Πώς κρατάς σταθερό το πρόσωπο ενός AI χαρακτήρα

1. Όρισε τι σημαίνει «ίδιο πρόσωπο»

Διάλεξε χαρακτηριστικά που μπορείς να συγκρίνεις: σχήμα προσώπου, απόσταση ματιών, μύτη, περίγραμμα χειλιών, γραμμή μαλλιών και χαρακτηριστικά σημάδια. Τα ρούχα και το φόντο δεν αρκούν για να αποδείξουν ότι πρόκειται για την ίδια ταυτότητα.

Κοίτα τις εικόνες δίπλα-δίπλα στο ίδιο περίπου μέγεθος. Αν συγκρίνεις μόνο από μνήμης, μια αλλαγή μπορεί να περάσει απαρατήρητη. Κράτα μία εγκεκριμένη αναφορά ως σταθερό σημείο και όχι την τελευταία εικόνα που σου άρεσε.

2. Καθάρισε το σύνολο αναφορών

Έλεγξε ότι όλες οι αναφορές δείχνουν πραγματικά τον ίδιο χαρακτήρα. Αν σε μία εικόνα αλλάζει το σαγόνι και σε άλλη η μύτη, δίνεις αντικρουόμενα στοιχεία. Πρόσθετες αναφορές δεν είναι αυτόματα καλύτερες όταν δεν συμφωνούν μεταξύ τους.

Αφαίρεσε εικόνες με έντονη παραμόρφωση, φίλτρα, κρυμμένο πρόσωπο ή θολές λεπτομέρειες. Κράτα χωριστό φάκελο με εγκεκριμένες αναφορές και γράψε γιατί επιλέχθηκε καθεμία. Χρησιμοποίησε μόνο υλικό που δικαιούσαι να χρησιμοποιήσεις για τον συγκεκριμένο σκοπό.

• Μπροστινή όψη για τα βασικά χαρακτηριστικά.
• Όψη τριών τετάρτων για το περίγραμμα και τη μύτη.
• Πλάγια όψη, όταν το project τη χρειάζεται και μπορείς να τη διατηρήσεις συνεπή.
• Ολόσωμη αναφορά για αναλογίες, χωρίς να αντικαθιστά την καθαρή αναφορά προσώπου.

3. Φτιάξε επαναλήψιμο τεστ, όχι τυχαίες προσπάθειες

Κράτα ίδιο εργαλείο, έκδοση μοντέλου, αναφορές και ανάλυση για μια μικρή σειρά. Αν το εργαλείο διαθέτει seed ή άλλες ρυθμίσεις αναπαραγωγής, κατέγραψέ τες. Το ίδιο seed δεν αποτελεί εγγύηση ίδιας ταυτότητας όταν αλλάζουν μοντέλο ή άλλες είσοδοι.

Ξεκίνα με μια απλή σκηνή. Στη δεύτερη δοκιμή άλλαξε μόνο τη γωνία. Στην τρίτη άλλαξε μόνο τον φωτισμό. Έπειτα δοκίμασε πιο απαιτητικό φόντο. Όταν εμφανιστεί απόκλιση, θα ξέρεις ποια αλλαγή πρέπει να εξετάσεις πρώτα.

4. Διόρθωσε την αιτία της απόκλισης

Αν το πρόσωπο χαλάει μόνο στις πλάγιες λήψεις, εξέτασε την ποιότητα της αντίστοιχης αναφοράς πριν αλλάξεις ολόκληρο το workflow. Αν η ταυτότητα αλλάζει όταν περιγράφεις νέο στιλ, περιόρισε τη δοκιμή στο απαραίτητο σκηνικό και ξανασύγκρινε.

Μη χρησιμοποιείς μια προβληματική εικόνα ως αφετηρία νέων παραλλαγών μόνο και μόνο επειδή το φόντο πέτυχε. Όταν η ταυτότητα έχει ήδη αλλάξει, οι επόμενες επεξεργασίες μπορεί να συντηρήσουν αυτή την απόκλιση. Επέστρεψε στην εγκεκριμένη αναφορά και κράτα την αποτυχημένη δοκιμή μόνο ως σημείωση.

5. Πότε αξίζει να εξετάσεις LoRA;

Η LoRA είναι τεχνική προσαρμογής μοντέλων που εκπαιδεύει ένα μικρότερο σύνολο πρόσθετων παραμέτρων αντί για ολόκληρο το μοντέλο. Η τεκμηρίωση του Hugging Face περιγράφει τη διαδικασία και τη σύνδεσή της με σύνολα δεδομένων εκπαίδευσης. Δεν είναι αυτόματο φίλτρο που εγγυάται ταυτότητα σε κάθε αποτέλεσμα.

• Εξέτασέ τη όταν χρειάζεσαι πολλές επαναλαμβανόμενες παραγωγές και οι απλές αναφορές δεν καλύπτουν το project.
• Πριν επενδύσεις χρόνο, οργάνωσε ένα συνεπές dataset και έλεγξε δικαιώματα και συμβατότητα με το μοντέλο που θα χρησιμοποιήσεις.
• Κράτα σκηνές δοκιμής που δεν αντιγράφουν τις εικόνες εκπαίδευσης, για να αξιολογήσεις τη συμπεριφορά σε νέες συνθήκες.
• Σύγκρινε το πρόσθετο κόστος εκπαίδευσης και ελέγχου με το όφελος για τη δική σου παραγωγή.

Επίσημη τεκμηρίωση: Hugging Face Diffusers: επίσημη τεκμηρίωση LoRA ↗

6. Τελική λίστα πριν από τη δημοσίευση

Μια εικόνα περνάει τον έλεγχο όταν ταιριάζει στην εγκεκριμένη ταυτότητα και εξυπηρετεί το περιεχόμενο. Δεν χρειάζεται να κρατήσεις κάθε αποτέλεσμα. Κράτα τις απορρίψεις καταγεγραμμένες, ώστε να βλέπεις αν το ίδιο πρόβλημα επανέρχεται.

• Σύγκρινα το πρόσωπο με τις βασικές αναφορές;
• Έλεγξα χέρια, αναλογίες, υφές και αντανακλάσεις;
• Σε βίντεο, έλεγξα και ενδιάμεσα καρέ, όχι μόνο το thumbnail;
• Μπορώ να βρω το μοντέλο, τις αναφορές και τις ρυθμίσεις αυτής της παραγωγής;
• Η λεζάντα και η επισήμανση παρουσιάζουν με διαφάνεια τον ψηφιακό χαρακτήρα;