របៀបរក្សាភាពស៊ីសង្វាក់គ្នានៃតួអង្គនៅក្នុងរូបភាពដែលបង្កើតដោយ AI

តួអង្គរបស់អ្នកមើលទៅខុសគ្នានៅក្នុងរូបភាពនីមួយៗ ដោយសារតែគំរូ diffusion ចាត់ទុកសំណួរនីមួយៗជាឧទាហរណ៍ថ្មីដែលដាច់ដោយឡែក ដោយគ្មានការចងចាំលទ្ធផលពីមុន។ អ្នកបង្ខំឱ្យមានភាពស៊ីសង្វាក់គ្នាដោយគ្រប់គ្រងផ្លូវបង្កើតរូបភាព ផ្តល់រូបភាពយោង និងសរសេរការពិពណ៌នារចនាសម្ព័ន្ធដែលជួយបញ្ជាក់លក្ខណៈអត្តសញ្ញាណ។

មូលហេតុចម្បង៖ ហេតុអ្វីបានជាគំរូ diffusion ចាត់ទុកសំណួរនីមួយៗជាឧទាហរណ៍ថ្មី

គំរូ diffusion មិនមានស្ថានភាពអចិន្ត្រៃយ៍ទេ។ នៅពេលអ្នកបង្កើតរូបភាព គំរូចាប់ផ្តើមពីសំឡេងរំខានចៃដន្យ និងដើរតាមផ្លូវដែលកំណត់ដោយសំណួររបស់អ្នក គ្រាប់ពូជចៃដន្យ (random seed) និងទម្ងន់ខាងក្នុងរបស់គំរូ។ ប្រសិនបើអ្នកមិនគ្រប់គ្រងអថេរទាំងនេះ គំរូនឹងបកស្រាយការពិពណ៌នារបស់អ្នកបន្តិចបន្តួចខុសគ្នាជានិច្ច។

បញ្ហាមិនមែនជាការដែលគំរូ "ភ្លេច" តួអង្គរបស់អ្នកទេ។ វាគឺជាការដែលគំរូគ្មានគំនិតអំពីតួអង្គជាសត្តវន្តអចិន្ត្រៃយ៍ទេ។ វាគ្រាន់តែដឹងពីរបៀបបង្កើតរូបភាពដែលត្រូវនឹងការពិពណ៌នាអត្ថបទប៉ុណ្ណោះ។ ប្រសិនបើការពិពណ៌នារបស់អ្នកមានភាពមិនច្បាស់លាស់ គំរូនឹងបំពេញចន្លោះទាំងនោះដោយការលំអៀងស្ថិតិរបស់ខ្លួនឯង។ ប្រសិនបើអ្នកពិពណ៌នា "ស្ត្រីសក់ក្រហម" ការបង្កើតមួយអាចដាក់សក់របស់នាងនៅខាងឆ្វេង មួយទៀតនៅខាងស្តាំ ហើយមួយទៀតអាចផ្លាស់ប្តូរនិយមន័យរូបភាពនៃសក់ទាំងស្រុង។ គំរូមិនមានភាពមិនស៊ីសង្វាក់គ្នាទេ; វាគ្រាន់តែស្មោះត្រង់នឹងការណែនាំដែលមានភាពមិនច្បាស់លាស់ប៉ុណ្ណោះ។

ដើម្បីដោះស្រាយបញ្ហានេះ អ្នកត្រូវផ្លាស់ប្តូរពីការពិពណ៌នាតួអង្គ ទៅជាការបញ្ជាក់លម្អិតអំពីតួអង្គ។ នេះទាមទារឱ្យមានកង្វែរ (levers) បីយ៉ាង៖ គ្រាប់ពូជចៃដន្យ (seed) រូបភាពយោង និងការពិពណ៌នារចនាសម្ព័ន្ធ។

កង្វែរនៃភាពស៊ីសង្វាក់គ្នាទាំងបី៖ គ្រាប់ពូជចៃដន្យ រូបភាពយោង និងការពិពណ៌នារចនាសម្ព័ន្ធ

គ្រាប់ពូជចៃដន្យ (seed) គឺជាលេខចៃដន្យដែលកំណត់លំនាំសំឡេងរំខានដំបូង។ ប្រសិនបើអ្នករក្សាគ្រាប់ពូជចៃដន្យឱ្យនៅថេរ គំរូនឹងដើរតាមផ្លូវដូចគ្នានៅក្នុងលំហសំឡេងរំខាន។ ទោះជាយ៉ាងណាក៏ដោយ ប្រសិនបើអ្នកផ្លាស់ប្តូរសំណួរបន្តិចបន្តួច ផ្លូវនោះនឹងបែកខ្លះ។ គ្រាប់ពូជចៃដន្យតែមួយមុខគឺមិនគ្រប់គ្រាន់ទេ។

រូបភាពយោងគឺជាចំណុចយោងរូបភាព។ អ្នកផ្តល់រូបភាពនៃតួអង្គ និងសុំឱ្យគំរូប្រើវាជាមគ្គុទ្ទេសក៍សម្រាប់អត្តសញ្ញាណ និងរចនាប័ទ្ម។ នេះមានប្រសិទ្ធភាពជាងអត្ថបទ ព្រោះវាជៀសវាងភាពមិនច្បាស់លាស់នៃភាសា។ គំរូអាចមើលឃើញរូបរាងជាក់លាក់នៃច្រមុះ ការកាត់នៃអាវ និងពណ៌នៃភ្នែក។

ការពិពណ៌នារចនាសម្ព័ន្ធ គឺជាការពិពណ៌នាធរណីមាត្រដែលជាក់លាក់ អំពីលក្ខណៈសម្គាល់អត្តសញ្ញាណរបស់តួអង្គ។ ជំនួសឱ្យការប្រើពាក្យថា "cool" សូមប្រើពាក្យថា "វ៉ែនតាមិនស៊ីមេទ្រី កែវខាងឆ្វេងបែក កែវខាងស្តាំនៅល្អ"។ នេះផ្តល់នូវគោលដៅស្ថិតស្ថេរដល់គំរូ។

ការប្រើប្រាស់តម្លៃ seed ដើម្បីកំណត់ផ្លូវបង្កើតរូបភាព

ប្រសិនបើអ្នកកំពុងប្រើប្រាស់ឧបករណ៍ដែលអនុញ្ញាតឱ្យកំណត់តម្លៃ seed ដូចជា Midjourney ឬ Stable Diffusion អ្នកអាចកំណត់ផ្លូវបង្កើតរូបភាពបាន។ ចាប់ផ្តើមជាមួយ seed ដែលផ្តល់នូវរូបភាពមូលដ្ឋានល្អ។ បន្ទាប់មក រក្សា seed នោះឱ្យនៅថេរខណៈដែលអ្នកកែសម្រួល prompt របស់អ្នក។ នេះធានាថាការផ្លាស់ប្តូរក្នុង prompt របស់អ្នកមិនធ្វើឱ្យគំរូប្តូរទៅជាការបកស្រាយផ្សេងទៀតទាំងស្រុង។

ទោះជាយ៉ាងណាក៏ដោយ សូមដឹងថា seed មានភាពងាយរងគ្រោះ។ ប្រសិនបើអ្នកផ្លាស់ប្តូរសមាមាត្ររូបភាព ជំនាន់គំរូ ឬរចនាសម្ព័ន្ធ prompt នោះ seed អាចនឹងមិនផ្តល់លទ្ធផលដូចដើមទៀតទេ។ សូមចាត់ទុក seed ជាការគ្រប់គ្រងក្នុងតំបន់ មិនមែនជាការគ្រប់គ្រងសកលទេ។ វាដំណើរការនៅក្នុងបន្ទាត់ប៉ារ៉ាម៉ែត្រដែលមានចន្លោះតូចមួយ។

ការអនុវត្តលំហូរការងារ image-to-image សម្រាប់ការកែសម្រួលជាបន្តបន្ទាប់

វិធីសាស្ត្រដែលទុកចិត្តបានបំផុតសម្រាប់រក្សាភាពស៊ីសង្វាក់គ្នា គឺការកែសម្រួលជាបន្តបន្ទាប់ដោយប្រើលំហូរការងារ image-to-image។ អ្នកចាប់ផ្តើមជាមួយរូបភាពល្អមួយរបស់តួអង្គ។ បន្ទាប់មក អ្នកប្រើរូបភាពនោះជារូបភាពយោងសម្រាប់ការបង្កើតបន្ទាប់។ អ្នកកែសម្រួល prompt ដើម្បីផ្លាស់ប្តូរទិដ្ឋភាព ឥរិយាបថ ឬពន្លឺ ខណៈដែលរក្សាលក្ខណៈសម្គាល់អត្តសញ្ញាណរបស់តួអង្គឱ្យនៅដដែល។

ឧបករណ៍ដូចជា Adobe Firefly, Krea និង Runway ត្រូវបានជ្រើសរើសសម្រាប់ប្រភេទការងារនេះ។ ពួកវាអនុញ្ញាតឱ្យអ្នកបញ្ចូលរូបភាពតួអង្គជាក់លាក់មួយ និងណែនាំការបង្កើតថ្មីដោយផ្អែកលើបញ្ចូលរូបភាពនោះ។ នៅពេលអ្នកប្រើប្រាស់ឧបករណ៍ទាំងនេះ សូមវាយតម្លៃលទ្ធផលដោយផ្អែកលើកម្រិតដែលវារក្សាលក្ខណៈសម្គាល់ជាក់លាក់ដែលអ្នកយកចិត្តទុកដាក់៖ រូបរាងមុខ រចនាបថសម្លៀកបំពាក់ និងក្តារពណ៌។ ប្រសិនបើលទ្ធផលប្តូរទៅវិញទៅមក សូមបង្កើនទម្ងន់នៃរូបភាពយោង ឬធ្វើឱ្យការពិពណ៌នារចនាសម្ព័ន្ធរបស់អ្នកកាន់តែជាក់លាក់។

ការសរសេរការពិពណ៌នារចនាសម្ព័ន្ធដើម្បីកំណត់លក្ខណៈសម្គាល់អត្តសញ្ញាណ

Prompt របស់អ្នកត្រូវតែមានការពិពណ៌នារចនាសម្ព័ន្ធដែលមិនអាចបកស្រាយខុសបាន។ ជៀសវាងពាក្យគុណនាមដែលមានលក្ខណៈបុគ្គលិកលក្ខណៈ ដូចជា "beautiful," "cool," ឬ "mysterious." ជំនួសមកវិញ សូមប្រើការពិពណ៌នាដែលមានលក្ខណៈធរណីមាត្រ និងជាក់លាក់។

• "សក់ខ្លីកាត់ស្មើ មានសក់ខាងមុខត្រង់" ល្អជាង "សក់ខ្លី។"
• "អាវយឺតស្បែកមានក្បាលអាវខ្ពស់ និងគ្មានមួក" ល្អជាង "អាវយឺត។"
• "ភ្នែកដែលទទឹង និងបែរចុះបន្តិច" ល្អជាង "ភ្នែកសោកសៅ។"

ពាក្យពិពណ៌នាទាំងនេះជួយពង្រឹងអត្តសញ្ញាណ។ វាផ្តល់នូវគោលដៅស្ថិតស្ថេរដល់ម៉ូដែល។ ប្រសិនបើអ្នកកំពុងប្រើប្រាស់ Stable Diffusion ឬ ComfyUI អ្នកអាចបញ្ចូលគ្នាពាក្យពិពណ៌នាទាំងនេះជាមួយនឹងការបណ្តុះបណ្តាល LoRA លើសំណុំទិន្នន័យតួអង្គជាក់លាក់។ នេះអនុញ្ញាតឱ្យម៉ូដែលរៀនពីលក្ខណៈរូបភាពជាក់លាក់នៃតួអង្គរបស់អ្នក និងអនុវត្តវាឱ្យបានស៊ីសង្វាក់គ្នាគ្រប់ទិដ្ឋភាពផ្សេងៗគ្នា។

កំហុសធម្មតា៖ ការពឹងផ្អែកខ្លាំងពេកលើឈ្មោះ ធៀបនឹងការកំណត់លក្ខណៈធរណីមាត្រមិនគ្រប់គ្រាន់

កំហុសដែលជួបប្រទះញឹកញាប់បំផុតគឺការពឹងផ្អែកលើឈ្មោះ។ ប្រសិនបើអ្នកដាក់ឈ្មោះតួអង្គរបស់អ្នកថា "Alice" ម៉ូដែលមិនដឹងថា Alice ជាអ្នកណាទេ។ វានឹងបង្កើតស្ត្រីទូទៅមួយរូប។ ឈ្មោះនេះគ្មានន័យសម្រាប់ម៉ូដែលទេ។

កំហុសទីពីរគឺការកំណត់លក្ខណៈធរណីមាត្រមិនគ្រប់គ្រាន់។ ប្រសិនបើអ្នកនិយាយថា "ស្ត្រីម្នាក់ដែលមានភ្នែកខៀវ" ម៉ូដែលនឹងផ្លាស់ប្តូររូបរាងភ្នែក ទំហំនៃកណ្តាលភ្នែក និងមុំនៃការមើល។ អ្នកត្រូវកំណត់លក្ខណៈធរណីមាត្រឱ្យច្បាស់លាស់៖ "ភ្នែករាងអាល់ម៉ុងដែលមានស្បែកភ្នែកខាងលើបិទបាំងបន្តិច។"

កុំច្រឡំរវាងអត្តសញ្ញាណ និងរចនាប័ទ្ម។ អត្តសញ្ញាណគឺជាស្នូលស្ថិតស្ថេរ៖ មុខ សក់ និងប្រភេទរាងកាយ។ រចនាប័ទ្មគឺជាកត្តាដែលផ្លាស់ប្តូរបាន៖ ពន្លឺ ផ្ទៃខាងក្រោយ និងឥរិយាបថ។ ការណែនាំ (prompt) របស់អ្នកត្រូវបំបែកពីរចំណុចនេះ។ លក្ខណៈអត្តសញ្ញាណត្រូវពិពណ៌នាឱ្យបានច្បាស់លាស់។ លក្ខណៈរចនាប័ទ្មអាចទុកឱ្យមានភាពបើកចំហជាង។

លំហូរការងារ៖ បង្កើតសន្លឹកតួអង្គមុនពេលបង្កើតទិដ្ឋភាព

មុនពេលបង្កើតទិដ្ឋភាពណាមួយ សូមបង្កើតសន្លឹកតួអង្គមុន។ នេះគឺជាសំណុំរូបភាពដែលបង្ហាញតួអង្គរបស់អ្នកពីមុំផ្សេងៗគ្នា៖ ខាងមុខ ខាងចំហៀង ខាងក្រោយ និងរូបភាពជិត។ ប្រើប្រាស់ seed ថេរ និងរូបភាពយោងថេរដើម្បីបង្កើតរូបភាពទាំងនេះ។ កែសម្រួលការណែនាំ (prompts) រហូតដល់សន្លឹកតួអង្គមានភាពស៊ីសង្វាក់គ្នា។

នៅពេលដែលអ្នកមានសន្លឹកតួអង្គដែលស៊ីសង្វាក់គ្នាហើយ សូមប្រើវាជារូបភាពយោងសម្រាប់ការបង្កើតរូបភាពបន្ទាប់បន្សំទាំងអស់។ នៅពេលបង្កើតទិដ្ឋភាព អ្នកនឹងប្រើរូបភាពសន្លឹកតួអង្គជាការបញ្ចូលយោង។ អ្នកនឹងកែសម្រួលការណែនាំ (prompt) ដើម្បីពិពណ៌នាទិដ្ឋភាព ប៉ុន្តែអ្នកនឹងរក្សាលក្ខណៈអត្តសញ្ញាណឱ្យនៅថេរតាមរយៈពាក្យពិពណ៌នារចនាសម្ព័ន្ធ។

លំហូរការងារនេះអាចអនុវត្តបានគ្រប់កម្មវិធី។ ទោះបីជាអ្នកប្រើប្រាស់ Leonardo.ai សម្រាប់សមត្ថភាពបណ្តុះបណ្តាលម៉ូដែល ឬ DALL-E 3 សម្រាប់ការរចនាការណែនាំ (prompt engineering) លម្អិតក៏ដោយ គោលការណ៍គឺដូចគ្នា៖ កំណត់អត្តសញ្ញាណជាមុនសិន បន្ទាប់មកផ្លាស់ប្តូរទិដ្ឋភាព។ ប្រសិនបើអ្នករំលងសន្លឹកតួអង្គ អ្នកនឹងចំណាយពេលច្រើនក្នុងការកែតម្រូវភាពមិនស៊ីសង្វាក់គ្នា ជាជាងបង្កើតខ្លឹមសារ។