เจาะลึกเครื่องมือ Visual AI: การแจ้ง การอ้างอิง และการควบคุมสไตล์

กำไร:

• ความสามารถในการสร้างกายวิภาคศาสตร์พร้อมรับการมองเห็น (วัตถุ วัสดุ มุม แสง รูปแบบ ลบ) และรับผลลัพธ์ที่ทำซ้ำได้
• ความสามารถในการกำหนดทิศทางของภาพด้วยวิธีการควบคุม เช่น รูปภาพอ้างอิง, ControlNet, ข้อมูลเริ่มต้น และน้ำหนักของสไตล์
• ความสามารถในการเลือกเครื่องมือตามงานและประเมินความละเอียด ความสอดคล้อง และขีดจำกัดสิทธิ์การใช้งานของเอาต์พุต

ในหน่วยก่อนหน้านี้ คุณได้เห็นวิธีการวางตำแหน่ง AI ในการสร้างแนวคิดแล้ว ในหน่วยนี้ เราจะเจาะลึกลงไปอีกขั้นหนึ่ง: คุณจะได้เรียนรู้การควบคุมเครื่องมือ AI แบบมองเห็นได้จริง ความหงุดหงิดของนักออกแบบหลายคนคือเครื่องมือนี้สร้างภาพ "ด้วยตัวมันเอง"; อย่างไรก็ตาม ปัญหาไม่ได้อยู่ที่ความคลุมเครือของเครื่องมือ แต่เป็นความคลุมเครือของคำสั่งที่ให้ไว้ การควบคุม Visual AI จำเป็นต้องรู้สามสิ่ง: กายวิภาคศาสตร์ที่รวดเร็ว (การตั้งค่าคำสั่งอย่างถูกต้อง) การควบคุมการอ้างอิงและองค์ประกอบ (นำด้วยภาพ) และความสามารถในการทำซ้ำ (ได้รับผลลัพธ์เดียวกันอีกครั้ง) เมื่อคุณเรียนรู้ทั้งสามสิ่งนี้แล้ว AI จะเปลี่ยนจากเครื่องสุ่มภาพมาเป็นเครื่องมือออกแบบที่ควบคุมทิศทางได้

กายวิภาคศาสตร์พร้อมท์: อธิบายภาพหกชั้น

การแสดงภาพที่ดีไม่ใช่ประโยคแบบสุ่ม แต่เป็นสูตรที่ซ้อนกันเป็นชั้นๆ พิจารณาหกชั้นเหล่านี้:

1. เรื่อง: เราผลิตอะไร? ("กล่องชาร์จหูฟังไร้สาย")
2. รูปแบบและรายละเอียด: ภาพเงา สัดส่วน มุม ความแตกต่างของพื้นผิว ("มุมมน สองชิ้น มีเส้นแบ่งบางๆ อยู่ด้านบน")
3. วัสดุและ CMF: สี-วัสดุ-พื้นผิว ("โพลีคาร์บอเนตสีแอนทราไซต์ด้าน แถบอลูมิเนียมขัดเงา")
4. มุมและการจัดกรอบภาพ: มุมมองและการจัดกรอบภาพ ("3/4 จากด้านหน้า จากด้านบนเล็กน้อย อยู่ตรงกลางผลิตภัณฑ์")
5. แสงและสิ่งแวดล้อม: แสงสว่างและพื้นหลัง ("ไฟสตูดิโอแบบนุ่มนวล ฉากหลังสีเทาอ่อนที่เป็นกลางไม่มีที่สิ้นสุด")
6. สไตล์และวัตถุประสงค์: ร่างภาพ การเรนเดอร์ภาพเหมือนจริง การวาดภาพทางเทคนิค ("การแสดงภาพผลิตภัณฑ์เสมือนจริง")

สิ่งที่เพิ่มเข้ามาคือพรอมต์เชิงลบ: สิ่งที่คุณไม่ต้องการ เครื่องมือหลายอย่างเสนอพื้นที่ "พรอมต์เชิงลบ"; ที่นี่ คุณจะล้างผลลัพธ์โดยพิมพ์สิ่งที่คุณไม่ต้องการ เช่น "มือมนุษย์ ข้อความ โลโก้ พื้นหลังยุ่งเหยิง หลายผลิตภัณฑ์" หากคุณปล่อยให้เลเยอร์หายไป AI จะเติมเต็มช่องว่างเหล่านั้นด้วยค่าเฉลี่ยทางสถิติของตัวเอง นี่หมายถึงความคิดโบราณ

เคล็ดลับ: ตั้งค่าพรอมต์ราวกับว่าอ่านจากรูปแบบ: หัวเรื่อง + รูปแบบ + CMF + มุม + แสง + สไตล์ + ลบ หากคุณไม่ชอบผลลัพธ์ ให้ถามว่าเลเยอร์ใดหายไป อย่าเขียนพรอมต์ใหม่ทั้งหมด

การอ้างอิง การจัดองค์ประกอบ และการควบคุมสไตล์

คำพูดไม่สามารถพูดได้ทุกอย่าง บางครั้งภาพก็แทนคำพูดได้นับพันคำ อุปกรณ์สมัยใหม่มีวิธีการควบคุมที่ทรงพลังหลายประการ:

• รูปภาพอ้างอิง (พร้อมท์รูปภาพ / การอ้างอิงรูปภาพ): คุณอัปโหลดรูปภาพและพูดว่า "ทำให้เป็นแบบนี้" คุณกำหนดจำนวนเครื่องมือที่อ้างอิงผลลัพธ์ด้วยน้ำหนัก
• ControlNet: ในระบบนิเวศ Stable Diffusion เป็นเลเยอร์ควบคุมที่รักษาโครงสร้างขอบ/เส้น/ความลึก/ท่าทางของภาพร่างหรือภาพถ่าย และสร้างภาพใหม่ไว้ด้านบน เหมาะอย่างยิ่งสำหรับการรักษาองค์ประกอบและเปลี่ยนวัสดุของร่างของคุณเอง
• การอ้างอิงสไตล์ / น้ำหนักสไตล์: เพื่อถ่ายทอดเฉพาะบรรยากาศ/ความรู้สึกพื้นผิวสีของภาพ ไม่ใช่เนื้อหา
• การลงสี (การแก้ไขตามภูมิภาค): การมาสก์เพียงส่วนหนึ่งของรูปภาพแล้วทำซ้ำ (เช่น เปลี่ยนเฉพาะจุดจับ)
• LoRA / การฝึกอบรมแบบกำหนดเอง: ในระดับสูง ให้ปรับแต่งโมเดลอย่างละเอียดตามภาษาของแบรนด์หรือสไตล์เฉพาะ สิ่งนี้ต้องการความเป็นส่วนตัวและความระมัดระวังด้านลิขสิทธิ์ (ด้วยข้อมูลของคุณเองโดยได้รับอนุญาต)

ประโยชน์ทั่วไปของเครื่องมือเหล่านี้: พวกเขาบังคับให้ AI ทำงานจากกรอบงานที่คุณให้ไว้ แทนที่จะฝันตั้งแต่เริ่มต้น สิ่งที่มีค่าที่สุดสำหรับนักออกแบบมักจะเป็น ControlNet และในการวาดภาพเนื่องจากจะรักษาองค์ประกอบภาพร่างของคุณเอง

ความสามารถในการทำซ้ำ: เมล็ดพันธุ์และพารามิเตอร์

แบบจำลองการแพร่กระจายเริ่มต้นด้วยการสุ่ม Seed คือตัวเลขเริ่มต้นของการสุ่มนี้ Same prompt + Same seed + Same parameter มักจะให้ภาพที่เหมือน/คล้ายกันมาก นี่เป็นสิ่งสำคัญสำหรับการออกแบบ: คุณแก้ไขส่วนเริ่มต้นเพื่อสร้างภาพที่คุณชอบ หรือเพียงเปลี่ยนคำและดูเอฟเฟกต์ในลักษณะที่ควบคุมได้ พารามิเตอร์ที่สำคัญอื่นๆ: อัตราส่วนภาพ ขั้นตอน (ขั้นตอนมากขึ้น ละเอียดยิ่งขึ้น แต่ช้ากว่า) และมาตราส่วนการนำทาง (การนำทาง/CFG ความกระชับพอดีกับข้อความแจ้งเพียงใด หากสูงเกินไป จะดูปลอมและถูกบังคับ)

การควบคุม

ทำอะไร

เมื่อจะใช้

การตรึงเมล็ด

สร้างเอาต์พุตเดียวกัน

เมื่อพัฒนาภาพและลองใช้ A/B

รูปภาพอ้างอิง+น้ำหนัก

มันคล้ายกับภาพ

การถ่ายโอนองค์ประกอบ/บรรยากาศ

ControlNet (ขอบ/ลึก)

คงองค์ประกอบ เปลี่ยนแปลงเนื้อหา

การสร้างภาพเรนเดอร์จากภาพร่างของคุณเอง

ในการวาดภาพ

รีเฟรชเพียงภูมิภาคเดียวเท่านั้น

เปลี่ยนรายละเอียดเดียว

พรอมต์เชิงลบ

กำจัดสิ่งที่ไม่ต้องการ

ทำความสะอาดพื้นหลัง มือ ข้อความ

มินิเคสสามอัน

กรณีที่ 1 — การปกป้องภาพร่างของคุณเอง นักออกแบบต้องการเปลี่ยนภาพร่างเครื่องดูดฝุ่นมือที่วาดด้วยมือให้กลายเป็นภาพเรนเดอร์เสมือนจริง เมื่อคุณลองใช้เพียงข้อความแจ้ง AI จะสร้างรูปแบบที่แตกต่างไปจากเดิมอย่างสิ้นเชิง เมื่อคุณอัปโหลดภาพร่างของคุณโดยใช้โหมด Canny ของ ControlNet AI จะรักษาเส้นและหุ้มด้วยพลาสติกด้านและไฟสตูดิโอ เขาได้รับผลลัพธ์ที่ต้องการในความพยายาม 4 ครั้ง บทเรียน: เพื่อรักษาองค์ประกอบไว้ ControlNet มีประสิทธิภาพมากกว่าพร้อมท์เพียงอย่างเดียว

กรณีที่ 2 — การสูญเสียความแปรปรวนที่ไม่สามารถควบคุมได้ นักออกแบบค้นพบแนวคิดที่เขาชอบ แต่ไม่ได้คำนึงถึงเมล็ดพันธุ์ วันรุ่งขึ้น เมื่อเขาขอ "ด้ามจับที่บางลงเล็กน้อย" เขาก็ไม่สามารถสร้างภาพเดิมได้อีก มีผลิตภัณฑ์ที่แตกต่างไปจากเดิมอย่างสิ้นเชิงออกมาทุกครั้ง และเขาเสียเวลาหลายชั่วโมง บทเรียน: บันทึกเมล็ดพันธุ์และพรอมต์แบบเต็มของแต่ละเอาต์พุตที่คุณต้องการ นี่คือจุด "คืน" ของคุณ

กรณีที่ 3 — การทำความสะอาดพร้อมข้อความลบ เมื่อนักออกแบบสร้างภาพในสตูดิโอ มือของมนุษย์ที่ไม่ต้องการ ข้อความสะท้อน และผลิตภัณฑ์ชิ้นที่สองปรากฏในครึ่งหนึ่งของงานพิมพ์ โดยจะเพิ่ม "มือมนุษย์ ข้อความ ลายน้ำ สินค้าที่ซ้ำกัน พื้นหลังรก" ลงในพรอมต์เชิงลบ และคุณภาพผลงานจะเพิ่มขึ้นอย่างมากด้วยเพียง 8 คำ บทเรียน: การพูดในสิ่งที่คุณไม่ต้องการก็สำคัญพอๆ กับการพูดว่าคุณต้องการอะไร

เทมเพลตพร้อมท์ที่คัดลอกได้

LAYERED PROMPT SKELETON"[ประธาน], [รูปแบบและรายละเอียด], [CMF: สี-วัสดุ-พื้นผิว],[มุมและการจัดกรอบ], [แสงและพื้นหลัง], [สไตล์: ร่าง/การเรนเดอร์/เทคนิค] --เชิงลบ: มือมนุษย์ ข้อความ โลโก้ ลายน้ำ หลายผลิตภัณฑ์ พื้นหลังยุ่งเหยิง"

แสดงเทมเพลตจากข้อมูลอ้างอิง"คงเส้นและองค์ประกอบของภาพร่างที่ฉันอัปโหลดไว้ (โหมด ControlNetedge) ใช้วัสดุต่อไปนี้กับภาพ: [ตัวเครื่องเป็นพลาสติกด้าน รายละเอียดอะลูมิเนียม] แสง: สตูดิโอนุ่มนวล พื้นหลัง: สีเทากลาง อย่าเปลี่ยนรูปทรง เพียงเพิ่มวัสดุและแสง"

เทมเพลตการเปลี่ยนแปลงรายละเอียดเดียว (การลงสี) "ในภาพนี้ ให้ทำซ้ำเฉพาะพื้นที่ [พื้นที่ที่ปกปิด: ที่จับ] เวอร์ชันใหม่: [บางขึ้น ตามหลักสรีระศาสตร์ โค้ง] อย่าสัมผัสส่วนที่เหลือของภาพ แสง และมุมของภาพ"

เทมเพลตหมายเหตุความสามารถในการผลิตซ้ำ "ฉันชอบงานพิมพ์นี้ บันทึกข้อมูลต่อไปนี้และใช้ครั้งต่อไป: prompt = [ข้อความเต็ม], seed = [number], allowance = [ratio], step = [number], การวางแนว = [value] เพียงเปลี่ยนองค์ประกอบเดียวนี้: [X]"

พรอมต์อ่อน / พรอมต์แข็งแกร่ง

ข้อความแจ้งที่อ่อนแอ: "การเรนเดอร์หูฟังที่สวยงามบนพื้นหลังสีขาว"

ข้อความแจ้งที่ชัดเจน: "เคสชาร์จหูฟังอินเอียร์ไร้สาย รูปแบบเม็ดยารูปไข่ มีเส้นแบ่งบางๆ อยู่ด้านบน CMF: ตัวโพลีคาร์บอเนตสีงาช้างด้าน แถบบานพับซาตินสีทอง มุม: ด้านหน้า 3/4 ด้านบนเล็กน้อย แสง: ซอฟต์บ็อกซ์สตูดิโอแบบนุ่ม การสะท้อนด้านบนเล็กน้อย พื้นหลัง: ฉากหลังสีเทาอ่อนที่เป็นกลาง สไตล์: การแสดงภาพผลิตภัณฑ์เสมือนจริง เมล็ดพืช: 4821 ด้าน 4:3 --เชิงลบ: มือมนุษย์ ข้อความ โลโก้ ลายน้ำ ผลิตภัณฑ์ที่สอง เงาแข็ง"

ข้อความแจ้งที่ไม่ชัดเจนช่วยให้เครื่องมือเติมคำโบราณในช่องว่างได้ ข้อความแจ้งเตือนอันทรงพลังจะระบุแต่ละเลเยอร์ กำจัดฟิล์มเนกาทีฟ และทำให้สามารถทำซ้ำได้ด้วยเมล็ดพืช

ข้อผิดพลาดทั่วไป

• เขียนพรอมต์คลุมเครือหนึ่งประโยคและอัปโหลดผลลัพธ์ไปยังเครื่องมือ AI เติมเต็มช่องว่าง ไม่ใช่คุณ
• ไม่บันทึกเมล็ดและพารามิเตอร์ คุณไม่สามารถได้ผลลัพธ์ที่คุณต้องการอีกต่อไป
• อย่าใช้พรอมต์เชิงลบ องค์ประกอบที่ไม่ต้องการปนเปื้อนเอาต์พุต
• ทำการทดลองแบบสุ่มหลายร้อยครั้งแทนการตรวจสอบองค์ประกอบ ControlNet/inpainting ช่วยให้งานเร็วขึ้น
• การใช้ภาพที่มีลิขสิทธิ์ของผู้อื่นเป็นข้อมูลอ้างอิง มีความเสี่ยงของการเลียนแบบรูปแบบและลิขสิทธิ์ (ดูบทที่ 10)

ข้อควรระวัง: รูปภาพอ้างอิงหรือน้ำหนักสไตล์เป็นเครื่องมือที่มีประสิทธิภาพ แต่จะก่อให้เกิดความเสี่ยงทางกฎหมายและจริยธรรมหากใช้เพื่อคัดลอกการออกแบบที่เป็นกรรมสิทธิ์ของผู้อื่นหรือสไตล์ลายเซ็นของศิลปิน เลือกการอ้างอิงของคุณจากเนื้อหาของคุณเองหรือจากแหล่งที่ได้รับอนุญาต/ฟรี

โดยสรุป

การควบคุม Visual AI ต้องใช้ความสามารถสามประการ: การตั้งค่าพรอมต์แบบเลเยอร์ (วัตถุ, แบบฟอร์ม, CMF, มุม, แสง, สไตล์, เนกาทีฟ), การนำทางด้วยรูปภาพ (การอ้างอิง, ControlNet, การลงสี, น้ำหนักของสไตล์) และการให้ความสามารถในการทำซ้ำ (บันทึกค่าเริ่มต้นและพารามิเตอร์) ด้วยทั้งสามสิ่งนี้ AI จะเปลี่ยนจากเครื่องจักรสุ่มมาเป็นเครื่องมือออกแบบที่บังคับทิศทางได้ ControlNet และ inpainting มีประสิทธิภาพมากกว่าการแจ้งเมื่อคุณต้องการปกป้ององค์ประกอบของคุณ กำจัดสิ่งที่คุณไม่ต้องการด้วยข้อความเชิงลบ และเลือกข้อมูลอ้างอิงของคุณจากแหล่งที่มาที่ปลอดภัยต่อลิขสิทธิ์

งานสมัคร

เลือกผลิตภัณฑ์และวาด (หรือค้นหา) ร่างภาพคร่าวๆ ด้วยมือก่อน เขียนพร้อมต์ที่อธิบายผลิตภัณฑ์นี้ด้วยเฟรมเวิร์กพร้อมต์แบบเป็นชั้น เพิ่มพร้อมต์เชิงลบ และสร้างเอาต์พุต 4 รายการ บันทึกเมล็ดพันธุ์และพารามิเตอร์ของผลลัพธ์ที่คุณต้องการ จากนั้น ด้วยตรรกะ "การเปลี่ยนแปลงรายละเอียดเดียว" ให้เปลี่ยนเพียงองค์ประกอบเดียว (เช่น หมายเลขอ้างอิง) และสร้างใหม่อีกครั้งด้วยข้อมูลเริ่มต้นเดียวกัน เปรียบเทียบผลลัพธ์ทั้งสองและเขียนว่าการควบคุมเปลี่ยนแปลงไปอย่างไร

รายการตรวจสอบ

• [ ] ฉันตั้งค่าข้อความให้ครอบคลุมหกเลเยอร์ (ตัวแบบ รูปทรง CMF มุม แสง สไตล์)
• [ ] ฉันเขียนสิ่งที่ฉันไม่ต้องการลงในพรอมต์เชิงลบ
• [ ] ฉันใช้ Reference/ControlNet/inpainting เมื่อต้องการรักษาองค์ประกอบภาพ
• [ ] ฉันบันทึกค่าเริ่มต้นและพารามิเตอร์ของเอาต์พุตที่ฉันชอบ
• [ ] ฉันลองใช้รูปแบบควบคุมโดยการย้ายตัวแปรตัวเดียว
• [ ] ฉันได้เลือกรูปภาพอ้างอิงจากแหล่งที่ปลอดภัยต่อลิขสิทธิ์