Как да получите фотореалистични AI изображения: 9 техники за формулиране на подсказки

Ето пълния комплект инструменти. Не е нужно да прилагате всичките девет при всяко изображение, но колкото повече от тях използвате целенасочено, толкова по-фотореалистично ще стане изображението от AI. Всяка е формулирана така, че да може да се вмъкне директно в подсказка.

1. Опишете реална камера и обектив. Фотографският език закотвя модела в реалността. „Заснето с 50mm обектив, f/1.8“ или „85mm портретен обектив“ го насочва да възпроизведе оптичния подпис на истинска снимка, включително естествена перспектива и дълбочина.
2. Посочете конкретен източник на светлина и посока. Осветлението е най-силният лост за реализъм. Заменете „добро осветление“ с „меко прозоречно осветление отляво“, „задно осветление в златния час“ или „облачно, дифузирано дневно светло“. Истинската светлина има източник, посока и затихване.
3. Добавете правдоподобни несъвършенства. Съвършенството се възприема като фалшиво. Поискайте „видима текстура на кожата и пори“, „лека естествена асиметрия“, „няколко изхвърчащи косъмчета“ или „деликатна филмова зърнистост“. Тези дребни недостатъци са това, което камерите улавят, а AI често ги изтрива.
4. Дръжте обекта конкретен и човешки. Неясните описания водят до странни, неестествени резултати. Уточнете възраст, изражение, облекло и естествена поза: „жена в 40-те си години, с отпусната половин усмивка, в средата на разговор“, а не „красива жена“.
5. Използвайте негативна подсказка, за да премахнете типичните „подсказки“ на AI. Изключете ясно разпознаваемите елементи: „пластична кожа, ретуширано, пренаситено, допълнителни пръсти, деформирани ръце, текст, воден знак, CGI рендер, 3D“. Това е най-бързият начин да отстраните повтарящите се артефакти.
6. Настройте реалистична дълбочина на рязкост. Истинските обективи не държат всичко на фокус. „Плитка дълбочина на рязкост, фон леко размазан“ или „дълбок фокус, остър навсякъде“ указва на модела как би се държала реална диафрагма.
7. Съобразете цветовете с реалността, не с ярки „бонбонени“ тонове. Поискайте „естествени тонове на кожата“, „приглушени, реалистични цветове“ или „неутрален баланс на бялото“, за да противодействате на склонността на модела към пренасищане. Истинските снимки рядко са толкова наситени, колкото стандартният изход от AI.
8. Настройте степента на напътстване, за да избегнете преекспониран, прекалено рендериран вид. Много високо напътстване (CFG) може да наложи лъскава, прекалено гладка визия. Ако инструментът ви позволява контрол, умерена настройка често дава по-естествено, по-малко „пластмасово“ изображение.
9. Финализирайте локално, вместо да правите нови опити от нулата. Когато 90% е фотореалистично и само ръцете или фонът са некоректни, маскирайте и презгенерирайте само този участък или го редактирайте директно, вместо да рискувате с нов опит, който може да загуби вече успешните елементи.

Възприемайте тези техники като регулируеми, а не абсолютни правила. Езикът за камера и обектив и осветлението вършат най-голямата част от работата за почти всяка сцена, така че започнете оттам, след което добавяйте несъвършенства и негативна подсказка преди финалната настройка на цветовете, дълбочината на рязкост и нивото на напътстване.

Ако промените само едно нещо в подсказките си, нека то да бъде осветлението. Светлината е това, което фотографията буквално записва, а очите ни са изключително чувствителни към осветление, което не се държи като истинската светлина. Изображение без ясно светлинен източник или с осветление, идващо от невъзможни посоки, изглежда фалшиво дори когато всеки друг детайл е перфектен.

Конкретните описания на осветлението вършат и двойна работа: те задават настроение и принуждават модела да изобрази физически последователни сенки и акценти. „Меко прозоречно осветление отляво“ предполага градиент по лицето, блясък в очите и постепенно затихване на сянката отдясно. „Задно осветление от златния час“ предполага топъл ореол от светлина и леко мъглива, по-нискоконтрастна сцена. Моделът може да изобрази това убедително, когато го поискате, и рядко — когато не го направите.

По-дълбоката причина, поради която точната формулировка работи, се крие в изследванията. Екипът зад Google's Imagen установи, че увеличаването на езиковото разбиране на текст-към-изображение модел подобрява фотореализма и съответствието между текст и изображение повече отколкото увеличаването на самия генератор на изображения. Съвременните модели наистина разбират фотографския и осветителния речник, така че да вложите думите си в описанието на реална светлина се отплаща директно в реализъм.

Най-бързият начин да усвоите техниките е да видите как общи подсказки се преработват за реализъм. Във всеки ред се показва издайническият детайл, който се премахва, и фотографският език, който го замества.

Обърнете внимание на модела: всяка преработка заменя суперлативите („красива“, „зашеметяваща“, „удивителна“) с указание за камера, светлина, материал и умишлена несъвършеност. Тази смяна, повтаряна, съставлява голяма част от занаята на фотореалистичния AI.

Негативната подкана е списък с неща, които искате моделът да избягва, и за постигане на реализъм тя е един от най-мощните ви инструменти. Вместо да разчитате моделът да избягва пластична кожа и прекомерна наситеност, вие изрично назовавате тези грешки и отблъсквате изображението от тях.

Силната негативна подкана за реализъм обикновено обхваща четири категории: пластичен външен вид («аерографиран, пластична кожа, гладка, CGI, 3D render»), анатомични грешки («допълнителни пръсти, деформирани ръце, сраснали крайници, осакатени зъби»), проблеми с цветовете («прекалено наситени, HDR, неонови») и припокривания («текст, воден знак, подпис, лого»). Съчетавайте само онези, които са релевантни за вашето изображение, вместо да поставяте огромен блок.

Негативните подкани се съчетават естествено с итерации: ако даден артефакт продължава да се появява, добавете го към негативите вместо да пренаписвате цялата си подкана. За по-подробно разглеждане на структурата на подкана, включително положителни и негативни подкани заедно, вижте нашето ръководство за писане на AI фото подкани, или започнете от просто изречение в Text to Photo и добавете сигнали за реализъм оттам.

Да — и в по-голяма степен, отколкото много хора очакват. Техниката при подсказките ще ви свърши голяма работа, но подлежащият модел поставя таван. Различните генератори са обучавани по различен начин, затова всеки има характерен основен вид, а някои са далеч по-силни във фотореализма от други, особено що се отнася до кожа, ръце и естествено осветление.

Когато оценявате най-добрия AI генератор на изображения за реалистична работа, тествайте го с трудните случаи, а не с лесните. Генерирайте крупни портрети и проверете текстурата на кожата и ръцете. Генерирайте сцена с ясен единствен източник на светлина и проверете дали сенките падат последователно. Генерирайте нещо с текст или фини повтарящи се шарки и проверете за размазване. Инструмент, който се справя с тези предизвикателства, издържа на проверка.

LaFoto се разработва именно според този стандарт: по подразбиране дава реалистични резултати, с помощни рамки за подсказки и възможности за редактиране, които адресират характерните издайнически признаци на AI, вместо да ги прикриват. Като продукт преди пускане, който представлява изявление за дизайнерското намерение, а не претенция за бенчмарк, преценявайте всеки AI фото генератор, включително нашия, по посочените по-горе трудни тестови случаи, когато го имате в ръцете си.

Преминете през този кратък списък, преди да приемете изображение за фотореалистично. Той улавя почти всички останали признаци.

• Светлина: има ли ясен източник и посока, със съответстващи сенки и отблясък в очите?
• Кожа и текстура: има ли пори, фини линии и естествени несъвършенства, вместо ретуширан блясък?
• Ръце, зъби, уши: правилен брой и форма, няма ли слепени или допълнителни пръсти?
• Цвят: естествен и леко сдържан, не неонов или HDR-ярък?
• Оптика: правдоподобна дълбочина на рязкост и перспектива за обектива, който посочихте?
• Фон: подходящо несъвършен, не невъзможно чист или повтарящ се?
• Текст и шарки: текст в изображението или фини повторения изобразени ли са чисто, а не размазано?

Ако един елемент не премине, поправете точно този проблем с целенасочена редакция или промяна на единствена променлива в подсказката, вместо да генерирате наново цялото изображение. Тази дисциплина, заедно с деветте техники по-горе, е това, което надеждно превръща едно общо AI изображение във фотореалистично. Довършете последните 10% в AI фоторедактор, вместо да залагате на ново генериране.