Jak pisać podpowiedzi AI dla realistycznych ludzi

Dlaczego ludzie to najtrudniejszy temat

Widzowie są ekspertami od twarzy i ciał. Zauważamy nieco niewłaściwą rękę, niemożliwą postawę lub skórę wyglądającą jak plastik na długo przed zauważeniem wady w budynku lub krajobrazie. To sprawia, że ludzie są tematem, w którym niejasne podpowiedzi zawodzą najbardziej w widoczny sposób. Poprawka jest taka sama, jak w przypadku każdego podpowiedzi fotograficznej, tylko bardziej rygorystyczna: opisz, co faktycznie zarejestrowałby aparat, i pozostaw jak najmniej wyobrażeniu modela o przeciętnej osobie.

Wymyśl osobę, nie pożyczaj jej

Zacznij od osoby, która nie istnieje. Opisz przedział wiekowy, kształt ciała, włosy, ubiór i czynność, a szczegóły powinny być zwyczajne. Nigdy nie pytaj o podobiznę prawdziwej osoby prywatnej i nigdy nie przedstawiaj prawdziwej osoby publicznej w sytuacji, którą można uznać za autentyczną. Oprócz kwestii etycznych wiele jurysdykcji uznaje prawa osobiste, które pozwalają ludziom kontrolować komercyjne wykorzystanie ich imienia, wizerunku i podobizny. Zasady różnią się w zależności od kraju, a wymyślona osoba całkowicie unika tej kwestii.

Opisz czynność, a nie pozę

Sfotografowani ludzie robiący coś wyglądają naturalnie; ludzie, którym kazano pozować, wyglądają jak zdjęcia stockowe. Zamiast kobiety uśmiechającej się do kamery, spróbuj czterdziestokilkuletniej kobiety czytającej papierową mapę na stacji kolejowej, trzymającej w drugiej ręce kawę. Czynność daje ciału powód do swojej postawy, daje rękom coś do uchwycenia, a twarzy nadaje wyraz wynikający raczej z zadania niż podpowiedzi.

Postawa i waga

Prawdziwe ciała noszą ciężar. Ktoś oparty o poręcz, siedzący na krawędzi krzesła i w oczekiwaniu przenoszący ciężar ciała na jedną nogę: to drobne fakty fizyczne, które sprawiają, że postać jest wiarygodna. Sztywne, symetryczne, zwrócone do przodu figury to jeden z najczęstszych znaków generowanego obrazu. Jedno zdanie na temat tego, gdzie znajduje się ciężar i na czym opiera się dana osoba, często ma więcej niż kilka zdań na temat jej wyglądu.

Odzież jako materiał i krój

Opisz ubrania tak, jak opisałabyś każdą inną powierzchnię: pogniecioną lnianą koszulę z podwiniętymi rękawami, gruby wełniany płaszcz, nieco za duży, znoszone płócienne tenisówki. Tkanina, która się składa, rozciąga i marszczy, jest jednym z najsilniejszych oznak realizmu, ponieważ reaguje na ciało pod spodem. Ogólne słowa, takie jak stylowy lub elegancki, nie mówią nic o materiale i zazwyczaj sprawiają, że ubrania wyglądają na świeżo rozpakowane.

Skóra bez retuszu

Wygenerowane twarze często wychodzą gładkie i równe, jak mocno wyretuszowana reklama. Jeśli chcesz naturalnego efektu, powiedz to w kategoriach fizycznych: naturalna tekstura skóry, widoczne pory, drobne linie wokół oczu, lekkie oparzenie słoneczne na nosie, brak makijażu. Opisanie światła też jest pomocne, ponieważ miękkie światło boczne delikatnie odsłania teksturę, a płaskie światło z przodu ją usuwa. Unikaj nawarstwiania się na warunkach takich jak idealny lub bez skazy, które popychają wynik w stronę plastikowego wyglądu.

Ręce potrzebują pracy

Dłonie są dobrze znanym słabym punktem generatorów obrazu. Najbardziej niezawodnym podejściem jest zapewnienie im konkretnego zajęcia, trzymania filiżanki, odpoczynku na stole, włożenia do kieszeni płaszcza, zamiast pozostawiania ich wolnych w ramie. Mniej widocznych palców oznacza mniejsze ryzyko popełnienia błędu. Zawsze sprawdzaj dłonie przed użyciem obrazu: policz palce, sprawdź, jak chwytają przedmioty i spójrz, gdzie stykają się z nadgarstkiem.

Światło na twarzach

Klasyczna konfiguracja fotograficzna, opisana w tradycji oświetlenia trzypunktowego, wykorzystuje światło główne padające na obiekt, światło dodatkowe do zmiękczania cieni i światło z tyłu, aby oddzielić obiekt od tła. Nie potrzebujesz żargonu, aby użyć tego pomysłu. Miękkie światło okna z jednej strony, delikatne odbicie wypełniające stronę cienia i jasne tło za głową, prostymi słowami opisują tę samą aranżację. Natomiast górne południowe słońce rzuca cienie pod oczy i rzadko jest pochlebne.

Kadrowanie i odległość

Powiedz, jak blisko znajduje się kamera. Portret z głową i ramionami, postać widziana z kilku metrów na ulicy, mała postać w szerokim krajobrazie: każdy z nich wyznacza skalę, w jakiej należy oddać twarze i dłonie. Szersze kadry ukrywają drobne błędy i opowiadają więcej historii; zbliżenia ujawniają wszystko. Aby uzyskać najbardziej naturalne rezultaty, najlepszym punktem wyjścia będzie średnie kadrowanie z wyraźną aktywnością i realną scenerią.

Różnorodność celowo, a nie przez przypadek

Generatory obrazów odzwierciedlają wzorce w swoich danych szkoleniowych, a jedno badanie Midjourney wykazało, że nawet neutralne podpowiedzi dawały nierówne wyniki ze względu na płeć, kolor skóry i lokalizację. Jeśli chcesz konkretną osobę, opisz ją szczegółowo. Jeśli tworzysz serię, celowo różnicuj wiek, kształt ciała i wygląd, zamiast akceptować to, co modelka zwróci jako pierwsze, i przejrzyj zestaw jako całość przed jego opublikowaniem.

Zgoda i media syntetyczne

Ramy Partnership on AI dotyczące odpowiedzialnych mediów syntetycznych opierają się na trzech koncepcjach: zgodzie, ujawnianiu i przejrzystości. W przypadku wygenerowanych osób zgoda oznacza przede wszystkim niewykorzystywanie czyjegoś wizerunku bez pozwolenia, w tym poprzez zdjęcia referencyjne. Jeśli pracujesz na podstawie fotografii prawdziwej osoby, na przykład aby zachować spójny charakter, upewnij się, że masz wyraźną zgodę tej osoby na konkretny użytek i nigdy nie twórz obrazów, które seksualizują, poniżają lub podszywają się pod inną osobę.

Zasady ujawniania informacji, które warto znać

W Unii Europejskiej ustawa o sztucznej inteligencji definiuje głęboką podróbkę jako wygenerowany przez sztuczną inteligencję lub zmanipulowany obraz, treść audio lub wideo, która przypomina istniejące osoby, przedmioty, miejsca, podmioty lub wydarzenia i fałszywie wydaje się autentyczna. Wdrażający, którzy generują takie treści, muszą ujawnić, że zostały one sztucznie wygenerowane lub zmanipulowane, przy czym ujawnienie jest bardziej ograniczone w przypadku dzieł ewidentnie artystycznych, twórczych, satyrycznych lub fikcyjnych. Komisja Europejska stwierdza, że te zasady przejrzystości obowiązują od sierpnia 2026 r. Realistycznie wymyślona osoba w kontekście, który można uznać za prawdziwy, zasługuje na wszędzie etykietę.

Oznacz plik, a nie tylko podpis

Podpis może zostać przycięty lub utracony w przypadku ponownego udostępnienia obrazu. Istnieją standardy metadanych umożliwiające przenoszenie informacji w pliku: słownik typu źródła cyfrowego IPTC obejmuje wartości dla multimediów utworzonych przy użyciu generatywnej sztucznej inteligencji, a wiele narzędzi zapisuje takie informacje automatycznie. Zachowaj go w nienaruszonym stanie podczas edycji i eksportowania oraz dodaj widoczną notatkę wszędzie tam, gdzie ludzie mogliby w uzasadniony sposób pomylić obraz ze fotografią prawdziwej osoby.

Gdzie pasuje LarpGPT

LarpGPT to biblioteka podpowiedzi do zdjęć przedstawiających podróże, architekturę, samochody i sceny związane ze stylem życia, rozpisana wokół tematu, kompozycji, oświetlenia i obiektywu, a wiele scen związanych ze stylem życia można dostosować tak, aby zawierały wymyśloną osobę, korzystając z powyższego podejścia. Kopiujesz monit i wklejasz go do generatora obrazów, którego już używasz. LarpGPT nie generuje obrazów; poszanowanie praw innych osób i ujawnianie treści syntetycznych pozostaje z Tobą.

Więcej informacji

• Regulation (EU) 2024/1689 (Artificial Intelligence Act), Articles 3 and 50
• European Commission: AI Act, regulatory framework and application timeline
• Partnership on AI: Responsible Practices for Synthetic Media
• Personality rights (Wikipedia)
• Midjourney (Wikipedia), section on bias in generated images
• IPTC Digital Source Type NewsCodes