Jak uzyskać fotorealistyczne obrazy AI: 9 technik tworzenia promptów

Oto pełny zestaw narzędzi. Nie potrzebujesz wszystkich dziewięciu przy każdym obrazie, ale im więcej z nich zastosujesz świadomie, tym bardziej fotorealistyczny stanie się obraz AI. Każda technika sformułowana jest tak, byś mógł wkleić ją bezpośrednio do promptu.

1. Opisz konkretny aparat i obiektyw. Język fotograficzny osadza model w rzeczywistości. „Shot on a 50mm lens, f/1.8” lub „85mm portrait lens” mówi modelowi, aby odwzorował sygnaturę optyczną prawdziwego zdjęcia, w tym naturalną perspektywę i głębię.
2. Wskaż konkretnie źródło światła i jego kierunek. Oświetlenie to największy czynnik wpływający na realizm. Zamiast „good lighting” użyj „soft window light from the left”, „golden-hour backlight” lub „overcast diffused daylight”. Prawdziwe światło ma źródło, kierunek i zanikanie.
3. Dodaj wiarygodne niedoskonałości. Perfekcja wygląda sztucznie. Poproś o „visible skin texture and pores”, „slight natural asymmetry”, „a few flyaway hairs” lub „subtle film grain”. Te drobne wady to to, co uchwytują aparaty, a co AI ma tendencję usuwać.
4. Utrzymuj temat konkretnym i ludzkim. Niejednoznaczne opisy prowadzą do niepokojących, uśrednionych wyników. Określ wiek, mimikę, ubiór i naturalną pozę: „a woman in her 40s, relaxed half-smile, mid-conversation”, nie „a beautiful woman”.
5. Użyj negatywnego promptu, aby wyeliminować wskazówki AI. Wyraźnie wyklucz typowe podpowiedzi: „plastic skin, airbrushed, oversaturated, extra fingers, deformed hands, text, watermark, CGI render, 3D”. To najszybszy sposób na usunięcie powtarzających się artefaktów.
6. Ustaw realistyczną głębię ostrości. Prawdziwe obiektywy nie utrzymują wszystkiego w ostrości. „Shallow depth of field, background softly blurred” lub „deep focus, sharp throughout” mówi modelowi, jak zachowałby się rzeczywisty otwór przysłony.
7. Dopasuj kolory do rzeczywistości, nie do cukierkowej palety. Poproś o „natural skin tones”, „muted realistic colors” lub „neutral white balance”, aby zniwelować tendencję modelu do przesycenia. Prawdziwe zdjęcia rzadko są tak żywe jak domyślny wynik AI.
8. Dostosuj parametr guidance, żeby model nie przesadził. Bardzo wysokie ustawienie guidance (CFG) może wymusić błyszczący, przesadnie wygenerowany wygląd. Jeśli twoje narzędzie je udostępnia, umiarkowane ustawienie często daje bardziej naturalny, mniej plastikowy obraz.
9. Doprawiaj lokalnie zamiast losować od nowa. Gdy 90% jest fotorealistyczne, a tylko ręce lub tło się nie zgadzają, zamaskuj i wygeneruj ponownie tylko ten obszar albo edytuj go bezpośrednio, zamiast ryzykować nowym przebiegiem, który może stracić to, co już wyszło dobrze.

Traktuj je jako konfigurowalne, nie absolutne. Język dotyczący aparatu i obiektywu oraz oświetlenie wykonują największą pracę w prawie każdej scenie, więc zacznij od nich, potem dodaj niedoskonałości i negatywny prompt, zanim dopracujesz kolor, głębię ostrości i ustawienie guidance.

Jeśli zmienisz w swoich promptach tylko jedną rzecz, niech to będzie oświetlenie. Światło to to, co fotografia dosłownie rejestruje, a nasze oczy są niezwykle wrażliwe na oświetlenie, które nie zachowuje się jak prawdziwe światło. Obraz bez wyraźnego źródła światła lub z oświetleniem padającym z niemożliwych kierunków odbierany jest jako fałszywy, nawet gdy wszystkie inne szczegóły są perfekcyjne.

Konkretny opis oświetlenia pełni też dwojaką rolę: kreuje nastrój i zmusza model do wygenerowania fizycznie spójnych cieni i świateł. „Miękkie światło okienne z lewej strony” sugeruje gradację na twarzy, odbłysk w oczach i zanikanie cienia po prawej. „Podświetlenie podczas złotej godziny” sugeruje ciepłą obwódkę światła i lekko zamgloną scenę o niższym kontraście. Model potrafi przekonująco oddać te efekty, gdy o nie poprosisz, i rzadko robi to, gdy tego nie zrobisz.

Głębszy powód, dla którego precyzyjne słowa działają, wynika z badań. Zespół stojący za Imagen firmy Google odkrył, że zwiększanie zdolności rozumienia języka przez model przekształcający tekst w obraz poprawia fotorealizm i zgodność tekst–obraz bardziej niż skalowanie samego generatora obrazów. Nowoczesne modele naprawdę rozumieją słownictwo fotograficzne i dotyczące oświetlenia, więc wydawanie swoich słów na opis prawdziwego światła przekłada się bezpośrednio na realizm.

Najszybszy sposób przyswojenia technik to zobaczyć, jak ogólne prompty są przeredagowane pod realizm. Każdy wiersz pokazuje wskazówkę, która zostaje usunięta, oraz język fotograficzny, który ją zastępuje.

Zauważ wzorzec: każde przeredagowanie zamienia superlatywy („piękny”, „oszałamiający”, „niesamowity”) na aparat, źródło światła, materiał i celową niedoskonałość. Ta zamiana, powtarzana, stanowi większość rzemiosła fotorealistycznego AI.

Negatywny prompt to lista rzeczy, których chcesz, żeby model unikał, i w kwestii realizmu jest to jedno z najpotężniejszych narzędzi, jakie masz. Zamiast liczyć na to, że model sam uniknie plastikowej skóry i przesycenia, nazywasz te błędy wprost i odpychasz obraz od nich.

Silny negatywny prompt ukierunkowany na realizm zwykle obejmuje cztery kategorie: wygląd plastikowy („retuszowany, plastikowa skóra, gładki, CGI, 3D render”), błędy anatomiczne („dodatkowe palce, zdeformowane dłonie, zrośnięte kończyny, poturbowane zęby”), problemy z kolorami („przesycone, HDR, neon”) oraz nakładki („tekst, znak wodny, podpis, logo”). Połącz te, które mają znaczenie dla twojego obrazu, zamiast wklejać gigantyczny blok.

Negatywne prompty naturalnie łączą się z iteracją: jeśli jakiś artefakt pojawia się ciągle, dodaj go do negatywów zamiast przepisywać cały prompt. Aby uzyskać pełniejsze omówienie struktury promptów, łącznie z promptami pozytywnymi i negatywnymi, zobacz nasz przewodnik po pisaniu promptów fotograficznych AI, albo zacznij od zwykłego zdania w Text to Photo i dodaj stamtąd wskazówki dotyczące realizmu.

Tak — i bardziej, niż wielu się spodziewa. Technika tworzenia promptów daje dużo, ale to model bazowy wyznacza górną granicę. Różne generatory są trenowane inaczej, więc każdy ma swój charakterystyczny domyślny wygląd, a niektóre są znacznie lepsze w fotorealizmie niż inne, zwłaszcza jeśli chodzi o skórę, dłonie i naturalne oświetlenie.

Oceniając najlepszy generator obrazów AI do pracy realistycznej, testuj go na trudnych przypadkach, nie na łatwych. Generuj portrety zbliżeniowe i sprawdzaj fakturę skóry oraz dłonie. Wygeneruj scenę z wyraźnym pojedynczym źródłem światła i sprawdź, czy cienie padają konsekwentnie. Wygeneruj coś z tekstem lub drobnymi, powtarzającymi się wzorami i sprawdź rozmazywanie. Narzędzie, które sobie z tym radzi, wytrzyma wnikliwą ocenę.

LaFoto jest projektowana dokładnie według tego standardu: realistyczne rezultaty domyślnie, z narzędziami do budowania promptów i edycji skupionymi na typowych wskazówkach świadczących o użyciu AI, zamiast je tuszować. Jako produkt przedpremierowy — wyraz zamiaru projektowego, a nie deklaracja wyników porównawczych — oceniaj każdy generator zdjęć AI, w tym nasz, na powyższych trudnych przypadkach, gdy będziesz miał go w rękach.

Przejrzyj tę krótką listę, zanim uznasz obraz za fotorealistyczny. Wykrywa niemal każdy pozostały ślad nienaturalności.

• Światło: czy jest wyraźne źródło i kierunek, zgodne cienie oraz odbicie światła w oczach?
• Skóra i faktura: czy widoczne są pory, drobne linie i naturalne niedoskonałości zamiast wyretuszowanego połysku?
• Ręce, zęby, uszy: poprawna liczba i kształt, bez zrośniętych lub dodatkowych palców?
• Kolor: naturalny i lekko stonowany, nie neonowy ani przesadnie jasny jak w HDR?
• Optyka: wiarygodna głębia ostrości i perspektywa zgodna z podanym obiektywem?
• Tło: odpowiednio niedoskonałe, nie nierealnie czyste ani powtarzalne?
• Tekst i wzory: czy tekst będący częścią obrazu lub drobne powtórzenia są odwzorowane czysto, a nie rozmazane?

Jeśli któryś punkt zawiedzie, napraw tę jedną rzecz za pomocą celowanej edycji lub poprzez pojedynczą zmianę parametru w promptcie, zamiast ponownego wygenerowania całego obrazu. Ta dyscyplina, wraz z dziewięcioma technikami opisanymi powyżej, to sposób, by zwykły obraz AI stał się fotorealistyczny. Dopieszczaj ostatnie 10% w edytorze zdjęć AI, zamiast ryzykować nowym wygenerowaniem.