Waarom AI-beelden op AI lijken, en de woorden die dat verhelpen

Je ziet het meestal. Niet omdat het beeld slecht gemaakt is, maar omdat het te goed gemaakt is: de huid heeft geen poriën, beide gezichtshelften komen overeen, het licht komt nergens bepaalds vandaan, en niets op de achtergrond is geschaafd. Het leest als de foto van een plek die niet bestaat, wat het precies is.

De oorzaak is simpel genoeg om bruikbaar te zijn. Het model mikt op het gemiddelde van een enorm aantal goed gemaakte foto’s en middelt alles weg wat varieerde. En wat tussen echte foto’s varieert is juist de onvolkomenheid: hier een vlekje, daar een harde schaduw, een lens die in één hoek zacht is. Middel dat allemaal en je krijgt iets glads, symmetrisch en doods.

Wat betekent dat realisme niets is waar je om vraagt. Het is iets waar je het model naartoe praat, één specifiek gebrek tegelijk.

Vijf verklikkers en de zin die er antwoord op geeft

Plastic huid.De standaard retouche. Portretdatasets staan vol geretoucheerde gezichten, dus het gemiddelde gezicht heeft helemaal geen poriën. Vraag de textuur expliciet terug: “visible skin texture, fine pores, a few freckles across the nose, unretouched”. Om onvolkomenheid vragen voelt raar, en het is de grootste verbetering die een gegenereerd gezicht kan krijgen.

Symmetrie.Echte gezichten zijn niet symmetrisch en echte kamers niet gecentreerd. Het gemiddelde van alles wel, omdat de asymmetrieën tegen elkaar wegvallen. Breek het met opzet: “head turned slightly, weight on one hip, the composition off-centre with more space on her left”.

Licht uit het niets. Het meest voorkomende en het best te verhelpen. Zeg je niet waar het licht vandaan komt, dan middelt het model alle belichtingen tegelijk en krijg je zachte schaduwen in alle richtingen, wat in de natuur nergens gebeurt. Eén benoemde bron met één richting lost het meteen op.

Te opgeruimde omgeving. Echte kamers hebben een snoer, een veeg, een jas over een stoelleuning. Eén stuk rommel benoemen doet meer voor de geloofwaardigheid dan nog een zin over het onderwerp, en het is het goedkoopste woord dat je kunt uitgeven.

Dode ogen.Lastiger, en het loont te weten waarom: ogen lezen als levend door de catchlight, de kleine heldere weerspiegeling van wat ze belicht. Een gemiddeld gezicht krijgt een gemiddeld, gecentreerd, symmetrisch paar, en dat is de blik van een etalagepop. Vraag om een specifieke: “a single window catchlight in her eyes, slightly off to the left”.

Optische woorden die iets doen, en woorden die niets doen

Camerawoordenschat werkt wanneer die een fysiek gevolg benoemt en doet niets wanneer die alleen professioneel klinkt. Dat verschil is het waard je eigen te maken, want de helft van de prompts die mensen van elkaar overnemen is van de tweede soort.

Verdient zijn plek: een brandpuntsafstand, want die verandert hoeveel achtergrond in beeld komt en hoe het gezicht wordt samengedrukt. Een diafragma, want dat bepaalt wat scherp is. Een tijdstip. Een genoemde filmsoort of kleurzweem, want dat begrenst het palet. Korrel. Een specifiek lensgebrek zoals vignettering of een zachte hoek.

Verdient niets:“8k”, “ultra detailed”, “masterpiece”, “award winning”, “professional photography”, “hyperrealistic”. Die beschrijven hoe je je over het resultaat zou willen voelen, en een mening laat zich niet tekenen. Erger nog, ze bezetten aandacht die een echte zin had kunnen gebruiken.

Een bruikbare test: zou een fotograaf die in de kamer staat op dit woord kunnen handelen? “35mm, iets van onderaf” is een uitvoerbare aanwijzing. “Hyperrealistisch” niet.

Benoem een echte lichtsituatie

Als je na dit stuk één ding verandert, laat het dit zijn. Niet “mooi licht”, niet “filmisch licht”, maar een situatie die zich werkelijk kan voordoen:

• “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”

Elk dwingt een richting, een hardheid en een kleur af, en elk sluit de alles-tegelijk-look uit waaraan een beeld als gegenereerd wordt herkend. Hetzelfde principe als de volgorde in onze kant-en-klare prompts: licht is de zin die mensen overslaan en die het meeste draagt.

Resolutie is geen realisme

Hoge kwaliteit rendert op een hogere resolutie, en dat koopt detail, geen geloofwaardigheid. Plastic huid tekent het in 2K precies zo getrouw als in 1,5K, alleen met meer pixels ervan. Krijg de prompt eerst goed in Standard voor 40 coins en draai de versie die je bevalt daarna in hoge kwaliteit voor 60 als je het formaat echt nodig hebt. De volledige vergelijking staat in het stuk over kwaliteit en formaten.

Nog twee eerlijke grenzen. Handen en gezichten zijn de moeilijkste onderwerpen, omdat elke kijker er expert in is en een fout opmerkt die hij zelf niet zou kunnen beschrijven. En als je hetzelfde gezicht over meerdere beelden nodig hebt, lukt dat met geen enkel realismevocabulaire: dat is werk voor een referentiebeeld, zoals het stuk over personageconsistentie uitlegt. Woorden dragen geen gezicht.

Oefen op oppervlakken voordat je mensen doet. Stof, versleten metaal, eten, natte steen. Ze reageren op precies hetzelfde vocabulaire, niemand is expert in hoe een bepaalde pan hoort te zien, en je leert veel sneller wat “hard licht van links” werkelijk doet dan op een portret. Neem het daarna mee naar Fellowi Images en verander één zin per keer. Een mislukte generatie geeft je coins terug, dus de enige echte kosten van een experiment zijn een minuut.