شهریور
آموزش هوش مصنوعی
ثبات شخصیت؛ یک آدم در ده تصویر مختلف
یکی از سختترین چالشهای تولید تصویر با هوش مصنوعی، نگه داشتن یک شخصیت ثابت در چند تصویر مختلف است. مدل تصویرساز بهطور پیشفرض هر تصویر را از صفر میسازد و هیچ حافظهای از تصویر قبلی ندارد، پس اگر فقط اسم یک شخصیت را در پرامپت تکرار کنید، چهره، لباس و حتی رنگ مو در هر تصویر کمی یا خیلی تغییر میکند. برای ساختن یک مجموعهٔ دهتایی از یک شخصیت که واقعاً یک نفر به نظر برسد، به یک روش مشخص نیاز دارید، نه فقط تکرار توصیف. این مقاله چند تکنیک عملی برای این کار را توضیح میدهد و سه پرامپت آماده در اختیارتان میگذارد.
لیست مطالب
چرا شخصیتها در تصاویر مختلف عوض میشوند
ریشهٔ مشکل این است که توصیف کلامی، حتی وقتی دقیق باشد، بینهایت راه برای تفسیر بصری دارد. اگر بنویسید «زنی با موهای مشکی و چشمان قهوهای»، مدل هر بار میتواند شکل صورت، فرم بینی و حالت لب را متفاوت انتخاب کند، چون این جزئیات در پرامپت مشخص نشدهاند. راهحل واقعی یا استفاده از یک تصویر مرجع ثابت است (اگر ابزار شما این قابلیت را دارد) یا نوشتن یک توصیف فوقالعاده دقیق که تمام جزئیات چهره را قفل میکند و در تمام ده پرامپت بدون تغییر تکرار میشود.
روش اول: شیت شخصیت (Character Sheet)
قبل از تولید ده تصویر داستانی، یک «شیت شخصیت» بسازید: یک پاراگراف ثابت شامل سن، فرم صورت، رنگ و مدل مو، رنگ چشم، قد و بدنفرم، و حتی جزئیات کوچک مثل خال یا زخم مشخصه. این پاراگراف را جایی ذخیره کنید و در تمام پرامپتهای بعدی بدون هیچ تغییری کپی کنید؛ فقط بخش صحنه، نور و پوز تغییر میکند. این روش سادهترین راهی است که بدون هیچ ابزار خاصی، فقط با انضباط در نوشتن، قابل اجراست.
روش دوم: تصویر مرجع
اگر ابزار شما امکان دادن یک تصویر مرجع از چهره را دارد، این روش معمولاً نتیجهٔ قابلاعتمادتری نسبت به توصیف کلامی میدهد. یک تصویر پایه از شخصیت (که خودتان تولید کردهاید یا با اجازه از یک منبع دارید) را بهعنوان مرجع چهره در هر تولید بعدی وارد کنید. دقت کنید که میزان وفاداری مدل به تصویر مرجع بین ابزارهای مختلف فرق دارد و لازم است چند بار تست کنید تا ببینید مدل شما چقدر واقعاً چهره را حفظ میکند؛ این موضوع را در مقالهٔ تصویر مرجع و Style Reference با جزئیات بیشتری باز کردهایم.
روش سوم: بذر ثابت (Seed) در کنار توصیف دقیق
بعضی ابزارها امکان قفل کردن یک عدد seed را میدهند که نقطهٔ شروع تصادفی تولید تصویر را ثابت نگه میدارد. استفاده از همان seed در کنار توصیف دقیق چهره، شانس شباهت بین تصاویر را بالا میبرد، هرچند بهتنهایی تضمین کامل نیست. بهترین نتیجه از ترکیب هر سه روش به دست میآید: شیت شخصیت ثابت، تصویر مرجع (اگر در دسترس است) و seed ثابت در صحنههای نزدیک به هم.
| روش | نیازمند چه ابزاری است | سطح قابلیت اطمینان |
|---|---|---|
| شیت شخصیت (توصیف ثابت) | هیچ ابزار خاصی، فقط انضباط در پرامپتنویسی | متوسط؛ به دقت توصیف بستگی دارد |
| تصویر مرجع چهره | مدلی با قابلیت ورودی تصویر مرجع | بالا در بیشتر موارد، اما بین ابزارها متفاوت است |
| seed ثابت | مدلی با قابلیت تنظیم seed | کمکی؛ بهتر است همراه با روش دیگر استفاده شود |
حالا سه پرامپت زیر را ببینید که نمونهٔ عملی این روش هستند. توجه کنید که پاراگراف اول (توصیف چهره) در هر سه یکسان است و فقط صحنه، لباس و نور تغییر کرده؛ همین الگو را برای باقی ده تصویر ادامه دهید.
یک زن سیودو ساله با موهای مشکی موجدار تا روی شانه، چشمان قهوهای تیره، فرم صورت بیضی و یک خال کوچک زیر چشم چپ؛ نشسته پشت میز کار با لپتاپ باز، پوشیدن پیراهن آبی روشن؛ نور طبیعی از پنجرهٔ سمت راست؛ سبک عکاسی واقعگرایانه، لنز ۵۰ میلیمتر.
همان زن سیودو ساله با موهای مشکی موجدار تا روی شانه، چشمان قهوهای تیره، فرم صورت بیضی و خال کوچک زیر چشم چپ؛ ایستاده در یک کافهٔ شلوغ با فنجان قهوه در دست، پوشیدن کت چرم مشکی روی همان پیراهن آبی؛ نور گرم عصرگاهی از پنجرهٔ پشت سر؛ سبک عکاسی خیابانی واقعگرایانه.
همان زن سیودو ساله با موهای مشکی موجدار تا روی شانه، چشمان قهوهای تیره، فرم صورت بیضی و خال کوچک زیر چشم چپ؛ در حال خندیدن با دوستان در یک پارک، پوشیدن ژاکت کرمرنگ؛ نور نرم طلایی غروب؛ لنز ۸۵ میلیمتر با عمق میدان کم، ترکیببندی نیمرخ.
برای رسیدن به ده تصویر، همین الگو را با تغییر صحنه (خانه، محل کار، سفر، مهمانی)، لباس (اما با پالت رنگی هماهنگ) و زاویهٔ دوربین ادامه دهید. بعد از تولید هر تصویر، آن را کنار تصاویر قبلی بگذارید و چک کنید که آیا فرم صورت و رنگ مو هنوز یکسان است؛ اگر انحراف مشاهده کردید، همان تصویر را با تأکید بیشتر روی جزئیات مشکلدار دوباره تولید کنید. برای ساختن یک گردشکار کاملتر دربارهٔ این نوع پروژههای چندتصویری، نقشهٔ راه تولید تصویر حرفهای منبع خوبی برای ادامهٔ یادگیری است.
یک نکتهٔ مهم دربارهٔ محدودیتها
حتی با بهترین روشها، انتظار نداشته باشید همهٔ ده تصویر صددرصد یک نفر به نظر برسند؛ اکثر ابزارهای فعلی هنوز در حد یک استودیوی عکاسی حرفهای با همان مدل واقعی عمل نمیکنند و مقداری نوسان طبیعی است. بهترین استراتژی این است که سه تا چهار نسخه از هر صحنه تولید کنید و بهترین نسخه از نظر شباهت چهره را انتخاب کنید، بهجای اینکه به اولین خروجی هر پرامپت اکتفا کنید. این حجم اضافه از تولید، هزینهٔ زمانی کمی دارد اما تفاوت محسوسی در کیفیت نهایی مجموعه ایجاد میکند.
جمعبندی
- فقط تکرار اسم شخصیت کافی نیست؛ به یک شیت شخصیت با توصیف چهرهٔ ثابت نیاز دارید.
- اگر ابزار شما تصویر مرجع را پشتیبانی میکند، این روش معمولاً قابلاعتمادتر از توصیف کلامی است.
- seed ثابت بهتنهایی تضمین ثبات نمیدهد، اما در کنار روشهای دیگر کمککننده است.
- پاراگراف توصیف چهره را دقیقاً بدون تغییر در تمام ده پرامپت کپی کنید و فقط صحنه را عوض کنید.
- بعد از هر تولید، تصویر جدید را با تصاویر قبلی مقایسه کنید و در صورت انحراف، دوباره تولید کنید.
