NastępnyNastępny poradnik
Negatywne podpowiedzi w generowaniu obrazu
Wizualna sztuczna inteligencja
PRZEWODNIK Wizualnej AI
Pisanie skutecznych podpowiedzi dotyczących generowania obrazu
Skuteczny monit dotyczący generowania obrazu opisuje pożądany obraz: temat, medium, styl, oświetlenie, kompozycję i aparat, określone jasno i konkretnie, zamiast wymagać od modela wykonania zadania.
Posłuchaj tego przewodnikaOpowiadane przez sztuczną inteligencję · ~3 min
Na tej stronie4 minuty czytania
Przegląd
Modele obrazów odwzorowują słowa na funkcje wizualne, zamiast postępować zgodnie z instrukcjami tak, jak robią to modele na czacie, więc słownictwo opisowe i znajomość składni modelu oddzielają ogólny wynik od obrazu, który faktycznie sobie wyobrażasz.
Głębokie nurkowanie
Wyraźny monit o obraz brzmi jak opis gotowego obrazu. Przydatny porządek to przede wszystkim temat (kto lub co, co), następnie medium (fotografia, obraz olejny, render 3D, szkic ołówkiem), styl lub epoka (secesja, fotosy z lat 70.), oświetlenie (miękko rozproszone, światło krawędziowe, neon), kompozycja i aparat (zbliżenie, szerokie ujęcie, niski kąt, obiektyw 35 mm, mała głębia ostrości), paleta kolorów i wreszcie proporcje. Konkretne rzeczowniki przewyższają przymiotniki: „wyblakły rybak naprawiający sieci” daje modelowi więcej do pracy niż „interesujący starzec”. Sposób sformułowania tego zależy od modelu. Starsze modele Stable Diffusion wykorzystują koder tekstu CLIP i dobrze reagują na słowa kluczowe oddzielane przecinkami, a także odczytują tylko ograniczoną liczbę tokenów. Nowsze systemy, takie jak DALL-E 3, Imagen i FLUX korzystają z silniejszych koderów języka i znacznie lepiej radzą sobie z pełnymi zdaniami, relacjami przestrzennymi i tekstem w obrazie. W ChatGPT, DALL-E 3 podpowiedzi są przepisywane przez model czatu przed generacją, więc to, co wpiszesz, nie jest dokładnie tym, co otrzymuje model obrazu. Podpowiadanie obrazów różni się od podpowiadania modeli czatu. Model obrazu nie uzasadnia Twojej prośby; kojarzy słowa z cechami wizualnymi. To wyjaśnia najczęstszy błąd: pisząc „plaża bez ludzi” można dodać osoby, ponieważ występuje słowo „ludzie”. Zamiast tego użyj negatywnego pola zachęty lub parametru --no Midjourney. Grzeczne instrukcje, wyjaśnienia celu i długie historie zwykle dodają hałasu. Inne błędne przekonania: znaczniki jakości, takie jak „arcydzieło, 8 tys., najlepsza jakość”, pomogły niektórym starszym modelom społeczności, ale niewiele zrobiły w przypadku wielu nowoczesnych, a dłuższe podpowiedzi nie są automatycznie lepsze, ponieważ dodatkowe terminy konkurują o wpływ. Niezawodną metodą jest iteracja: naprawiaj ziarno, zmieniaj jeden element na raz i prowadź notatki, które słowa wywołały jakie skutki.
Implementacja w świecie rzeczywistym
Właściciel małej firmy zmienia „zrób ładne zdjęcie naszej świecy” na „zdjęcie produktu przedstawiające świecę ze szkła z bursztynu na orzechowym stole, miękkie światło z okna po lewej stronie, płytka głębia ostrości, kremowe tło” i otrzymuje użyteczny obraz katalogowy.
Nauczyciel ilustrujący lekcję zapisuje „płaską ilustrację wektorową diagramu obiegu wody, jasne kolory podstawowe, czyste linie, białe tło” i umieszcza tekst etykiety w cudzysłowie, aby nowszy model renderował słowa.
Użytkownik Stable Diffusion, który ciągle otrzymuje tekst przypominający znak wodny, dodaje „tekst, znak wodny, podpis” do negatywnego pola zachęty zamiast wpisywać „brak tekstu” w głównym wierszu zachęty.
Artysta koncepcyjny w Midjourney naprawia materiał siewny, a następnie zmienia jedynie frazę dotyczącą oświetlenia z „pochmurno” na „podświetlenie złotej godziny”, aby porównać nastroje bez zmiany kompozycji.
Przyszłość pisania skutecznych podpowiedzi generujących obrazy
Podpowiadanie odchodzi od tworzenia słów kluczowych w stronę konwersacji prostym językiem, ponieważ generowanie obrazów jest wbudowane w asystentów czatu, którzy mogą edytować obraz w kilku turach. Lepsze kodery tekstu stale poprawiają renderowanie tekstu, liczbę obiektów i układ przestrzenny. Sterowanie wykraczające poza słowa, takie jak obrazy referencyjne, odniesienia do stylu, szkice, przewodniki po pozycjach i podpowiedzi regionalne, stają się standardem, co ogranicza ilość treści, które należy powiedzieć w tekście. Podstawy prawdopodobnie pozostaną przydatne niezależnie od tego: znajomość słownictwa dotyczącego oświetlenia, kompozycji, soczewek i historii sztuki pozwala zapytać, co masz na myśli, niezależnie od używanego interfejsu.
Wdrażanie tego w praktykę
Dlaczego to ma znaczenie
- Szybkość i skala. Wizualna sztuczna inteligencja może automatyzować zadania inspekcji, wykrywania i znakowania na dużą skalę.
- Buduj wybory. Zespoły kreatywne mogą szybciej prototypować koncepcje przy mniejszej liczbie ręcznych poprawek.
- Zespół i przepływ pracy. Operacje mogą wykorzystywać sygnały obrazu i wideo, które wcześniej były trudne do przetworzenia.
Uważaj na
- Prawa do wizerunku i zgoda mogą stanowić ryzyko prawne, jeśli pochodzenie jest niejasne.
- Wydajność modelu może się różnić w zależności od oświetlenia, demografii i środowiska.
- Fałszywie pozytywne wyniki mogą pozostać niezauważone, chyba że monitorowane są progi ufności.
Kolejne kroki
- Zdefiniuj kryteria akceptacji dotyczące kosztów precyzji, wycofania i błędów.
- Przetestuj na danych odpowiadających rzeczywistym warunkom produkcyjnym.
- Dodaj weryfikację manualną, aby prognozy były mało pewne lub miały duży wpływ.
- Śledź dryf modelu i przeprowadzaj ponowną weryfikację po zmianie kamery lub zbioru danych.
Odkrywaj dalej
Darmowy newsletter
Otrzymuj codzienne podsumowanie AI
Trzy zweryfikowane historie AI każdego poranka w dni robocze, napisane prostym angielskim. Bezpłatne na zawsze, bez reklam.
Jedno e‑mail każdego dnia roboczego. Wypisz się jednym kliknięciem. Nigdy nie sprzedajemy ani nie udostępniamy Twojego adresu.
Sprawdź się
Take the Writing Effective Image Generation Prompts quiz
Natychmiastowa informacja zwrotna na każde pytanie oraz udostępnialny certyfikat z weryfikowalnym ID po zaliczeniu kursu.
Wspieraj darmową edukację AI. AI Understanding jest organizacją non-profit 501(c)(3) — bez reklam, bez płatnej ściany, zawsze. Przekaż darowiznę
Często zadawane pytania
Na czym polega pisanie skutecznych podpowiedzi dotyczących generowania obrazu?
Skuteczny monit dotyczący generowania obrazu opisuje pożądany obraz: temat, medium, styl, oświetlenie, kompozycję i aparat, określone jasno i konkretnie, zamiast wymagać od modela wykonania zadania. Modele obrazów odwzorowują słowa na funkcje wizualne, zamiast postępować zgodnie z instrukcjami tak, jak robią to modele na czacie, więc słownictwo opisowe i znajomość składni modelu oddzielają ogólny wynik od obrazu, który faktycznie sobie wyobrażasz.
Według przewodnika, który element powinien zwykle znajdować się na pierwszym miejscu w dobrze skonstruowanym podpowiedzi obrazkowej?
Rozpoczęcie od tematu mówi modelowi, o czym jest zdjęcie, a następnie nakładanie warstw na medium, styl, oświetlenie i kompozycję.
Dlaczego „plaża bez ludzi” może stworzyć obraz z ludźmi?
Słowo „ludzie” przyciąga ludzi do obrazu. Ujemne pole zachęty lub parametr --no to niezawodny sposób na wykluczenie czegoś.
Co robi (czerwony szalik: 1.3) w interfejsach Stable Diffusion typu AUTOMATIC1111?
Liczba jest wagą. Wartości powyżej 1 wzmacniają wpływ frazy; wartości poniżej 1 osłabiają go.
W jaki sposób podpowiedź negatywna wpływa na generowanie przy wskazówkach wolnych od klasyfikatorów?
Wskazówki zwykle przechodzą od bezwarunkowej prognozy do podpowiedzi. Zastąpienie tej linii bazowej podpowiedzią negatywną powoduje odejście od tego, co opisuje.
Jaki jest główny cel naprawiania materiału siewnego podczas udoskonalania podpowiedzi?
Nasiona decydują o hałasie rozruchu. Trzymanie go na stałym poziomie sprawia, że porównania między wersjami podpowiedzi mają sens.
Ucz się dalej
Powiązane przewodniki
Wybrano więcej przewodników na ten temat