Proč obrázky od AI vypadají jako od AI a jaká slova to spraví

Většinou to poznáte. Ne proto, že by byl obrázek udělaný špatně, ale proto, že je udělaný příliš dobře: pleť nemá póry, obě poloviny obličeje si odpovídají, světlo nepřichází odnikud konkrétního a nic v pozadí není odřené. Čte se to jako fotografie místa, které neexistuje, což přesně je.

Příčina je dost jednoduchá, aby byla užitečná. Model míří na průměr obrovského množství dobře pořízených fotografií a průměrem smaže všechno, co se lišilo. A mezi skutečnými fotografiemi se liší právě nedokonalost: tady skvrnka, tam tvrdý stín, objektiv měkký v jednom rohu. Zprůměrujte to všechno a dostanete něco hladkého, symetrického a mrtvého.

Což znamená, že realismus není něco, o co se žádá. Je to něco, k čemu se model musí přemluvit, po jedné konkrétní vadě.

Pět příznaků a věta, která na každý odpovídá

Plastová pleť.Výchozí retuš. Portrétní datové sady jsou plné retušovaných obličejů, takže průměrný obličej nemá póry vůbec. Vyžádejte si strukturu zpět výslovně: „visible skin texture, fine pores, a few freckles across the nose, unretouched“. Objednávat si nedokonalost je zvláštní pocit a je to největší dostupné vylepšení vygenerovaného obličeje.

Symetrie.Skutečné obličeje nejsou symetrické a skutečné pokoje nejsou vycentrované. Průměr všeho ano, protože se asymetrie navzájem vyruší. Rozbijte ji záměrně: „head turned slightly, weight on one hip, the composition off-centre with more space on her left“.

Světlo odnikud. Nejčastější a nejsnáze napravitelné. Když neřeknete, odkud světlo přichází, model zprůměruje všechna nasvícení najednou a vyjdou měkké stíny do všech stran, což se v přírodě nikde neděje. Jeden pojmenovaný zdroj s jedním směrem to okamžitě vyřeší.

Příliš uklizené okolí. Ve skutečných pokojích je kabel, šmouha, bunda přes opěradlo židle. Pojmenovat jeden kus nepořádku udělá pro věrohodnost víc než další věta o postavě a je to nejlevnější slovo, jaké můžete utratit.

Mrtvé oči.Těžší, a stojí za to vědět proč: oči působí živě díky odlesku, malému jasnému odrazu toho, co je osvětluje. Zprůměrovaný obličej dostane zprůměrovanou, vystředěnou, symetrickou dvojici odlesků, a to je pohled figuríny. Vyžádejte si konkrétní: „a single window catchlight in her eyes, slightly off to the left“.

Optická slova, která něco dělají, a která ne

Slovník fotoaparátu funguje, když pojmenuje fyzikální důsledek, a nefunguje, když jen zní profesionálně. Ten rozdíl stojí za osvojení, protože polovina promptů, které si lidé mezi sebou opisují, je toho druhého druhu.

Odvádí práci: ohnisková vzdálenost, protože mění, kolik pozadí se vejde do záběru a jak se stlačí obličej. Clona, protože rozhoduje, co je ostré. Denní doba. Pojmenovaný film nebo barevný nádech, protože omezují paletu. Zrno. Konkrétní vada objektivu, jako vinětace nebo měkký roh.

Neodvádí nic:„8k“, „ultra detailed“, „masterpiece“, „award winning“, „professional photography“, „hyperrealistic“. Popisují, jak byste se chtěli u výsledku cítit, a názor nakreslit nejde. Hůř, zabírají pozornost, kterou mohla využít skutečná věta.

Užitečný test: mohl by fotograf stojící v místnosti podle tohohle slova něco udělat? „35mm, zabráno mírně zespodu“ je proveditelný pokyn. „Hyperrealisticky“ není.

Pojmenujte skutečnou světelnou situaci

Pokud po tomhle textu změníte jednu věc, ať je to tahle. Ne „dobré světlo“, ne „filmové světlo“, ale situace, která by opravdu mohla nastat:

• „late afternoon sun through a west-facing window, long shadow across the floor“
• „overcast noon, flat soft light, no visible shadows“
• „one bedside lamp to her right, the rest of the room falling into dark“
• „street lamp overhead at night, hard shadows under the eyes, wet pavement reflecting it“

Každá vynutí směr, tvrdost a barvu a každá vyloučí ten dojem všeho najednou, podle kterého se obrázek pozná jako vygenerovaný. Stejný princip jako pořadí částí v našich hotových promptech: světlo je ta část, kterou lidé vynechávají nejčastěji, a ta, která nese nejvíc.

Rozlišení není realismus

Vysoká kvalita renderuje ve vyšším rozlišení a to kupuje detail, ne věrohodnost. Plastovou pleť vykreslí ve 2K přesně tak věrně jako v 1,5K, jen z většího počtu pixelů. Nejdřív dolaďte prompt ve standardu za 40 mincí a pak verzi, která se vám líbí, pusťte ve vysoké za 60, pokud opravdu potřebujete velikost. Úplné srovnání je v článku o kvalitě a formátech.

Další dvě poctivé hranice. Ruce a obličeje jsou nejtěžší náměty, protože na obojí je odborník každý divák a chytí chybu, kterou by sám nepopsal. A pokud potřebujete stejný obličej na několika obrázcích, žádný slovník realismu to nezvládne: to je práce pro referenční obrázek, jak vysvětluje článek o stálosti postavy. Slova obličej neunesou.

Trénujte na površích, než se pustíte do lidí. Látka, opotřebovaný kov, jídlo, mokrý kámen. Reagují na úplně stejný slovník, nikdo není odborník na to, jak má vypadat konkrétní hrnec, a pochopíte, co doopravdy dělá „tvrdé světlo zleva“, mnohem rychleji než na portrétu. Pak to vezměte do Fellowi Images a měňte po jedné části. Neúspěšné generování vrátí mince, takže jediná skutečná cena pokusu je minuta.