Yapay zeka ile oluşturulan görsellerde karakter tutarlılığını nasıl korursunuz?

Karakterleriniz her görselde farklı görünür çünkü difüzyon modelleri her istemi, önceki çıktıları hatırlamayan yeni ve bağımsız bir örnek olarak ele alır. Tutarlılığı, üretim yolunu kontrol ederek, referans görsel sağlayarak ve kimlik özelliklerini sabitleyen yapısal tanımlayıcılar yazarak sağlarsınız.

Temel neden: Difüzyon modelleri neden her istemi yeni bir örnek olarak ele alır?

Difüzyon modellerinin kalıcı bir durumu yoktur. Bir görsel oluşturduğunuzda, model rastgele gürültüden başlar ve isteminiz, rastgele tohum ve modelin iç ağırlıkları tarafından belirlenen bir yolu izler. Bu değişkenleri kontrol etmezseniz, model açıklamanızı her seferinde biraz farklı yorumlar.

Sorun, modelin karakterinizi "unutması" değildir. Sorun, modelin kalıcı bir varlık olarak karakter kavramına sahip olmamasıdır. Yalnızca bir metin açıklamasıyla eşleşen bir görsel oluşturmayı bilir. Açıklamanız belirsizse, model boşlukları kendi istatistiksel önyargılarıyla doldurur. "Kızıl saçlı bir kadın" tanımlarsanız, bir üretimde saçları sol tarafta olabilir, diğerinde sağ tarafta olabilir, bir başkasında ise saç dokusu tamamen değişebilir. Model tutarsız değildir; belirsiz bir talimata sadık kalmaktadır.

Bunu çözmek için, bir karakteri tanımlamaktan onu spesifik hale getirmeye geçmelisiniz. Bu üç kaldıraç gerektirir: tohum, referans görsel ve yapısal tanımlayıcı.

Tutarlılığın üç kaldıracı: Tohum, referans görsel ve yapısal tanımlayıcılar

Tohum, başlangıç gürültü desenini belirleyen rastgele sayıdır. Tohumu sabit tutarsanız, model gürültü alanında aynı yolu izler. Ancak istemi biraz bile değiştirirseniz, yol ayrışır. Yalnızca tohum yeterli değildir.

Referans görsel bir görsel çıpadır. Karakterin bir görselini sağlarsınız ve modelden kimlik ve stil için rehber olarak kullanmasını istersiniz. Bu, dilin belirsizliğini ortadan kaldırdığı için metinden daha güçlüdür. Model burnun spesifik şeklini, ceketin kesimini ve gözlerin rengini görebilir.

Yapısal tanımlayıcı, karakterin kimlik özelliklerinin hassas ve geometrik bir açıklamasıdır. "Cool" demek yerine "asimetrik gözlük, sol cam kırık, sağ cam sağlam" dersiniz. Bu, modele ulaşması gereken kararlı bir hedef verir.

Üretim yolunu kilitlemek için seed değerlerini kullanma

Midjourney veya Stable Diffusion gibi bir seed değeri belirlemenize izin veren bir araç kullanıyorsanız, üretim yolunu kilitleyebilirsiniz. İyi bir temel görsel üreten bir seed ile başlayın. Ardından, isteminizi iyileştirirken bu seed'i sabit tutun. Bu, isteminizdeki değişikliklerin modelin tamamen farklı bir yorumlamaya sapmasını engeller.

Ancak seed'lerin kırılgan olduğunu unutmayın. En-boy oranını, model sürümünü veya istem yapısını değiştirirseniz, seed aynı sonucu üretmeyebilir. Seed'i küresel değil, yerel bir kontrol olarak ele alın. Dar bir parametre penceresi içinde çalışır.

İteratif iyileştirme için görselden görsel iş akışlarını uygulama

Tutarlılığı korumanın en güvenilir yöntemi, görselden görsel iş akışlarını kullanarak iteratif iyileştirmedir. Karakterin iyi bir görseliyle başlarsınız. Ardından, bu görseli sonraki üretim için referans olarak kullanırsınız. Karakterin kimlik özelliklerini bozmadan sahneyi, pozu veya ışığı değiştirmek için istemi ayarlarsınız.

Bu tür işler için Adobe Firefly, Krea ve Runway gibi araçlar tercih edilir. Belirli bir karakter görselini yüklemenize ve yeni üretimi bu görsel girdiye göre yönlendirmenize olanak tanır. Bu araçları kullanırken, çıktıyı önemsediğiniz spesifik kimlik özelliklerini ne kadar iyi koruduğuna göre değerlendirin: yüz şekli, giyim stili, renk paleti. Çıktı saparsa, referans görselin ağırlığını artırın veya yapısal tanımlayıcılarınızı sıkılaştırın.

Kimlik özelliklerini sabitleyen yapısal tanımlayıcılar yazma

İsteminiz yanlış yorumlanması imkansız olan yapısal tanımlayıcılar içermelidir. "Beautiful," "cool" veya "mysterious" gibi öznel sıfatlardan kaçının. Bunun yerine geometrik ve spesifik tanımlayıcılar kullanın.

• "Short, cropped hair with a straight fringe" ifadesi "short hair" ifadesinden daha iyidir.
• "A leather jacket with a high collar and no hood" ifadesi "a jacket" ifadesinden daha iyidir.
• "Eyes that are wide-set and slightly downturned" ifadesi "sad eyes" ifadesinden daha iyidir.

Bu tanımlayıcılar kimliği sabitler. Modele istikrarlı bir hedef verir. Stable Diffusion veya ComfyUI kullanıyorsanız, bu tanımlayıcıları belirli karakter veri setleri üzerinde LoRA eğitimiyle birleştirebilirsiniz. Bu sayede model, karakterinizin belirli görsel özelliklerini öğrenir ve farklı sahnelerde tutarlı şekilde uygular.

Sık yapılan hatalar: İsimlere aşırı güvenmek ile geometriyi yeterince belirtmemek

En yaygın hata, bir isme güvenmektir. Karakterinize "Alice" adını verirseniz, model Alice'in kim olduğunu bilemez. Genel bir kadın görseli oluşturur. İsim, model için anlamsızdır.

İkinci hata, geometriyi yeterince belirtmemektir. "Mavi gözlü bir kadın" derseniz, model gözlerin şeklini, göz bebeklerinin boyutunu ve bakışın açısını değiştirir. Geometriyi belirtmelisiniz: "Üst kapakta hafif bir kıvrım bulunan badem şeklinde gözler."

Kimliği tarzla karıştırmayın. Kimlik, sabit çekirdektir: yüz, saç, vücut tipi. Tarz ise değişkendir: ışıklandırma, arka plan, poz. İsteminiz bu ikisini birbirinden ayırmalıdır. Kimlik özellikleri hassasiyetle tanımlanmalıdır. Tarz özellikleri daha açık bırakılabilir.

İş akışı: Sahne oluşturmadan önce karakter sayfası üretme

Herhangi bir sahne oluşturmadan önce bir karakter sayfası oluşturun. Bu, karakterinizi farklı açılardan gösteren bir görsel setidir: ön, yan, arka ve yakın çekim. Bunları oluşturmak için sabit bir tohum ve sabit bir referans görsel kullanın. Karakter sayfası tutarlı olana kadar istemleri iyileştirin.

Tutarlı bir karakter sayfası oluşturduktan sonra, sonraki tüm üretimlerde bunu referans olarak kullanın. Bir sahne oluştururken, karakter sayfası görselini referans girdisi olarak kullanacaksınız. Sahneyi tanımlamak için istemi ayarlayacaksınız, ancak kimlik özelliklerini yapısal tanımlayıcılarla sabitleyeceksiniz.

Bu iş akışı tüm araçlarda geçerlidir. Model eğitimi yetenekleri için Leonardo.ai veya ayrıntılı istem mühendisliği için DALL-E 3 kullanıyor olun, ilke aynıdır: önce kimliği belirleyin, ardından sahneyi değiştirin. Karakter sayfasını atlarsanız, içerik oluşturmak yerine tutarsızlıkları düzeltmekle daha fazla zaman harcarsınız.