "వైట్ బ్యాక్‌గ్రౌండ్‌లో హెడ్‌ఫోన్‌ల చక్కని రెండర్."

బలమైన ప్రాంప్ట్: "వైర్‌లెస్ ఇన్-ఇయర్ హెడ్‌ఫోన్ ఛార్జింగ్ కేస్, ఓవల్ పిల్-ఫారమ్, పైన సన్నని డివైడింగ్ లైన్. CMF: మాట్ ఐవరీ పాలికార్బోనేట్ బాడీ, శాటిన్ గోల్డ్ కీలు స్ట్రిప్. యాంగిల్: 3/4 ఫ్రంట్, కొంచెం టాప్. లైట్: సాఫ్ట్ స్టూడియో సాఫ్ట్‌బాక్స్, కొంచెం టాప్ రిఫ్లెక్షన్. బ్యాక్‌గ్రౌండ్: నేఫైనట్ లైట్ బ్యాక్‌గ్రౌండ్ ఫోటోరియలిస్టిక్ ఉత్పత్తి రెండరింగ్: 4821, అంశం 4:3 --ప్రతికూల: మానవ చేతి, వచనం, లోగో, వాటర్‌మార్క్, రెండవ ఉత్పత్తి, హార్డ్ షాడో.

బలహీనమైన ప్రాంప్ట్ క్లిచ్‌తో ఖాళీలను పూరించడానికి సాధనాన్ని అనుమతిస్తుంది; శక్తివంతమైన ప్రాంప్ట్ ప్రతి పొరను గుర్తిస్తుంది, ప్రతికూలతలను తొలగిస్తుంది మరియు దానిని విత్తనంతో పునరుత్పత్తి చేస్తుంది.

సాధారణ తప్పులు

• ఒక-వాక్యం అస్పష్టమైన ప్రాంప్ట్‌ను వ్రాసి, ఫలితాన్ని సాధనానికి అప్‌లోడ్ చేయండి. AI ఖాళీలను పూరిస్తుంది, మీరు కాదు.
• విత్తనాలు మరియు పారామితులను సేవ్ చేయడం లేదు. మీకు నచ్చిన అవుట్‌పుట్‌ను మీరు మళ్లీ పొందలేరు.
• ప్రతికూల ప్రాంప్ట్‌ను ఎప్పుడూ ఉపయోగించవద్దు. అవాంఛిత మూలకాలు అవుట్‌పుట్‌ను కలుషితం చేస్తాయి.
• కూర్పు తనిఖీకి బదులుగా వందలాది యాదృచ్ఛిక ట్రయల్స్ చేయడం. ControlNet/inpainting పనిని వేగవంతం చేస్తుంది.
• మరొకరి కాపీరైట్ చేయబడిన చిత్రాన్ని సూచనగా ఉపయోగించడం. శైలి అనుకరణ మరియు కాపీరైట్ ప్రమాదం ఉంది (యూనిట్ 10 చూడండి).

హెచ్చరిక: రిఫరెన్స్ ఇమేజ్‌లు లేదా స్టైల్ వెయిట్‌లు శక్తివంతమైన సాధనాలు, అయితే వేరొకరి యాజమాన్య డిజైన్ లేదా ఆర్టిస్ట్ సిగ్నేచర్ స్టైల్‌ను కాపీ చేయడానికి ఉపయోగించినట్లయితే అవి చట్టపరమైన మరియు నైతిక ప్రమాదాలను కలిగిస్తాయి. మీ స్వంత మెటీరియల్ నుండి లేదా అనుమతించబడిన/ఉచిత మూలాల నుండి మీ సూచనలను ఎంచుకోండి.

సారాంశంలో

దృశ్యమాన AIని నియంత్రించడానికి మూడు సామర్థ్యాలు అవసరం: లేయర్డ్ ప్రాంప్ట్ (విషయం, రూపం, CMF, కోణం, కాంతి, శైలి, ప్రతికూలం), ఇమేజ్‌తో మార్గనిర్దేశం చేయడం (రిఫరెన్స్, కంట్రోల్ నెట్, ఇన్‌పెయింటింగ్, స్టైల్ వెయిట్) మరియు పునరుత్పత్తి సామర్థ్యాన్ని అందించడం (విత్తనం మరియు పారామితులను సేవ్ చేయడం). ఈ మూడింటితో, AI యాదృచ్ఛిక యంత్రం నుండి స్టీరబుల్ డిజైన్ సాధనంగా మారుతుంది. మీరు మీ కంపోజిషన్‌ను రక్షించాలనుకున్నప్పుడు ControlNet మరియు inpainting ప్యూర్ ప్రాంప్ట్ కంటే చాలా శక్తివంతమైనవి. ప్రతికూల ప్రాంప్ట్‌తో మీకు ఇష్టం లేని వాటిని తొలగించండి మరియు కాపీరైట్-సురక్షిత మూలాల నుండి మీ సూచనలను ఎంచుకోండి.

అప్లికేషన్ టాస్క్

ఒక ఉత్పత్తిని ఎంచుకోండి మరియు ముందుగా చేతితో ఒక కఠినమైన స్కెచ్‌ను గీయండి (లేదా కనుగొనండి). లేయర్డ్ ప్రాంప్ట్ ఫ్రేమ్‌వర్క్‌తో ఈ ఉత్పత్తిని వివరించే ప్రాంప్ట్‌ను వ్రాయండి, ప్రతికూల ప్రాంప్ట్‌ను జోడించండి మరియు నాలుగు అవుట్‌పుట్‌లను ఉత్పత్తి చేయండి. మీకు నచ్చిన అవుట్‌పుట్ యొక్క సీడ్ మరియు పారామితులను సేవ్ చేయండి; తర్వాత, "సింగిల్ డిటైల్ చేంజ్" లాజిక్‌తో, ఒక మూలకాన్ని మాత్రమే మార్చండి (ఉదాహరణకు, హ్యాండిల్) మరియు అదే సీడ్‌తో దాన్ని మళ్లీ ఉత్పత్తి చేయండి. రెండు ఫలితాలను సరిపోల్చండి మరియు నియంత్రణ ఎలా మారుతుందో వ్రాయండి.

చెక్లిస్ట్

• [ ] నేను ఆరు లేయర్‌లను కవర్ చేయడానికి ప్రాంప్ట్‌ని సెటప్ చేసాను (విషయం, రూపం, CMF, కోణం, కాంతి, శైలి).
• [ ] నేను నెగెటివ్ ప్రాంప్ట్‌లో నేను కోరుకోనిది వ్రాసాను.
• [ ] నేను కూర్పును నిర్వహించడానికి అవసరమైనప్పుడు నేను సూచన/కంట్రోల్‌నెట్/ఇన్‌పెయింటింగ్‌ని ఉపయోగించాను.
• [ ] నాకు నచ్చిన అవుట్‌పుట్ యొక్క విత్తనాలు మరియు పారామితులను నేను సేవ్ చేసాను.
• [ ] నేను ఒకే వేరియబుల్‌ని తరలించడం ద్వారా నియంత్రిత వైవిధ్యాన్ని ప్రయత్నించాను.
• [ ] నేను కాపీరైట్-సురక్షిత మూలాల నుండి నా సూచన చిత్రాలను ఎంచుకున్నాను.