Vizuális MI ÚTMUTATÓ

Negatív üzenetek a képgenerálásban

A negatív prompt olyan szöveg, amely leírja, mit nem szeretnél egy AI által generált képen.

Hallgassa meg ezt az útmutatótAI-narrált · ~3 min

Ezen az oldalon4 perc olvasás
  1. Áttekintés
  2. Mély merülés
  3. Valós megvalósítás
  4. A negatív promptok jövője a képgenerálásban
  5. A gyakorlatba ültetés
  6. Folytassa a felfedezést
  7. Gyakran ismételt kérdések

Áttekintés

Diffúziós modellekben, például a Stable Diffusion-ben, a negatív prompt helyettesíti az osztályozó nélküli irányításnál használt üres promptot, így minden denoising lépés eltolódik ettől a leírástól. A negatív promptok közvetlen vezérlőeszközt adnak a felhasználóknak a nem kívánt elemek felett, de csak azoknál a modelleknél működnek, amelyek valódi osztályozó nélküli irányítást futtatnak, és túlzott használatuk visszaüthet.

Mély merülés

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.

Valós megvalósítás

Egy termékfotós, aki egy óra stúdiófelvételét készíti, a háttérben lévő hamis márkajelzés elkerülése érdekében a negatív promptba 'text, watermark, logo' kifejezéseket teszi.

Egy illusztrátor, aki tiszta vonalas rajzot akar, a negatív promptba 'shading, color, photorealistic' kifejezéseket helyezi. Ha a fő promptba 'no shading'-t ír, az véletlenül árnyékolást adhat hozzá.

Egy felhasználó egy fórumról kimásolt, 60 szóból álló negatív promptot illeszt be, és észreveszi, hogy a képek laposak és ismétlődőek lesznek. Ha csak néhány célzott kifejezést hagy meg, a változatosság visszatér.

Valaki egy guidance-distilled modellre vált, és észreveszi, hogy a negatív prompt mező semmit sem csinál, mert alapértelmezés szerint a modell soha nem számítja ki a második előrejelzést, amelyet egy negatív prompt táplálna.

A negatív promptok jövője a képgenerálásban

A negatív promptok egyre kevésbé válnak központi szerepűvé, ahogy a modellek fejlődnek. Az újabb rendszerek, amelyek erősebb szövegkódolókkal rendelkeznek, pontosabban követik a részletes pozitív promptokat, és a guidance-distilled modellek a negatív prompt támogatását feladva gyorsabbak. Ugyanakkor a kutatás folytatódik olyan guidance módszerek iránt, amelyek finomabb kontrollt nyújtanak a sima CFG mellékhatásai nélkül, és néhány felület külön vezérlőket kínál a szöveg vagy stílus elnyomására. A gyakorlók számára a tartós tanulság mechanikus: ellenőrizze, hogy a modell valóban fut-e negatív ágat, tartsa a negatívakat röviden és konkrétan, és tesztelje minden kifejezést egy fix seed ellen, hogy lássa, mit is változtat.

A gyakorlatba ültetés

Miért számít

  • Sebesség és méretarány. A vizuális AI képes automatizálni az ellenőrzési, észlelési és címkézési feladatokat nagy léptékben.
  • Építési lehetőségek. A kreatív csapatok gyorsabban prototípusokat készíthetnek a koncepciókból, kevesebb kézi átdolgozással.
  • Csapat és munkafolyamat. A műveletek olyan kép- és videojeleket használhatnak, amelyeket korábban nehéz volt feldolgozni.

Vigyázz

  • A képhez fűződő jogok és a beleegyezés jogi kockázatot jelenthet, ha a származás nem egyértelmű.
  • A modell teljesítménye a világítástól, a demográfiai adatoktól és a környezettől függően változhat.
  • A hamis pozitívumok észrevétlenek maradhatnak, hacsak nem figyelik a megbízhatósági küszöböket.

Következő lépések

  1. Határozza meg a pontosság, a visszahívás és a hibaköltségek elfogadási kritériumait.
  2. Tesztelje a valós gyártási feltételeknek megfelelő adatokkal.
  3. Adjon hozzá emberi felülvizsgálatot az alacsony megbízhatóságú vagy nagy hatású előrejelzésekhez.
  4. A modell elsodródásának nyomon követése és újbóli érvényesítése a kamera vagy az adatkészlet módosítása után.

Folytassa a felfedezést

Ingyenes hírlevél

Szerezze meg a napi AI összefoglalót

Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.

Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.

Teszteld magad

Negatív Promptok a kép generálásban kvíz

Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.

Kezdő kvíz

Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt

Gyakran ismételt kérdések

Mi a Negatív Prompt a kép generálásban?

Egy negatív prompt olyan szöveg, amely leírja, mit nem szeretne egy AI által generált képen. A difúziós modellekben, mint a Stable Diffusion, a klasszikus classifier-free guidance üres promptját helyettesíti, így minden zajcsökkentő lépés eltolódik e leírástól. A negatív promptok közvetlen nyomatást adnak a felhasználónak a nem kívánt elemek felett, de csak olyan modelleken működnek, amelyek valódi classifier-free guidance-t futtatnak, és túlhasználat esetén visszafordulhatnak.

Mire cseréli a negatív prompt a classifier-free guidanceben?

A CFG általában összehasonlítja a promptolt előrejelzést egy üres promptból származó előrejelzéssel. A negatív prompt az üres prompt helyét veszi át, így a guidance eltolódik e szövegtől.

Miért lehet, hogy a 'no cats' megfogalmazása a fő promptban valójában macskákat eredményez?

Az enkóder a „cats” szót erős koncepcióként regisztrálja, és nagyrészt figyelmen kívül hagyja a „no” szót. A szó áthelyezése a negatív promptba megfordítja az irányítást.

Miért közelíti meg a klasszifikátor nélküli irányítás a lépésenkénti számítás kétszeresét?

Minden lépéshez két zajbecslés szükséges, egy-egy a két prompthoz, és ezeket az irányítási skálával kombinálják.

Az útmutató szerint melyik negatív kifejezés a legvalószínűbb, hogy erős, megbízható hatást fejt ki?

A negatív kifejezések a modell által jól ismert konkrét vizuális koncepciókon működnek a legjobban. A vízjelek sok képben jelen vannak, míg a „rossz anatómia” jellegű hibaleírások ritkán fordulnak elő általános feliratokban.

Mi történik, ha egy negatív promptot használunk egy olyan, a feltétlen áthaladást kihagyó, irányítási desztillációval ellátott modellel?

Mivel nincs feltétlen vagy negatív ág a számításhoz, a negatív szövegnek nincs hova mennie. A valódi CFG visszakapcsolása helyreállítja, de a sebesség rovására.