Vizuální průvodce AI

Negativní výzvy při generování obrázků

Negativní prompt je text popisující, co nechcete, aby se objevilo na obrázku vygenerovaném umělou inteligencí.

Poslechněte si tento návodAI-vyprávěný · ~3 min

Na této stránce4 min čtení
  1. Přehled
  2. Hluboký ponor
  3. Real-World Implementace
  4. Budoucnost negativních promptů při generování obrázků
  5. Uvedení do praxe
  6. Pokračujte v objevování
  7. Často kladené otázky

Přehled

V difuzních modelech, jako je Stable Diffusion, nahrazuje prázdný prompt používaný v klasifikátorově nezávislém vedení (classifier-free guidance), takže každý krok odšumování je od této popisu odsunován. Negativní prompty dávají uživatelům přímý páku pro ovlivnění nežádoucích prvků, ale fungují pouze u modelů, které používají skutečné klasifikátorově nezávislé vedení, a při přehnaném používání mohou mít opačný efekt.

Hluboký ponor

Diffusion models create an image by starting from random noise and removing it over many steps. At each step, the model predicts the noise twice: once conditioned on your prompt and once on an 'unconditional' input, normally an empty prompt. Classifier-free guidance, introduced by Jonathan Ho and Tim Salimans, combines the two. It starts from the unconditional prediction and moves further toward the conditional one, scaled by the guidance scale (often labeled CFG). The result follows the prompt more closely than the raw model would. A negative prompt simply replaces the empty prompt with your negative text. The formula now pushes away from the negative description as it moves toward the positive one. That is why a negative prompt is not a filter or a post-processing step: it shapes every denoising step. The technique spread through community tools such as the AUTOMATIC1111 web interface in 2022. It became especially popular with Stable Diffusion 2.x, whose results many users found improved noticeably with negatives. Negative prompts work best on concrete visual concepts the model knows well: 'blurry', 'text', 'watermark', 'monochrome', or a specific color or object. They work less well as abstract fixes. On many general-purpose models, terms like 'bad anatomy' or 'extra fingers' often do little, because those models rarely saw captions describing such failures. They can also make results worse. A long list pushes the image away from many directions at once. That can reduce variety, wash out or oversaturate colors, and produce stiff compositions, and high guidance scales amplify the effect. Some models, including guidance-distilled and few-step models, skip the unconditional pass entirely. On those, negative prompts are ignored unless the tool turns true CFG back on, which slows generation. A common misconception is that writing 'no cats' in the main prompt excludes cats. Text encoders handle negation poorly, so the phrase can add cats instead.

Real-World Implementace

Fotograf produktů, který generuje studiové snímky hodinek, přidává do negativního promptu 'text, vodoznak, logo', aby odradil falešné značení na pozadí.

Ilustrátor, který chce čistý kreslený obrázek, zadá do negativního promptu 'stínování, barva, fotorealistický'. Napsání 'bez stínování' do hlavního promptu může naopak náhodně přidat stínování.

Uživatel vloží negativní prompt se 60 položkami zkopírovaný z fóra a zjistí, že obrázky jsou ploché a opakovací. Zkrácení na několik cílených výrazů obnoví rozmanitost.

Někdo přepne na model s destilovaným vedením a všimne si, že pole pro negativní prompt nic nedělá, protože model ve výchozím nastavení nikdy nepočítá druhou predikci, kterou by negativní prompt napájel.

Budoucnost negativních promptů při generování obrázků

Negativní prompty ztrácejí na významu, protože se modely zlepšují. Novější systémy s výkonnějšími textovými enkodéry věrněji sledují podrobné pozitivní prompty a modely s destilovaným vedením obětvují podporu negativních promptů ve prospěch rychlosti. Mezitím se pokračuje ve výzkumu metod vedení, které umožňují jemnější kontrolu bez vedlejších efektů běžného CFG, a některá rozhraní nabízejí samostatné ovládání pro potlačování prvků, jako je text nebo styl. Trvalou poukou pro praxi je mechanická: zkontrolujte, zda váš model skutečně spouští negativní větev, udržujte negativní prompty krátké a konkrétní a testujte každý výraz proti fixnímu seedu, abyste viděli, co skutečně mění.

Uvedení do praxe

Proč na tom záleží

  • Rychlost a měřítko. Vizuální AI může automatizovat úkoly inspekce, detekce a označování ve velkém měřítku.
  • Volby sestavy. Kreativní týmy mohou prototypovat koncepty rychleji s menším počtem ručních revizí.
  • Tým a pracovní postup. Operace mohou využívat obrazové a video signály, které bylo dříve obtížné zpracovat.

Pozor na

  • Obrazová práva a souhlas se mohou stát právním rizikem, pokud je původ nejasný.
  • Výkon modelu se může lišit podle osvětlení, demografických údajů a prostředí.
  • Falešně pozitivní mohou zůstat bez povšimnutí, pokud nejsou monitorovány prahové hodnoty spolehlivosti.

Další kroky

  1. Definujte kritéria přijatelnosti pro přesnost, stažení a náklady na chyby.
  2. Testujte s daty, která odpovídají reálným výrobním podmínkám.
  3. Přidejte lidskou kontrolu pro předpovědi s nízkou spolehlivostí nebo velkým dopadem.
  4. Sledujte posun modelu a znovu ověřte po změnách kamery nebo datové sady.

Pokračujte v objevování

Newsletter zdarma

Získejte denní přehled o AI

Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.

Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.

Otestujte se

Vezměte si kvíz o negativních promptech při generování obrázků

Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.

Spustit kvíz

Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte

Často kladené otázky

Co jsou negativní prompty při generování obrázků?

Negativní prompt je text popisující, co nechcete, aby se objevilo na obrázku vygenerovaném umělou inteligencí. V difuzních modelech, jako je Stable Diffusion, nahrazuje prázdný prompt používaný v klasifikátorově nezávislém vedení, takže každý krok odšumování je od této popisu odsunován. Negativní prompty dávají uživatelům přímou páku pro ovlivnění nežádoucích prvků, ale fungují pouze u modelů, které používají skutečné klasifikátorově nezávislé vedení, a při přehnaném používání mohou mít opačný efekt.

V klasifikátorově nezávislém vedení, co nahrazuje negativní prompt?

CFG obvykle porovnává predikci s promptem s predikcí z prázdného promptu. Negativní prompt zaujme místo prázdného promptu, takže vedení od tohoto textu odvádí.

Proč by napsání 'bez koček' do hlavního promptu mohlo ve skutečnosti vygenerovat kočky?

Enkodér zaregistruje 'kočky' jako silný koncept a většinou přehlédne 'bez'. Přesunutí slova do negativního promptu obrátí směr vedení.

Proč klasifikátorově nezávislé vedení přibližně zdvojnásobí výpočetní nároky na každý krok?

Každý krok vyžaduje dvě predikce šumu, jednu pro každý prompt, a jsou kombinovány pomocí měřítka vedení.

Podle průvodce, který negativní výraz je nejspíše mít silný a spolehlivý efekt?

Negativní prompty nejlépe fungují na konkrétních vizuálních konceptech, které model dobře zná. Vodoznaky se objevují na mnoha trénovacích obrázcích, zatímco popisy selhání, jako je 'špatná anatomie', se v obecných popiscích téměř nikdy neobjevují.

Co se stane, když použijete negativní prompt s modelem s destilovaným vedením, který přeskočí ne podmíněný průchod?

Bez ne podmíněné nebo negativní větve, kterou by se počítalo, nemá negativní text kam směřovat. Zapnutí skutečného CFG ho obnoví na úkor rychlosti.