AIの画像がAIに見える理由と、それを直す言葉

たいてい見分けがつきます。出来が悪いからではなく、出来が良すぎるからです。肌に毛穴がなく、顔の左右が一致し、光がどこからともなく来ていて、背景のどこにも擦れがない。存在しない場所の写真として読めてしまう。実際そのとおりのものです。

原因は、役に立つ程度には単純です。モデルは膨大な量のうまく撮れた写真の平均を狙い、ばらついていたものをすべて平均で消してしまいます。そして実際の写真どうしでばらつくのは、まさに不完全さです。ここに小さなしみ、そこに硬い影、片隅だけ甘いレンズ。それらを全部平均すると、なめらかで、左右対称で、死んだものが出てきます。

つまり写実は、頼んで手に入るものではありません。具体的な欠点をひとつずつ挙げて、モデルをそこへ引き下ろしていくものです。

五つの兆候と、それに答える一節

プラスチックの肌。 既定の美肌処理です。ポートレートのデータは修整された顔で満ちているので、平均的な顔には毛穴がまったくありません。質感を明示的に取り戻してください。「visible skin texture, fine pores, a few freckles across the nose, unretouched」。不完全さを注文するのは奇妙な感じがしますが、生成された顔に対して使える最大の改善です。

左右対称。 実際の顔は左右対称ではなく、実際の部屋は中央揃えではありません。すべての平均が対称になるのは、非対称が打ち消し合うからです。意図的に崩してください。「head turned slightly, weight on one hip, the composition off-centre with more space on her left」。

どこからともない光。 最も多く、最も直しやすい。光がどこから来るかを書かないと、モデルはあらゆる照明のとり方をいっぺんに平均し、四方八方に柔らかい影のある絵が出ます。自然界のどこにもない状態です。方向を持った光源をひとつ名指すだけで、即座に解消します。

片づきすぎた周囲。 実際の部屋にはコードがあり、汚れがあり、椅子の背に上着が掛かっています。散らかりをひとつ名指すほうが、被写体についてもう一文書くよりも説得力に効きますし、いちばん安上がりな一語です。

死んだ目。 これは難しく、理由を知る価値があります。目が生きて見えるのはキャッチライト、つまり照らしているものの小さな反射のおかげです。平均化された顔には平均化された、中央にあって左右対称のキャッチライトが入り、それはマネキンの目です。具体的に頼んでください。「a single window catchlight in her eyes, slightly off to the left」。

効く光学の語と、効かない語

カメラの語彙は、物理的な帰結を名指すときに効き、ただ専門的に響くだけのときは効きません。この違いは身につける価値があります。人が互いに写し合っているプロンプトの半分は後者だからです。

働く語: 焦点距離。背景がどれだけ入るか、顔がどう圧縮されるかを変えます。絞り。どこが鮮鋭かを決めます。時間帯。名指しのフィルムや色かぶり。パレットを縛ります。粒子。ヴィネットや片隅の甘さといった具体的なレンズの癖。

働かない語: 「8k」「ultra detailed」「masterpiece」「award winning」「professional photography」「hyperrealistic」。これらは結果に対してどう感じたいかの表明であり、感想は描けません。さらに悪いことに、本来の一節が使えたはずの注意を奪います。

役に立つ判定法。その部屋に立っている写真家は、この語に従って動けるか。「35mm、やや下から」は実行できる指示です。「ハイパーリアル」は違います。

実在しうる照明の状況を名指す

この記事を読んで一つだけ変えるなら、これにしてください。「良い光」でも「シネマティックな光」でもなく、実際に起こりうる状況を。

• 「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」

どれも方向と硬さと色を確定させ、生成物だと読まれる原因である「全部いっぺん」の見え方を排除します。 貼って使えるプロンプト集 の語順と同じ原理です。光は最も飛ばされやすく、最も多くを担う一節です。

解像度は写実ではない

高品質はより高い解像度で描き、それが買うのは精細さであって説得力ではありません。プラスチックのような肌も、1.5Kとまったく同じ忠実さで2Kに描かれます。画素が増えるだけです。まずスタンダードの40コインでプロンプトを詰め、気に入ったものだけを、本当に大きさが要るなら60コインの高品質で回し直してください。詳しい比較は 品質と形式の記事 にあります。

正直な限界がもう二つ。手と顔は最も難しい題材です。どの見る人も両方の専門家で、自分では言葉にできない誤りを見つけてしまいます。そして複数の画像にわたって 同じ 顔が必要なら、写実の語彙をどれだけ積んでも届きません。それは参照画像の仕事で、 キャラクターの一貫性の記事 に書いたとおりです。言葉は顔を運べません。

人物より先に、素材で練習してください。布、使い込まれた金属、料理、濡れた石。同じ語彙に反応しますし、特定の鍋がどう見えるべきかの専門家は誰もいませんし、「左からの硬い光」が実際に何をするのかを、ポートレートよりずっと速く体得できます。それから Fellowi Images へ持っていって、一度に一節ずつ変えてください。失敗した生成はコインが戻るので、実験の本当の代償は一分です。