Весьма часто в сети всплывает заблуждение о том, что нейросети давно научились читать мысли, выдавая шедевры по первому же невнятному клику. Шагнули алгоритмы, разумеется, далеко вперёд, и теперь даже случайный набор эпитетов способен породить сносную картинку. С одной стороны, порог входа снизился почти до нуля, с другой — получить конкретную, выверенную до пикселя композицию стало едва ли не сложнее. Ведь машина постоянно тяготеет к усреднённой красивой графике, безжалостно игнорируя ваши тонкие профессиональные задумки. А если ещё вспомнить про галлюцинации искусственного интеллекта, когда у персонажей всплывут лишние конечности или нарушится физика отражений, задача мгновенно перестаёт казаться тривиальной. Но чтобы не ошибиться в генерации, нужно чётко осознать принципы общения с машиной на языке жёстких параметров.
Архитектура запроса
Задача не из лёгких. Буквально пару лет назад цифровые художники боролись с полным непониманием базовых форм, а сейчас искушённый обыватель требует от машины точной эмуляции плёночного зерна или сложной студийной схемы. С чего начинается работающий текст? С определения строгой иерархии объектов внутри вашего кадра. Первым в нашем арсенале идёт сам субъект, обросший максимально подробными, но не противоречащими друг другу деталями. Далее следует описание окружения, которое не должно перетягивать на себя львиную долю внимания, если только мы не говорим о пейзажной съёмке. За ним по пятам идёт освещение, выступающее тем самым клеем для всего изображения. Ну и, наконец, венчает эту конструкцию техническая спецификация, включающая фокусное расстояние, тип камеры или название конкретной плёнки. Естественно, нарушать этот порядок не стоит, иначе система просто потеряется в приоритетах.
Как добиться фотореализма?
И всё же, почему лица часто выглядят пластиковыми куклами? Вся суть в том, что алгоритмам катастрофически не хватает шероховатостей реального мира. Чтобы картинка действительно ожила, не стоит пренебрегать суровыми оптическими терминами. Взять, к примеру, запрос:
портрет пожилого мужчины с глубокими морщинами, снятый на объектив восемьдесят пять миллиметров при диафрагме один и две десятых, жёсткий контровой свет из окна, плёнка Кодак Портра четыреста, кинематографичная цветокоррекция.
Это надёжно. Потому что проверено. Временем. В таком виде текст работает как настоящий спасательный круг для генератора. К тому же, добавление упоминаний конкретных линз творит чудеса, заставляя ChatGPT (работающий на базе DALL-E) имитировать достоверное оптическое размытие. А вот типичная наляпистость из десятков эпитетов вроде «красивый, великолепный, потрясающий» только испортит добротный финальный результат.
Свадебное платье в морском стиле
Подол, испачканный в мокром песке. Именно с такой мелкой детали лучше всего начинать описание атмосферных сцен. Создавать наряды для подобных церемоний тяжело, ведь местный бомонд всегда требует изысканных решений. Чтобы машина сгенерировала нужное настроение, стоит использовать метод нарративного погружения. Отличным вариантом станет такой промт:
молодая невеста уверенно стоит на ногах на краю скалистого обрыва, на ней надето струящееся платье из полупрозрачного шёлка с элементами морской пены, сильный ветер развевает ткань, свет пасмурного неба, холодные синеватые оттенки, репортажная фотография, высокая резкость.
Тем более что динамика в кадре всегда добавляет реализма. Многие грезят о солнечных тропиках, но на самом деле именно драматичная пасмурная погода позволяет лучше всего проработать текстуру белой ткани. Нельзя не упомянуть и про аксессуары, которые вносят свою лепту в общую композицию.
Коммерческая фотография в нейросетях
Блики на глянцевом стекле. Именно они чаще всего выдают искусственное происхождение предметной съёмки. Снимать дорогую парфюмерию тяжело даже в профессиональной студии, а уж заставить нейросеть правильно рассчитать преломление лучей в гранях флакона — то ещё испытание. Для генерации подобных изображений стоит применять исключительно сухой язык. Первый рабочий пример строится на описании световой схемы:
флакон тяжёлых духов на тёмном базальтовом камне, жёсткий направленный свет сверху, мягкая заполняющая подсветка сзади, макросъёмка, высочайшая контрастность.
Конечно, результат иногда требует корректировки, однако именно такая формулировка задаёт правильные физические постулаты. Кроме того, лучше отказаться от сложных вычурных интерьеров позади продукта. Замените их однотонными заливками, чтобы предмет гордо солировал в кадре.
Стоит ли усложнять?
Обязательно ли писать сочинения на три страницы? Вовсе нет. Излишняя щепетильность часто бьёт по бюджету токенов и вниманию самой языковой модели. Дело в том, что машина имеет ограниченное окно памяти, и последние слова в огромном полотне текста просто растворяются без следа. Впрочем, новички часто верят в магию длинных текстов, но на самом деле система просто выхватывает знакомые теги. Чтобы избежать подобных махинаций с вниманием алгоритма, нужно использовать метод смысловых блоков. Кстати, о неприятных подводных камнях генерации. Если вы напрямую потребуете «человека без очков», нейросеть с огромной вероятностью нарисует ему огромные авиаторы на половину лица. Машины до сих пор отвратительно понимают отрицание в прямом тексте. Поэтому всегда описывайте исключительно то, что должно присутствовать в кадре.
Архитектура и визуализация
Грандиозный масштаб. Именно он приковывает внимание к качественным рендерам современных зданий. Ещё в начале двухтысячных годов инженеры тратили недели на создание одной простейшей сцены, выверяя каждую линию. Сейчас же скрупулёзный эскиз вполне реально получить за пару минут. Но как правильно задать атмосферу? Хорошо работает следующий текст:
современный загородный дом в стиле минимализм, интегрированный в густой хвойный лес, панорамное остекление, тёплый внутренний свет на контрасте с холодным утренним туманом снаружи, архитектурная перспектива, снято на дрон с высоты птичьего полёта.
Здесь обе стороны медали играют нам на руку: задаётся и чёткая геометрия, и сложное освещение. К слову, заказчикам такие неоднозначные, но живые кадры нравятся гораздо больше мёртвых чертежей. Тем более, контраст температур всегда создаёт мощный эффект присутствия.
Отдых на Бали: пляжная эстетика
Палящее солнце, от которого хочется спрятаться. Создавая туристические промо-материалы, нужно учитывать каждую тень. Местный колоритный пейзаж требует особого подхода, иначе картинка превратится в дешёвую открытку из нулевых. Правильный запрос должен звучать так:
деревянное бунгало на сваях прямо над лазурной водой, на деревянной террасе лежит открытая книга и солнцезащитные очки, резкие глубокие тени от пальмовых листьев падают на деревянный пол, полуденное солнце, поляризационный фильтр, гиперреализм.
Разумеется, именно поляризационный фильтр убирает лишние отражения с воды, позволяя заглянуть на дно. Да и сам обыватель, который постоянно оседает на подобных курортах, сразу узнаёт этот самобытный исконно тропический свет. Ну, а если добавить в сцену людей, кошелёк станет легче на пару десятков попыток, ведь анатомия на общих планах всё ещё хромает.
Портреты в стиле гранж
Атмосфера тяжёлого упадка и громкого бунта. Этот стиль требует совершенно иных формулировок, далёких от глянцевых идеалов. Если просто попросить систему сделать «крутое фото в стиле гранж», результат будет невыносимо отдавать пластиковой бутафорией. Начать нужно с дефектов. Рабочий промт выглядит так:
молодая девушка с растрёпанными волосами в потёртой куртке, стоит в тёмном узком переулке с обшарпанными кирпичными стенами, освещение от мерцающей неоновой вывески вдалеке, эффект старой плёночной камеры, царапины на эмульсии, низкий ключ, мрачная серая палитра.
Безусловно, именно детали вроде царапин и крупного зерна делают изображение достоверным. Не стоит забывать и о лице модели. Укажите в тексте «усталый взгляд» или «вызывающая ухмылка», и портрет мгновенно обретёт невероятную психологическую глубину.
Макросъёмка
Приближаемся вплотную. Настоящий кладезь деталей скрывается в макромире, который требует от генератора безупречного понимания материалов. Зрелище удручающее, когда вместо сочной фактурной ягоды на экране появляется кусок красного пластика. Сразу бейте в цель:
макросъёмка капли утренней росы на бархатистом зелёном листе, отражение встающего солнца внутри самой капли, глубина резкости буквально два миллиметра, сильное размытие заднего фона, высочайшая детализация растительных пор.
Обратите внимание на то, как мы просим показать свет внутри объекта. Такие манипуляции заставляют алгоритм задействовать сложные физические расчёты. Нужно отметить, что генерация текстур здесь льётся рекой, если правильно указать фокусное расстояние. Ну и, конечно же, не бойтесь требовать невозможного. Ведь именно в микромире нейросети часто выдают самые поразительные, внушительные результаты, в которые хочется просто окунуться с головой.
Эксперименты с цифровой фотографией могут затянуться на долгие часы, но каждый неудачный кадр лишь оттачивает ваш личный навык составления правильных конструкций. Не опускайте руки, если хитрая машина с первого раза не поняла сложную задумку с освещением или геометрией кадра. Смело меняйте фокусные расстояния, вводите в сцену необычные материалы и сталкивайте разные эпохи в одном абзаце. Пусть каждый новый сгенерированный концепт становится крепкой ступенью к вашему визуальному шедевру, а точное понимание алгоритмов сэкономит нервы. Удачи в создании поистине живых цифровых миров, которые заслуживают искреннего уважения и запомнятся надолго.