Множество статичных портретов, сгенерированных нейросетями, давно переполняет сеть, но стоит только попросить алгоритм изобразить ритмичное движение, как начинается сущий кошмар с переплетёнными конечностями. Обыватель часто думает, что достаточно написать пару слов про балет, и машина сама выдаст реалистичный шедевр. На самом деле всё обстоит гораздо сложнее, ведь генерация пластики тела требует особого подхода к текстовому описанию. А если ещё вспомнить про особенности освещения и сложную физику ткани, то задача начинает казаться практически невыполнимой. Но чтобы не ошибиться в процессе создания динамичного кадра, нужно заранее заготовить правильные текстовые конструкции.
Стоит ли доверять базе?
Буквально с первого кадра генерации обычно всплывают жуткие анатомические ошибки. Стоит ли полагаться на базовые модели при прорисовке сложных пируэтов? Однозначно нет. Дело в том, что львиная доля обучающего датасета состоит из стоящих или сидящих людей, поэтому алгоритм подсознательно тяготеет к статике. Конечно, буквально десятилетие назад создание реалистичного видео по тексту было фантастикой, однако сейчас мы сталкиваемся с совершенно новой реальностью. Чтобы заставить виртуального персонажа двигаться, в первую очередь в строку вписывают стиль хореографии. Далее следует указать точную позу через активные глаголы действия. Завершает стартовую конструкцию подробное описание эмоций танцора. И всё-таки забывать про штрафной блок (негативный промт) категорически не стоит, ведь именно туда обязательно отправляются все лишние конечности.
Описание движений
Задача не из лёгких. Текстом передать динамику довольно сложно. В представлении многих пользователей достаточно указать лишь название музыкального направления. Некоторые скептики считают, что машина совершенно не понимает разницы между венским вальсом и агрессивным хип-хопом, но в действительности алгоритмы отлично распознают культурные маркеры. К слову, изюминка хорошего запроса кроется в детализации фаз движения. Сначала чётко задаётся стартовая позиция корпуса. Затем прописывается вектор смещения центра тяжести. Ну и, наконец, фиксируется положение рук в пространстве. Использовать обобщённые фразы вроде «красивый танец» не имеет никакого смысла. Лучше отказаться от размытых абстракций в пользу конкретных профессиональных терминов. Связано это с тем, что нейросети всегда нужен точный физический ориентир.
Как настроить освещение?
Грамотно выставленный свет творит чудеса. Особенно сильно это проявляется, когда речь идёт о передаче объёма напряжённых мышц и развевающихся складок одежды. Нужно отметить, что правильная виртуальная схема освещения спасёт даже откровенно слабую генерацию. А вот плоский рендер сразу бросается в глаза. Выручит мощное контровое освещение, выбивающее силуэт героя из кромешной темноты сцены. Тем более, что настроить его довольно просто через добавление параметров студийного света. Следом в запрос аккуратно внедряют цветные неоновые фильтры для создания нужной атмосферы. Последним в списке идёт направление лучей от подвесных прожекторов. Разумеется, на просчёт сложных световых схем уходит значительно больше времени, однако итоговый результат заслуживает истинного уважения. Экономить токены на описании глубоких теней точно не стоит.
Стиль гранж в хореографии
Лохмотья на танцоре. Именно так неопытный творец пытается описать популярные уличные направления. Зрелище удручающее, когда вместо стильного хип-хоп исполнителя на экране появляется оборванец. Главное достояние грамотного запроса — выверенный баланс между небрежностью и высокой эстетикой. Чтобы получить самобытный колоритный образ, в текст вплетают текстуры потёртой кожи, усиленные металлическими клёпками, приправленные городской пылью из-под кроссовок. Подобная многослойность вносит свою весомую лепту в общую реалистичность кадра. К тому же, массивная обувь визуально добавляет веса резким движениям. Однако перебарщивать с деталями не стоит. Излишняя наляпистость в одежде быстро заставит нейросеть «галлюцинировать» в процессе рендера анимации. Кошелёк станет заметно легче от потраченных впустую кредитов сервиса.
Улицы Токио: Кибер-хореография
Неоновые вывески мегаполиса. Упомянутый фон довольно часто запрашивают для современных уличных стилей. Специфика азиатских киберпанк-локаций требует весьма скрупулёзного подхода к отражениям. Открывает текстовую композицию мокрая брусчатка. Далее следует описание массивных ботинок. Венчает урбанистическую композицию контрастная сине-розовая цветовая палитра. Безусловно, алгоритм попытается сильно размыть задний план для экономии ресурсов. Но для сохранения неповторимой атмосферы токийских улиц виртуальную диафрагму стоит прикрыть (примерно до значения f/8). Да и самим зрителям гораздо интереснее рассматривать детализированный антураж на фоне динамичных па. Подобная кропотливая работа с окружением ощутимо бьёт по бюджету времени, однако в финале роскошная картинка льётся рекой.
Зачем нужен референс?
Можно ли обойтись исключительно текстом при создании сложного движения? Да, но на бесчисленные попытки придётся потратить уйму времени. Контроль позы через заранее загруженное исходное изображение значительно упрощает жизнь. Сложные махинации с картами глубины позволяют намертво зафиксировать нужный ракурс. Один из самых популярных видов такого контроля — перенос реальных движений с видео на сгенерированного персонажа. Далее следует ответственный этап подгонки пропорций тела. Завершает процесс финальный рендер с применением выбранного текстового стиля. Естественно, тут всплывут свои подводные камни. Если исходный живой актёр имеет совершенно другие пропорции, то на выходе мы получим искажённого мутанта. Поэтому для начала стоит подобрать добротный надёжный исходник с чётким силуэтом.
Рабочие конструкции
Практика всегда показывает всё. Любые теоретические рассуждения лучше подкрепить конкретикой. Попробуем разложить по полочкам структуру успешного запроса для классической балерины.
Открывает композицию упоминание изысканной танцовщицы в высоком прыжке. Затем вплетается описание белоснежной пачки. Следом идёт чёткое указание на огромную театральную сцену. Замыкает эту цепочку технический блок с параметрами объектива на пятьдесят миллиметров. А вот для современного контемпорари подход нужен немного иной. Здесь на первый план выходит художественное размытие в движении. В текст смело добавляют фразы о текучей плавной пластике. Не забудьте проверить вес каждого вписанного слова. Да и самой нейросети гораздо комфортнее работать с короткими смысловыми блоками.
Чем кинематографичность лучше?
Сильно размытый фон. Именно он чаще всего спасает сложную композицию от визуальной перегруженности. Требуется ли прописывать точные параметры камеры? Обязательно. Использование терминов из реального большого кинопроизводства позволяет добиться внушительного реализма. Широкоугольный объектив сильно исказит перспективу. Телеобъектив, наоборот, вырвет солирующего персонажа из шумной толпы. Хотя неопытным творцам и хочется написать просто слово «красиво», но машина любит сухие цифры. Грамотный запрос, усиленный упоминанием конкретной киноплёнки, отлитый в форму точных фокусных расстояний, снабжённый указанием типа освещения, даёт максимально предсказуемый результат. Само собой, процесс точной настройки виртуальной камеры требует щепетильного отношения.
Кубинская сальса в неоне
Бешеный ритм ночного города. Исконно латиноамериканские мотивы внезапно обретают совершенно новое звучание в мрачной киберпанк-эстетике. Совмещение разных эпох рождает весьма вычурный визуал. С одной стороны мы имеем страстные движения, с другой — холодный мерцающий неон. В промт вписывают тесное взаимодействие двух разгорячённых тел. Сначала описывают ведущего партнёра с жёстким уверенным хватом. Потом детализируют сильный прогиб спины его партнёрши. Завершают сцену россыпью ярких голографических искр из-под каблуков. Разумеется, парные танцы для современного ИИ — та ещё головная боль. Нередко руки танцоров сливаются в единую бесформенную массу. Это обе стороны медали при плотной работе с диффузионными генеративными сетями.
Как бороться с мутациями?
Искажённые лица на заднем плане в толпе. Знакомая картина? Побороть этот неприятный нюанс помогает исключительно грамотный негативный запрос. В него безжалостно отправляется львиная доля текстового мусора. Первой строкой всегда пишут про лишние пальцы. Далее следует строгий запрет на размытую, поплывшую анатомию. Последним в списке идёт жёсткое ограничение на использование водяных знаков. Обыватель довольно часто игнорирует этот мощный инструмент. А зря. Ведь именно отсечение лишнего формирует кристально чистый кадр. К слову, не стоит перегружать негативный блок целыми огромными абзацами, скопированными из интернета. Машина может легко запутаться во множественных отрицаниях. Лучше оставить там только самые критичные технические параметры.
Светопись и скорость затвора
Замороженное на лету мгновение. Опытные фотографы прекрасно знают, как важна короткая выдержка при съёмке стремительной динамики. В текстовом ИИ-запросе этот параметр тоже творит чудеса. Имитация длинной выдержки позволяет создать очень красивые шлейфы от движения рук танцовщицы. Сперва мы прописываем саму концепцию длинного светового следа. Следом идёт упоминание абсолютно чёрного контрастного фона. И завершает картину тёплая цветовая палитра свечения. Тем более, что подобные эффекты отлично маскируют мелкие огрехи в генерации кистей рук. А вот для эффекта грандиозного зависания в воздухе применяют синтаксис сверхкороткой выдержки. Мелкие капли пота, застывшие в полёте, подчёркнутые резким контровым светом, пойманные дорогим макрообъективом, добавляют сцене невероятный накал.
Как передать материал костюма?
Влияет ли ткань на восприятие ритма? Безусловно. Физика мягкой материи в генеративных видеомоделях порой действительно поражает воображение. Длинное шёлковое платье, летящее вслед за резким разворотом корпуса, создаёт огромный дополнительный объём. К первой группе успешных промтов относится упоминание лёгких материалов. Ко второй группе можно смело отнести плотную дублёную кожу. Третьим беспроигрышным вариантом выступают сложные костюмы с длинной бахромой. Однако с подобными нарядами стоит быть предельно осторожнее. Мелкие повторяющиеся паттерны довольно часто мерцают при покадровой анимации. В текст аккуратно вплетают фразы о сильном ветре, чтобы заставить непослушную ткань жить своей собственной жизнью.
Тщательно составленный текстовый алгоритм — это самый мощный инструмент в руках терпеливого автора-практика. Постоянные эксперименты со сложным освещением, необычными углами виртуальных камер и физикой материалов обязательно принесут свои роскошные плоды. Нет никакого смысла слепо копировать чужие настройки или бояться разрушать привычные устоявшиеся шаблоны. Глубоко проработанный промт для танца, учитывающий анатомические особенности и скорость ритма, гарантированно подарит впечатляющий результат, а созданный цифровой шедевр запомнится надолго.