እንዴት በ AI የተፈጠሩ ምስሎች መካከል የባህሪ ተዋጽኦነትን መጠበቅ እንደሚቻል

ባህሪያዎችዎ በእያንዳንዱ ምስል ውስጥ የተለያዩ የሚታዩት የዲፊውዥን ሞዴሎች እያንዳንዱን መመሪያ እንደ አዲስ፣ ከፊተኛ ውጤቶች ጋር ምንም ማስታወሻ የሌለው ነጠላ ነገር ስለሚያስተናግዱት ነው። ተዋጽኦነትን ለማስገደድ የምርት ሂደቱን በመቆጣጠር፣ የማጣቀሻ ምስል በማቅረብ እና የመለያ ባህሪያትን የሚያረጋግጡ መዋቅራዊ መግለጫዎችን በመጻፍ ይቻላል።

ዋናው ምክንያት፡ የዲፊውዥን ሞዴሎች እያንዳንዱን መመሪያ እንደ አዲስ ነጠላ ነገር ለምን እንደሚያስተናግዱ

የዲፊውዥን ሞዴሎች ቋሚ ሁኔታ (persistent state) የላቸውም። ምስል ሲፈጥሩ፣ ሞዴሉ ከዘፈቀደ ጫጫታ ጀምሮ በመመሪያዎ፣ በዘፈቀደ ቁጥር (seed) እና በሞዴሉ ውስጣዊ ክብደቶች የተወሰነ ማራኪ መንገድን ይከተላል። እነዚህን ተለዋዋጮች ካልቆጣጠሩ፣ ሞዴሉ መግለጫዎን በእያንዳንዱ ጊዜ በትንሹ በተለያየ መንገድ ይተረጉመዋል።

ችግሩ ሞዴሉ ባህሪዎን "ሲረሳው" አይደለም። ችግሩ ሞዴሉ ባህሪን እንደ ቋሚ አካል የሚያስብበት ጽንሰ-ሐሳብ ስለሌለው ነው። የሚያውቀው ከጽሑፍ መግለጫ ጋር የሚስማማ ምስል እንዴት መፍጠር እንደሚቻል ብቻ ነው። መግለጫዎ አለመግለጫ ከሆነ፣ ሞዴሉ ክፍተቶቹን በራሱ ስታቲስቲካዊ ዝንባሌዎች ይሞላል። "ቀይ ፀጉር ያላት ሴት" ብለው ከጻፉ፣ አንዱ ምርት ፀጉሯን በግራ በኩል ሊያስቀምጥ ይችላል፣ ሌላኛው በቀኝ በኩል፣ ሌላኛው ደግሞ የፀጉሩን የምስል ገጽታ ሙሉ በሙሉ ሊቀይር ይችላል። ሞዴሉ ተዋጽኦ አልባ አይደለም፤ ለግልጽ ያልሆነ መመሪያ ታማኝ እየሆነ ነው።

ይህንን ለመፍታት፣ ባህሪን ከመግለጽ ወደ ባህሪ መዘርዘር መሄድ አለብዎት። ይህ ሦስት ማዕከላትን ይጠይቃል፡ የዘፈቀደ ቁጥር (seed)፣ የማጣቀሻ ምስል እና መዋቅራዊ መግለጫ።

የተዋጽኦነት ሦስት ማዕከላት፡ የዘፈቀደ ቁጥር፣ የማጣቀሻ ምስል እና መዋቅራዊ መግለጫዎች

የዘፈቀደ ቁጥር (seed) የመነሻ ጫጫታ ንድፍን የሚወስን ዘፈቀደ ቁጥር ነው። የዘፈቀደ ቁጥሩን ቋሚ ካደረጉ፣ ሞዴሉ በጫጫታው ማዕከል ውስጥ ተመሳሳይ ማራኪ መንገድን ይከተላል። ሆኖም፣ መመሪያዎን በትንሹ እንኳን ከቀየሩ፣ መንገዱ ይለያያል። የዘፈቀደ ቁጥሩ ብቻ በቂ አይደለም።

የማጣቀሻ ምስል የእይታ መረጋጊያ ነው። የባህሪውን ምስል በማቅረብ ሞዴሉ ለመለያ እና ለቅጥ አሰራር እንደ መመሪያ እንዲጠቀምበት ይጠይቁ። ይህ ከጽሑፍ የበለጠ ጠንካራ ነው፣ ምክንያቱም የቋንቋን አለመግለጫ ያስወግዳል። ሞዴሉ የአፉን የተወሰነ ቅርጽ፣ የጃኬቱን መቁረጫ እና የዓይኖቹን ቀለም ማየት ይችላል።

የመዋቅር መግለጫው የባህሪውን መለያ ባህሪያት በትክክል እና በጂኦሜትሪክ መንገድ የሚገልጽ ነው። "ቀላል" ሲሉ ከመናገር ይልቅ "ያልተመጣጠነ መነጽር፣ የግራ መነጽር ተሰብሯል፣ የቀኝ መነጽር ግን ጤናማ ነው" ብለው ይናገሩ። ይህ ለሞዴሉ ግራ የማያጋባ የግብ ነጥብ እንዲኖረው ያደርጋል።

የመፍጠር ሂደትን ለማጥበቅ የዘር እሴቶችን መጠቀም

እንደ Midjourney ወይም Stable Diffusion ያሉ የዘር እሴት ለመቅዳት የሚያስችሉ መሳሪያዎችን ከተጠቀሙ፣ የመፍጠር ሂደቱን ማጥበቅ ይችላሉ። ጥሩ መሠረታዊ ምስል የሚያመነጭ ዘር በመጀመሪያ ይምረጡ። ከዚያም ፕሮምፕትዎን ሲያስተካክሉ ያንን ዘር ቋሚ አድርገው ይያዙት። ይህም በፕሮምፕትዎ ላይ የሚደረጉ ለውጦች ሞዴሉ ወደ ሙሉ በሙሉ የተለየ ትርጉም እንዳይሸጋገር ያረጋግጣል።

ሆኖም ግን ዘሮች ተለዋዋጭ መሆናቸውን ማወቅ አለብዎት። የጎን ልኬት ሬሾውን፣ የሞዴል ስሪቱን ወይም የፕሮምፕት መዋቅር ከቀየሩ፣ ዘሩ ተመሳሳይ ውጤት ላያመጣ ይችላል። ዘሩን እንደ አካባቢያዊ ቁጥጥር እንጂ እንደ አጠቃላይ ቁጥጥር አይዩት። በጠባብ የፓራሜትር ክልል ውስጥ ብቻ ይሰራል።

ለተደጋጋሚ ማስተካከያ የምስል-ወደ-ምስል የስራ ሂደቶችን መተግበር

ቋሚነትን ለመጠበቅ በጣም አስተማማኝ የሆነው ዘዴ በምስል-ወደ-ምስል የስራ ሂደቶች በኩል የሚደረግ ተደጋጋሚ ማስተካከያ ነው። በባህሪው ጥሩ ምስል ይጀምሩ። ከዚያም ያንን ምስል ለቀጣዩ ምርት እንደ የማጣቀሻ ምስል ይጠቀሙበት። የባህሪውን መለያ ባህሪያት እንዳይጠፉ ሲያደርጉ፣ ፕሮምፕትዎን በማስተካከል የቦታውን፣ የቆሙበትን አቀማመጥ ወይም የብርሃን ሁኔታ ይቀይሩ።

እንደ Adobe Firefly፣ Krea እና Runway ያሉ መሳሪያዎች ለዚህ ዓይነት ሥራ ይመረጣሉ። የተወሰነ የባህሪ ምስል እንዲያስገቡ እና አዲሱን ምርት በዚያ የምስል ገጽታ መሠረት እንዲመራ ያስችሉዎታል። እነዚህን መሳሪያዎች ሲጠቀሙ፣ ውጤቱ የሚፈልጓቸውን የተወሰኑ መለያ ባህሪያት (የፊት ቅርጽ፣ የልብስ ስታይል፣ የቀለም ፓሌት) በምን ያህል ጥሩ እንደጠበቀ ይገምግሙ። ውጤቱ ከተራራቀ፣ የየማጣቀሻ ምስሉን ክብደት ያሳድጉ ወይም የመዋቅር መግለጫዎችዎን ያጥብቁ።

የመለያ ባህሪያትን ለማጥበቅ የመዋቅር መግለጫዎችን መጻፍ

ፕሮምፕትዎ ትርጉም ለማጣት የማይቸገሩ የመዋቅር መግለጫዎችን ሊኖሩት ይገባል። እንደ "ቆንጆ"፣ "ቀላል" ወይም "ስውር" ያሉ ሳብጀክቲቭ (ሳይቶን) ባህሪ ያላቸውን ቃላት ያስወግዱ። በተለይም ጂኦሜትሪክ እና ልዩ የሆኑ መግለጫዎችን ይጠቀሙ።

• "አጭር የተቆረጠ ፀጉር ከቀጥ ያለ ፊት ማጣሪያ ጋር" ከ "አጭር ፀጉር" ይልቅ ጥሩ ነው።
• "ከፍ ያለ የአንገት ክፍል ያለው እና ኮፍያ የሌለው የቆዳ ጃኬት" ከ "ጃኬት" ይልቅ ጥሩ ነው።
• "ሰፊ የተሰፈሩ እና ትንሽ ወደ ታች የተዘነበሉ ዓይኖች" ከ "ሐዘን የተሞሉ ዓይኖች" ይልቅ ጥሩ ነው።

እነዚህ መግለጫዎች መታወቂያውን ያረጋግጣሉ። ለሞዴሉ ቋሚ ግብ ይሰጣሉ። Stable Diffusion ወይም ComfyUI እየተጠቀሙ ከሆነ፣ እነዚህን መግለጫዎች በተወሰኑ የገጸ-ባህሪ ዳታ ስብስቦች ላይ ከLoRA ስልጠና ጋር ማጣመር ይችላሉ። ይህም ሞዴሉ የገጸ-ባህሪዎን የተወሰኑ የምስል ገጽታዎች እንዲማር እና በተለያዩ ትዕይንቶች ውስጥ በቋሚነት እንዲተገብር ያስችለዋል።

የተለመዱ ስህተቶች፡ ስሞችን በመተግበር ላይ ከመተጣጠፍ ወይም ጂኦሜትሪን በቂ አለመግለጽ

በጣም የተለመደው ስህተት ስም ላይ መተጣጠፍ ነው። ገጸ-ባህሪዎን "Alice" ብለው ከጠሩት፣ ሞዴሉ Alice ማን እንደሆነ አያውቅም። አጠቃላይ ሴት ይፈጥራል። ስሙ ለሞዴሉ ትርጉም የለውም።

ሁለተኛው ስህተት ጂኦሜትሪን በቂ አለመግለጽ ነው። "ሰማያዊ ዓይኖች ያሏት ሴት" ብለው ከተናገሩ፣ ሞዴሉ የዓይኖች ቅርጽ፣ የፒፒል መጠን እና የእይታ አንግልን ይለያያል። ጂኦሜትሪውን መግለጽ አለብዎት፡ "በላይኛው ግርዶሽ ላይ ትንሽ ሽፋን ያላቸው አልመድ ቅርጽ ያላቸው ዓይኖች።"

መታወቂያን ከአስተዳደግ ጋር አያዛቡ። መታወቂያ ቋሚው ማዕከል ነው፡ ፊቱ፣ ፀጉሩ፣ የሰውነት አይነቱ። አስተዳደግ ተለዋዋጩ ነው፡ ብርሃኑ፣ ዳራው፣ አቀማመጡ። መመሪያዎ እነዚህን ሁለት መለየት አለበት። የመታወቂያ ባህሪያት በትክክል መግለጽ አለባቸው። የአስተዳደግ ባህሪያት በበለጠ ክፍት ሊቀሩ ይችላሉ።

የሥራ ፍሰት፡ ትዕይንት ከመፍጠር በፊት የገጸ-ባህሪ ሉህ መፍጠር

ማንኛውንም ትዕይንት ከመፍጠርዎ በፊት፣ የገጸ-ባህሪ ሉህ ይፍጠሩ። ይህ ገጸ-ባህሪዎን ከተለያዩ አንግሎች የሚያሳዩ የምስሎች ስብስብ ነው፡ ፊት፣ ጎን፣ ጀርባ እና ቅርበት። እነዚህን ለመፍጠር ቋሚ ዘር እና ቋሚ የማጣቀሻ ምስል ይጠቀሙ። የገጸ-ባህሪ ሉሁ ተስማሚ እስኪሆን ድረስ መመሪያዎቹን ያስተካክሉ።

ተስማሚ የገጸ-ባህሪ ሉህ ካገኙ በኋላ፣ ለሁሉም ተከታታይ ምርቶች እንደ ማጣቀሻዎ ይጠቀሙበት። ትዕይንት ሲፈጥሩ፣ የገጸ-ባህሪ ሉህ ምስልን እንደ ማጣቀሻ ግብዓት ይጠቀማሉ። ትዕይንቱን ለመግለጽ መመሪያውን ያስተካክላሉ፣ ነገር ግን መታወቂያ ባህሪያቶችን በመዋቅራዊ መግለጫዎች አረጋግጠው ይያዙታል።

ይህ የሥራ ፍሰት በመሳሪያዎች ውስጥ ተፈጻሚ ነው። ለሞዴል ስልጠና አቅሞች Leonardo.aiን ወይም ለዝርዝር መመሪያ ምህንድስና DALL-E 3ን እየተጠቀሙ ቢሆን፣ መርህው ተመሳሳይ ነው፡ መታወቂያውን መጀመሪያ ያቋቋሙ፣ ከዚያ ትዕይንቱን ይለያዩ። የገጸ-ባህሪ ሉሁን ከዘለሉ፣ ከሐሳብ ማጣመር ይልቅ አለመስማማቶችን ለማስተካከል ብዙ ጊዜ ያሳልፋሉ።