Jak połączyć wiele obrazów referencyjnych ze sztuczną inteligencją, od przesłania do obrazu końcowego?

Zanim zaczniesz

Zdecyduj, co "kombajn" oznacza dla tego projektu. Istnieją trzy wspólne cele:

Zacznij od Dreaminy , aby uzyskać połączony przepływ pracy tworzenia oparty na referencjach. Odniesienia do obrazów Gen-4 firmy Runway, obrazy ChatGPT i kompatybilny model edycji Midjourney zapewniają alternatywy z różnymi kontrolkami wprowadzania i edycji. Ich ograniczenia obrazu i ustawienia interfejsu nie są wymienne.

Użyj obrazów, które masz prawo dostarczyć. Zachowaj oryginalne pliki, używaj czystych nazw plików i zdecyduj, które szczegóły muszą przetrwać. W przypadku rzeczywistego produktu, w tym jego kształtu, koloru i etykiety. W przypadku postaci fikcyjnej może to być twarz, strój i charakterystyczny dodatek.

Krok 1: zdefiniuj ostateczny obraz przed zebraniem referencji

Napisz jedno zdanie opisujące ukończoną scenę. Dla tego przykładu:

Mały robot kurierski stoi po prawej stronie szklanego chodnika w oranżerii o niebieskiej godzinie, a po lewej jest miejsce na późniejszy projekt.

Zdanie to określa podmiot, lokalizację, umiejscowienie i przeznaczenie. Zapobiega również, aby zestaw odniesienia stał się zbiorem atrakcyjnych, ale sprzecznych obrazów.

Teraz wymień szczegóły, które mają znaczenie. Robot ma asymetryczne oczy, czerwony koralik na antenie, musztardowy plecak i ciemnoniebieskie dłonie. Oranżeria ma konstrukcję szklanego dachu, ciepłe drzwi i centralną ścieżkę. Układ powinien umieścić robota w prawo bez wymyślania liter.

W przypadku innego projektu zastąp te wymagania rzeczywistymi. Koncepcja pokoju może nadać priorytet pozycjom ścian; kampania może nadać priorytet sylwetce produktu. Odniesienie, które kontroluje najważniejszy wymóg, powinno mieć pierwszeństwo, gdy dwa źródła się nie zgadzają.

Krok 2: przypisz osobne zadanie do każdego obrazu

Trzy poniższe dane wejściowe to syntetyczne zasoby demonstracyjne i schemat układu. Nie przedstawiają prawdziwej osoby ani miejsca.

Odniesienie 1: znak

Użyj tego obrazu do określenia tożsamości i materiałów robota. Jego proste tło studyjne nie jest celem, a jego pierwotna skala nie powinna determinować całej nowej sceny.

Odniesienie 2: środowisko

Użyj tego obrazu do architektury, ścieżki i oświetlenia. Monit powinien wyjaśniać, że robot należy do chodnika, z dopasowaną perspektywą i kontaktem z ziemią.

Odniesienie 3: tylko umieszczenie

Skorzystaj z tego przewodnika do umieszczania. Jego etykiety wyjaśniają diagram; nie są to słowa do odtworzenia na ostatecznym obrazie. Powiedz to wprost.

Tabela ról ułatwia sprawdzenie instrukcji:

Nie potrzebujesz trzech referencji do każdego zadania. Wystarczą dwa jasne źródła, gdy istnieją tylko dwa odrębne wymagania. Dodaj kolejny obraz, gdy rozwiąże prawdziwą niejednoznaczność.

Krok 3: wyczyść obszar odniesienia i prześlij zamierzony zestaw

Otwórz generator obrazów Dreamina AI , wybierz dostępny przepływ pracy obrazów oparty na referencjach i wybierz model, który obsługuje Twoje dane wejściowe. Prześlij pliki źródłowe do obszaru odniesienia obrazu.

Przed wygenerowaniem sprawdź każdą dołączoną miniaturę. Usuń niepowiązane pliki pozostawione z wcześniejszego zadania, a następnie potwierdź kolejność odniesienia w swojej tabeli ról. Portret pozostawiony w zestawie wejściowym może wprowadzić inną tożsamość, nawet jeśli pisemny monit wspomina tylko o robocie.

Jest to kontrola danych wejściowych, a nie ocena jakości modelu. Jeśli przesłany zestaw jest błędny, popraw go przed porównaniem wyników. Zanotuj ostateczne nazwy plików i uporządkuj, aby późniejsza wersja mogła korzystać z tych samych zaakceptowanych źródeł.

W zarchiwizowanej demonstracji wykorzystano Seedream 5.0 Pro z trzema odniesieniami, ustawieniem 16: 9 i ustawieniem 2K. To są warunki tego przykładu, a nie uniwersalne uprawnienia Free-plan lub instrukcja, że każdy obecny model musi używać tych etykiet.

Krok 4: opisz, w jaki sposób odnoszą się do referencji

Monit wymaga zarówno końcowej sceny, jak i przypisania ról. Przesłana instrukcja trzech odniesień brzmiała:

Użyj odnośnika 1 tylko dla tożsamości robota kurierskiego, odnośnika 2 dla architektury i oświetlenia oranżerii, a odnośnika 3 tylko dla układu. Umieść dokładnie robota naturalnie na chodniku po prawej stronie, pozostaw lewą trzecią wolną. Zachowaj asymetryczne oczy, antenę z czerwonymi koralikami, musztardowy plecak i niebieskie dłonie. Dopasuj perspektywę naziemną i cień kontaktowy. Nie kopiuj etykiet przewodników, żadnych słów, żadnych dodatkowych znaków.

Struktura jest wielokrotnego użytku: role referencyjne, ostateczny układ, ważne zachowane szczegóły, wspólne oświetlenie i wyraźne wykluczenia. W przypadku produktu i modelu rolami mogą być wygląd produktu, osoba i poza; jest to inne zadanie niż traktowanie wszystkich trzech jako odniesień do stylu.

Rozwiąż konflikty przed złożeniem. Jeśli odniesienie do obiektu ma chłodne oświetlenie studyjne, a ustawienie ma ciepłe oświetlenie boczne, określ, czy nowa scena powinna przyjąć oświetlenie ustawienia. Jeśli dwie referencje strojów pokazują różne kurtki, wybierz jedną, zamiast prosić system o zachowanie obu.

"Dokładne" w monicie wyraża wymaganie. Nie określa, że dane wyjściowe będą odtwarzać źródło bez zmian.

Krok 5: wygeneruj i porównaj wynik z każdym wejściem

Oto rzeczywisty zarchiwizowany wynik trzech referencji:

Robot pojawia się po prawej stronie, z asymetrycznymi oczami, czerwonym koralikiem antenowym, musztardowym plecakiem i rozpoznawalnymi niebieskimi dłońmi. Belki dachowe, ciepłe drzwi i ścieżka prowadzą przez odniesienie do środowiska. Etykiety diagramu i pole przerywane są nieobecne.

Lewa strona nie ma dodatkowego tematu, ale nadal zawiera rośliny i fakturę architektoniczną. "Zostaw lewą trzecią wolną" nie dało płaskiego, pustego panelu tekstowego. Jeśli mała kopia musi pozostać czytelna, dodaj i sprawdź ten tekst w edytorze projektu lub popraw kompozycję, aby uzyskać cichszy obszar.

Pobrany plik to JPEG 2560 × 1440. W przykładzie wykorzystano historyczne konto Basic z Seedream 5.0 Pro; zarejestrowana wycena generacji wynosiła 14 kredytów, podczas gdy rzeczywiste odliczenie nie zostało zarejestrowane. Jest to jeden ukończony przykład, a nie aktualna stała cena edycji lub ogólny wskaźnik sukcesu.

Co się zmieniło w porównaniu z jednym odniesieniem?

Towarzyszące wyjście pojedynczego odniesienia wykorzystywało obraz robota i pisemny opis oranżerii:

Postać pozostaje rozpoznawalna i stoi po prawej stronie. Otoczenie ma jednak inne układy drzwi, dachu i oświetlenia. Pisemny opis lokalizacji pozwolił modelowi wymyślić odpowiednią oranżerię; dodatkowe odniesienie do środowiska informowało, którą oranżerię należy śledzić.

Zarówno monit, jak i zestaw danych wejściowych różniły się między tymi przykładami. Ilustrują rolę jawnego źródła środowiska, zamiast udowadniać, że trzy odniesienia zawsze przewyższają jedno. Wynik z trzema odniesieniami jest również wygenerowaną interpretacją, a nie identyczną w pikselu kopią tła.

Krok 6: napraw pominiętą rolę bez zmiany całego briefu

Porównaj dane wyjściowe w osobnych przebiegach. Najpierw sprawdź tożsamość, potem środowisko, potem rozmieszczenie i kontakt. To sprawia, że następna poprawka jest bardziej szczegółowa niż "zbliż ją".

W przypadku złożonej sceny pracuj w gałęziach. Rozwijaj postać samodzielnie, aż ważne cechy zostaną zaakceptowane. Rozwijaj środowisko osobno. Następnie połącz te zatwierdzone obrazy zamiast wielokrotnie zmieniać charakter, pokój i światło w tym samym żądaniu.

Jest to udokumentowana metoda przepływu pracy referencyjnej, a nie twierdzenie, że każda gałąź lub naprawa w tabeli została wykonana dla przykładu robota. Jeśli szczegół musi pozostać dokładnie sfotografowany, zachowaj go za pomocą odpowiedniego kompozytu warstwowego, zamiast polegać wyłącznie na języku referencyjnym.

Krok 7: pobierz i sprawdź obraz dostawy

Użyj natywnej kontroli pobierania lub eksportu wyniku, zamiast zapisywać zrzut ekranu podglądu. Otwórz pobrany plik i potwierdź jego wymiary, przycięcie i format.

Sprawdź temat w rozmiarze, jaki zobaczy publiczność. Mały robot w szerokiej scenie może zachować swoją ogólną sylwetkę, tracąc jednocześnie maleńkie akcesorium w rozmiarze miniatury. Etykieta produktu może wydawać się wiarygodna w edytorze i stać się nieczytelna w eksporcie.

Zapisz razem oryginalne referencje, zaakceptowane dane wyjściowe i instrukcje ról. Stanowią punkt wyjścia dla następnej odmiany; nie zamieniają generowania w edytowalny projekt warstwowy ani wytrenowany model tożsamości.

W przypadku projektu, który wymaga kilku formatów, kontynuuj kontrolowanie układu i proporcji po połączeniu referencji.

Alternatywne narzędzia: zachowaj metodę, zmień kontrolki

W Runway nazywanie i zapisywanie odniesienia umożliwia ponowne użycie go w różnych sesjach; tymczasowo przesłane odniesienie to inny stan. W swoim przewodniku opisano również odniesienia do szkiców do umieszczenia. Te kontrolki mogą pomóc w zarządzaniu tym samym obiektem / środowiskiem / metodą układu bez czynienia limitu trzech odwołań regułą dla innych narzędzi.

Utwórz i ponownie użyj szkicu układu

W Runway 's Gen-4 Image References otwórz puste płótno zachęty i wybierz naszkicuj scenę lub załaduj obraz jako odniesienie i użyj jego ikony najechania kursorem. Narysuj zamierzone położenie lub spojrzenie, a następnie wybierz opcję Eksportuj szkic , aby załadować rysunek jako odniesienie. To są elementy sterujące Runway; nie opisują interfejsu Dreaminy.

W krótkim opisie robota narysuj temat po prawej stronie i zarezerwuj szeroki obszar po lewej. W monicie przypisz tożsamość do obrazu robota, architekturę do oranżerii i umieszczenie na szkicu. Wyjaśnij, że etykiety przewodników nie powinny się pojawiać. Jest to proponowany sposób na odbudowanie przewodnika po układzie, a nie kolejny przykład wykonanego robota.

Wyeksportowanego szkicu nie można edytować w tym przepływie pracy szkicu. Zachowaj obraz bazowy i oddzielną kopię zamierzonego układu, aby móc odtworzyć zmieniony przewodnik. Aby ponownie użyć zaakceptowanego odwołania między sesjami, najedź na nie kursorem, wybierz tag do zapisania , nazwij go i naciśnij Enter; tymczasowe przesyłanie w przeciwnym razie należy tylko do aktywnej sesji. Wybierz zapisane odwołanie i zaadresuj je @ name w następnym monicie. Sprawdź, które źródła są aktywne przed wygenerowaniem, aby zapisany przewodnik nie zastąpił przypadkowo tematu.

Koszty też się różnią. Dzienna dieta Dreaminy w USA wynosi 120 kredytów, a rzeczywiste wykorzystanie zależy od modelu i ustawień; nie uwalnia każdej trasy referencyjnej Pro. Płatny wpis w Midjourney zaczyna się od 10 USD miesięcznie na miesięcznych rozliczeniach. Inni gospodarze mają własny model, plan i opłaty generacyjne. Budżet na rewizje oraz pierwszy obraz.

Najczęściej zadawane pytania

Czy powinienem najpierw połączyć pliki w kolaż?

Używaj oddzielnych obrazów, gdy narzędzie je akceptuje, a ich role można jasno opisać. Arkusz z etykietą może pomóc, gdy musisz pokazać kilka widoków lub mieć ograniczone gniazda wejściowe, ale może również sprawić, że system będzie kopiował etykiety lub mylił, który panel steruje czym. Wyjaśnij strukturę arkusza i sprawdź wynik.

Czy więcej referencji zawsze poprawia wizerunek?

Nie. Dodaj źródło, gdy wnosi odrębny temat, scenę lub kontrolę. Kilka sprzecznych twarzy, stylów lub kierunków oświetlenia może sprawić, że żądanie będzie mniej jasne. Zacznij od najmniejszego zestawu, który komunikuje rzeczywistą pracę.

Czy to może dokładnie zachować tożsamość lub produkt prawdziwej osoby?

Odniesienia pomagają wyrazić ten wymóg, ale dokładna konserwacja nie jest gwarantowana. Porównaj twarz, kształt, materiały, tekst i inne decydujące detale z oryginałem. Fizycznie dokładna lista produktów lub ścisłe wymagania dotyczące tożsamości mogą wymagać edycji z zachowaniem źródła, a nie rekonstrukcji całej sceny.

Czy mogę użyć połączonego obrazu do filmu?

Obsługiwany przepływ pracy obraz-wideo może używać zaakceptowanego nadal jako ramki początkowej. Najpierw zatwierdź temat, tło i uprawę destylatora, a następnie skieruj ruch osobno. Prawidłowy nadal nie oznacza, że każda klatka wideo zachowa swoje szczegóły.

Zacznij od Dreaminy, przypisz jedno zadanie do każdego źródła i oceń wyniki pod kątem tych zadań. Przydatnym rezultatem jest spójny obraz, który spełnia Twoje wymagania - a nie tylko plik zawierający coś rozpoznawalnego z każdego odniesienia.