Παρόμοια με την τυπική προτροπή κειμένου σε εικόνα, η αρνητική προτροπή καθορίζει τις λέξεις που δεν θέλετε να εμφανίζονται στην τελική εικόνα. Από τεχνική άποψη, η κωδικοποιημένη αρνητική προτροπή λειτουργεί ως ανυψωμένη άγκυρα που Σταθερή Διάχυση αποσπάται από. Ωστόσο, σε αυτό το άρθρο, θα συζητήσουμε τα αρνητικά μηνύματα σταθερής διάχυσης.
Όταν χρησιμοποιείτε το Stable Diffusion, μπορείτε να καθορίσετε τι δεν θέλετε να εμφανίζεται στις φωτογραφίες εξόδου χρησιμοποιώντας την παράμετρο αρνητικής προτροπής. Όταν καθορίζεται, κατευθύνει τη διαδικασία δημιουργίας ώστε να εξαιρεθούν στοιχεία από την εικόνα που αναφέρονται στο κείμενο. Σε αυτό το άρθρο, θα εξερευνήσουμε περισσότερα αρνητικά μηνύματα σταθερής διάχυσης.
Αρνητικά μηνύματα σταθερής διάχυσης – Ένα αρνητικό μήνυμα μπορεί να σταματήσει τη δημιουργία ορισμένων στοιχείων ή στυλ ή να διορθώσει ορισμένες οπτικές ανωμαλίες. Σε αυτό το άρθρο, θα σας καθοδηγήσουμε με τα αρνητικά μηνύματα σταθερής διάχυσης και πώς να τα χρησιμοποιήσετε.
Τι είναι Αρνητικές προτροπές σταθερής διάχυσης?
Για να ειδοποιήσουμε το σταθερό μοντέλο διάχυσης ό,τι κι αν είναι, δεν θέλουμε να εμφανιζόμαστε στην εικόνα που προκύπτει, μπορεί επίσης να προσθέσουμε ένα αρνητικό μήνυμα στο μοντέλο. Αυτή η δυνατότητα χρησιμοποιείται συχνά για τη διαγραφή στοιχείων από την αρχικά δημιουργημένη εικόνα που ένας χρήστης δεν επιθυμεί να δει. Αν και το Stable Diffusion δέχεται δεδομένα με τη μορφή «προτροπών» στη φυσική ομιλία, θεωρεί ότι είναι δύσκολο να κατανοήσει αρνητικούς όρους όπως «όχι», «όχι», «εκτός αν» και «χωρίς». Για να διαχειριστείτε πλήρως τις προτροπές σας, πρέπει επομένως να χρησιμοποιήσετε αρνητικές προτροπές.
Τρόπος Χρήσης Αρνητικές προτροπές σταθερής διάχυσης?
Ακολουθούν ορισμένες περιπτώσεις αρνητικών προτροπών σε δράση, ώστε να μπορείτε να δείτε τι μπορεί να επιτευχθεί και πώς να κάνετε προσαρμογές.
Αφαίρεση αντικειμένων
Το να αφαιρέσετε οτιδήποτε από την εικόνα που δεν θέλετε να εμφανίζεται είναι η πιο προφανής εφαρμογή. Σκεφτείτε να δημιουργήσετε έναν πίνακα του Παρισιού σε μια υγρή μέρα. Θέλετε να δημιουργήσετε ένα άλλο, ωστόσο, ο δρόμος είναι κενός. Μπορείτε να προσθέσετε το μη ευνοϊκό μήνυμα προτροπής “άτομα” ενώ εξακολουθείτε να χρησιμοποιείτε την ίδια αρχική τιμή, που καθορίζει την εικόνα. Παίρνετε μια φωτογραφία με την πλειονότητα των ανθρώπων να έχουν φύγει.
Τροποποίηση εικόνας
Με αρνητικά μηνύματα, μπορείτε να ενθαρρύνετε το Stable Diffusion να κάνει μικρές προσαρμογές. Το μόνο πράγμα που θέλετε πραγματικά να αλλάξετε είναι λίγο τα θέματα. Φαίνεται να φυσάει αφού οι τρίχες παρασύρονται. Ας κάνουμε τα πράγματα χαλαρά χρησιμοποιώντας τη δυσμενή ένδειξη «φυσάει». Η Έμμα φαίνεται λίγο… ανεξέλικτη στην αρχική φωτογραφία. Η χρήση της υποτιμητικής φράσης «ανήλικη» της δίνει μια πιο ώριμη εμφάνιση.
Αρνητικές προτροπές σταθερής διάχυσης Παραδείγματα
Ακολουθούν ορισμένες από τις αρνητικές προτροπές Stable Diffusion Negative που έχουμε διαπιστώσει ότι οι χρήστες εφαρμόζουν ενώ χρησιμοποιούν το Stable Diffusion V2. Μεταβείτε στις παρακάτω οδηγίες και ενημερώστε μας εάν μπορείτε να προσθέσετε περισσότερα:
#1 κακώς αποδοθέν πρόσωπο
#2 κακώς τραβηγμένο πρόσωπο
#3 κακές λεπτομέρειες προσώπου
#4 κακώς τραβηγμένα χέρια
#5 κακώς αποδομένα χέρια
#6 χαμηλή ανάλυση
#7 Εικόνες αποκομμένες στο επάνω, αριστερά, δεξιά και κάτω.
#8 κακή σύνθεση
#9 μεταλλαγμένα μέρη του σώματος
#10 θολή εικόνα
#11 παραμορφωμένος
#12 υπερκορεσμένο
#13 κακή ανατομία
#14 παραμορφωμένα χαρακτηριστικά του σώματος
Τυλίγοντας
Ελπίζουμε, αυτό το άρθρο, σας φώτισε με τα αρνητικά μηνύματα σταθερής διάχυσης. Δείξαμε δύο παραδείγματα αρνητικών προτροπών χρησιμοποιώντας το V2. Ενημερώστε μας ποια αρνητικά μηνύματα λειτούργησαν καλύτερα για εσάς. Μοιραστείτε τις σκέψεις σας στο πλαίσιο σχολίων. Ακολουθήστε το Deasilex για περισσότερες ενημερώσεις σχετικά με το Stable Diffusion.
Συχνές Ερωτήσεις
Q1. Σε τι εκπαιδεύτηκε το μοντέλο σταθερής διάχυσης;
Το βασικό σύνολο δεδομένων για το Stable Diffusion ήταν το υποσύνολο ετικετών αγγλικής γλώσσας 2b του LAION 5b, μιας παγκόσμιας ανίχνευσης στο Διαδίκτυο που δημιουργήθηκε από τη γερμανική μη κερδοσκοπική LAION. Το μοντέλο εκπαιδεύτηκε από την ομάδα CompVis στο Πανεπιστήμιο της Χαϊδελβέργης σύμφωνα με τη γερμανική νομοθεσία. Καμία συγκεκριμένη κατηγορία δεν συμπεριλήφθηκε ούτε εξαιρέθηκε από το υποκείμενο σύνολο δεδομένων.
Ε2. Μπορούν οι καλλιτέχνες να συμπεριλάβουν τη δουλειά τους στα δεδομένα εκπαίδευσης;
Τα δεδομένα του μοντέλου LAION 5b δεν είχαν επιλογή συμμετοχής ή εξαίρεσης. Προορίζεται να χρησιμεύσει ως γενική απεικόνιση του πώς αλληλεπιδρούν λέξεις και εικόνες στο Διαδίκτυο. Αναπτύσσουμε έναν μηχανισμό opt-in και opt-out για καλλιτέχνες και άλλους που οι υπηρεσίες μπορούν να χρησιμοποιήσουν σε συνεργασία με κορυφαίους οργανισμούς στο μέλλον για διαφορετικά μοντέλα. Τα αποτελέσματα αυτού του συστήματος δεν είναι ακριβή αντίγραφα οποιουδήποτε κομματιού επειδή μαθαίνει από αρχές.
Ε3. Θα χρειαστεί να μάθω πώς να κωδικοποιήσω για να εκτελέσω τοπικά το SD;
Όχι, αλλά θα έπρεπε να αισθάνεστε άνετα χρησιμοποιώντας έναν υπολογιστή. Πρέπει να ρυθμίσετε συγκεκριμένο λογισμικό και να τηρείτε τις οδηγίες της κοινότητας ανοιχτού κώδικα. Μπορείτε να ανακαλύψετε πολλές συμβουλές γραμμένες από μέλη της κοινότητας σχετικά με τον τρόπο εγκατάστασης και εκτέλεσης του Stable Diffusion τοπικά στους υπολογιστές σας, αν ρωτήσετε στο Discord. Στο κανάλι Stable Diffusion Discord, μοιραστείτε τις ανακαλύψεις σας με την ομάδα.
Q4. Το Stable Diffusion είναι ανοιχτού κώδικα, γιατί το Dreamstudio κοστίζει χρήματα;
Ενώ η Stability AI κυκλοφόρησε το μοντέλο Stable Diffusion ανοιχτού κώδικα, ο ιστότοπος DreamStudio ήταν υπό ανάπτυξη ως υπηρεσία για να επιτρέψει σε οποιονδήποτε να χρησιμοποιήσει αυτό το ισχυρό δημιουργικό εργαλείο χωρίς την ανάγκη εγκατάστασης λογισμικού, τεχνογνωσίας κωδικοποίησης ή ισχυρής τοπικής GPU.
Το DreamStudio χρεώνει τέλη για την κάλυψη των υπολογιστικών εξόδων που σχετίζονται με την παραγωγή κάθε εικόνας και καθώς η τεχνολογία προχωρά, στοχεύουμε να κάνουμε τις χρεώσεις λιγότερο ακριβές.
Q5. Ποια είναι τα πνευματικά δικαιώματα σε εικόνες που δημιουργούνται μέσω σταθερής διάδοσης στο Διαδίκτυο;
Οι εικόνες Stable Diffusion Online είναι εντελώς ανοιχτού κώδικα και καλύπτονται σαφώς από το CC0 1.0 Universal Public Domain Dedication.