ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಈಗ ಸ್ಪ್ರೆಡ್ಶೀಟ್ಗಳಲ್ಲಿ ಸಿಲುಕಿಕೊಂಡಿಲ್ಲ. ಅದು ರೇಖಾಚಿತ್ರ ಬರೆಯುವುದು, ಚಿತ್ರ ಬಿಡಿಸುವುದು, ಕೊಲಾಜಿಂಗ್ - ಕೆಲವೊಮ್ಮೆ ಆತಂಕಕಾರಿಯಾಗಿ ಚೆನ್ನಾಗಿ. ನೀವು ಎಂದಾದರೂ ಕುಳಿತು ಯೋಚಿಸಿದ್ದರೆ, ಸರಿ, ಆದರೆ ನಾನು ನಿಜವಾಗಿಯೂ AI ಗೆ ಏನು ಚಿತ್ರಿಸಬೇಕೆಂದು ಹೇಗೆ ಹೇಳುವುದು?- ಅಲ್ಲಿಯೇ “AI ಗಾಗಿ ಕಲಾ ಶೈಲಿಗಳು” ಎಂಬ ಕಲ್ಪನೆಯು ಕಾರ್ಯರೂಪಕ್ಕೆ ಬರುತ್ತದೆ.
ಕೆಳಗೆ, ಪಠ್ಯದಿಂದ ಚಿತ್ರಕ್ಕೆ ಬಳಸುವ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಯಾವ ಶೈಲಿಗಳು ಉತ್ತಮವಾಗಿ ಕ್ಲಿಕ್ ಆಗುತ್ತವೆ, ಅವು ಏಕೆ ಹಾಗೆ ಮಾಡುತ್ತವೆ ಮತ್ತು ನಿಮ್ಮ ಸ್ವಂತ ಸ್ಪಾರ್ಕ್ ಅನ್ನು ಕಳೆದುಕೊಳ್ಳದೆ ನೀವು ಅವುಗಳನ್ನು ಹೇಗೆ ನಿಯಂತ್ರಿಸಬಹುದು ಎಂಬುದರ ಕುರಿತು ನಾವು ಮಾತನಾಡುತ್ತೇವೆ. ಪ್ರಾಯೋಗಿಕ ಪರೀಕ್ಷೆಯಿಂದ (ಬಹು ರನ್ಗಳಲ್ಲಿ ನಿಜವಾಗಿ ಹಿಡಿದಿಟ್ಟುಕೊಂಡಿದ್ದನ್ನು ಒಳಗೊಂಡಂತೆ) ಕೆಲವು ಪ್ರಾಯೋಗಿಕ ಟಿಪ್ಪಣಿಗಳನ್ನು ಜೊತೆಗೆ ಕೆಲವು ತಾಂತ್ರಿಕ ಅಂಶಗಳನ್ನು ನಾನು ಇಲ್ಲಿ ವಿವರಿಸುತ್ತೇನೆ ಆದ್ದರಿಂದ ಪ್ರಕ್ರಿಯೆಯು ಡೈಸ್ಗಳನ್ನು ಉರುಳಿಸುವಂತೆ ಸ್ವಲ್ಪ ಕಡಿಮೆ ಭಾಸವಾಗುತ್ತದೆ [1][2][3][4][5].
ಇದರ ನಂತರ ನೀವು ಓದಲು ಇಷ್ಟಪಡಬಹುದಾದ ಲೇಖನಗಳು:
🔗 AI ಕಲೆಯನ್ನು ಹೇಗೆ ಮಾಡುವುದು: ಆರಂಭಿಕರಿಗಾಗಿ ಸಂಪೂರ್ಣ ಮಾರ್ಗದರ್ಶಿ
AI-ರಚಿತ ಡಿಜಿಟಲ್ ಕಲಾಕೃತಿಯನ್ನು ರಚಿಸಲು ಹಂತ-ಹಂತದ ಹರಿಕಾರ ಮಾರ್ಗದರ್ಶಿ.
🔗 AI-ರಚಿತ ಕಲೆಯ ಉದಯ: ಸೃಜನಶೀಲತೆಯನ್ನು ಬಿಡುಗಡೆ ಮಾಡುವುದು ಅಥವಾ ವಿವಾದವನ್ನು ಹುಟ್ಟುಹಾಕುವುದು
AI-ರಚಿತ ಕಲೆಯ ಸುತ್ತ ಸೃಜನಶೀಲತೆ, ನೀತಿಶಾಸ್ತ್ರ ಮತ್ತು ಚರ್ಚೆಗಳನ್ನು ಅನ್ವೇಷಿಸುವುದು.
🔗 ಗ್ರಾಫಿಕ್ ವಿನ್ಯಾಸಕ್ಕಾಗಿ ಅತ್ಯುತ್ತಮ AI ಪರಿಕರಗಳು: ಉನ್ನತ AI-ಚಾಲಿತ ವಿನ್ಯಾಸ ಸಾಫ್ಟ್ವೇರ್
ಆಧುನಿಕ ಗ್ರಾಫಿಕ್ ವಿನ್ಯಾಸದ ಕೆಲಸದ ಹರಿವುಗಳನ್ನು ಪರಿವರ್ತಿಸುವ ಶಕ್ತಿಶಾಲಿ AI ಪರಿಕರಗಳನ್ನು ಅನ್ವೇಷಿಸಿ.
AI ಗಾಗಿ ಕಲಾ ಶೈಲಿಗಳು ನಿಜವಾಗಿಯೂ ಉತ್ತಮವಾಗಲು ಕಾರಣವೇನು? ✨
ಶೈಲಿಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡುವುದು ಕೇವಲ ಪ್ರವೃತ್ತಿಯನ್ನು ಬೆನ್ನಟ್ಟುವುದಲ್ಲ. ಕೆಲವು ಶೈಲಿಗಳು ಮಾಡೆಲ್ಗಳಿಗೆ ಹಿಡಿದಿಟ್ಟುಕೊಳ್ಳುವುದು ಸುಲಭ. ಇದಕ್ಕೆ ಕೆಲವು ಕಾರಣಗಳು:
-
ಸ್ಪಷ್ಟತೆ - ನಿಜವಾಗಿಯೂ ವಿಭಿನ್ನವಾದ "ನಿಯಮಗಳನ್ನು" ಹೊಂದಿರುವ ಶೈಲಿಗಳು (ಕ್ಯೂಬಿಸಂನ ಮುರಿದ ಜ್ಯಾಮಿತಿ; ಮಂಗಾದ ಲೈನ್-ಹೆವಿ ಪ್ಯಾನೆಲ್ಗಳು) ಹೆಚ್ಚು ಪುನರಾವರ್ತನೀಯವಾಗಿರುತ್ತವೆ ಏಕೆಂದರೆ ಗುರಿ ದೃಶ್ಯಗಳು ಹೆಚ್ಚು ಚಲಿಸುವುದಿಲ್ಲ [3][4].
-
ನಮ್ಯತೆ - ಮಿಶ್ರಣ-ಸ್ನೇಹಿ ಶೈಲಿಗಳು ("ಸೈಬರ್ಪಂಕ್ + ವಾಸ್ತವಿಕತೆ" ಎಂದು ಹೇಳಿ) ಆಧುನಿಕ ಪ್ರಸರಣ ಮಾದರಿಗಳು ವಿಷಯಗಳನ್ನು ಸ್ವಚ್ಛವಾಗಿ ಮಿಶ್ರಣ ಮಾಡಲು ಅಡ್ಡ-ಗಮನವನ್ನು ಅವಲಂಬಿಸಲು ಅವಕಾಶ ಮಾಡಿಕೊಡುತ್ತವೆ [1].
-
ಗುರುತಿಸುವಿಕೆ - ತರಬೇತಿ ದತ್ತಾಂಶವು ಸಾವಿರ ಬಾರಿ ಕಂಡ ಶೈಲಿಗಳು (ಅನಿಮೆ, ಇಂಪ್ರೆಷನಿಸಂ, ಫೋಟೊರಿಯಲಿಸಂ) ಹೆಚ್ಚು ನಿಷ್ಠೆಯಿಂದ ಹೊರಬರುತ್ತವೆ [2].
-
ಮನಸ್ಥಿತಿ/ವಾತಾವರಣ - “ವಿಷಾದಭರಿತ,” “ಪ್ರಶಾಂತ,” ಅಥವಾ “ನಿಯಾನ್-ಲಿಟ್” ನಂತಹ ಪದಗಳು ಬೆಳಕು, ಪ್ಯಾಲೆಟ್ ಮತ್ತು ಸಂಯೋಜನೆಯನ್ನು ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ಭಾವಿಸುವ ರೀತಿಯಲ್ಲಿ ವಿಶ್ವಾಸಾರ್ಹವಾಗಿ ಬದಲಾಯಿಸುತ್ತವೆ [5].
ಗುರಿಯು ಕೆಲವು ಕ್ಲಿನಿಕಲ್ "ನಿಖರತೆ" ಅಲ್ಲ. ಇದು ನಿಮ್ಮ ಮನಸ್ಥಿತಿ ಅಥವಾ ಕಥೆಗೆ ಒಂದು ಪಾತ್ರೆಯಾಗಿ ಶೈಲಿಯಾಗಿದೆ - ಮತ್ತು ಮಾದರಿಯನ್ನು ಹೇಗೆ ಪ್ರಾಂಪ್ಟ್ ಮಾಡುವುದು ಎಂಬುದನ್ನು ಕಲಿಯುವುದು ಇದರಿಂದ ಅದು ಮತ್ತೆ ಮತ್ತೆ ಆ ಪಾತ್ರೆಯನ್ನು ಹೊಡೆಯಬಹುದು.
AI ಶೈಲಿಯನ್ನು ಹೇಗೆ "ನೋಡುತ್ತದೆ" (ಸರಳ ಆವೃತ್ತಿ, ಪರಿಭಾಷೆ ಓವರ್ಲೋಡ್ ಇಲ್ಲ)
ಆಧುನಿಕ ಪಠ್ಯದಿಂದ ಚಿತ್ರಕ್ಕೆ ಮಾದರಿಗಳು ಮೂರು ವಿಷಯಗಳನ್ನು ನಿರ್ವಹಿಸುತ್ತವೆ:
-
ಪಠ್ಯ–ಚಿತ್ರ ಹೊಂದಾಣಿಕೆ - CLIP ನಂತಹ ವ್ಯವಸ್ಥೆಗಳು “ಯಾವ ಪದಗಳು ಯಾವ ನೋಟದೊಂದಿಗೆ ಹೋಗುತ್ತವೆ” ಎಂಬುದನ್ನು ಕಲಿಯುತ್ತವೆ. ಆದ್ದರಿಂದ ನೀವು “ಗ್ರಿಟಿ ಇಂಕ್ ವಾಶ್” ಎಂದು ಹೇಳಿದಾಗ, ಅದು ಆ ಪದಗುಚ್ಛವನ್ನು ದೃಶ್ಯಗಳಿಗೆ ನಕ್ಷೆ ಮಾಡುತ್ತದೆ [3].
-
ಸುಪ್ತ ಜಾಗದಲ್ಲಿ ಪ್ರಸರಣ - ಹುಡ್ ಅಡಿಯಲ್ಲಿ, ಸುಪ್ತ ಪ್ರಸರಣವು ನಿಮ್ಮ ವಿವರಣೆಯ ಕಡೆಗೆ ಗದ್ದಲದ ಚಿತ್ರವನ್ನು ಕ್ರಮೇಣ ತೀಕ್ಷ್ಣಗೊಳಿಸುತ್ತದೆ. ಅದು ದಕ್ಷತೆ ಮತ್ತು ನಿಯಂತ್ರಣ ಎರಡನ್ನೂ ಹೇಗೆ ಪಡೆಯುತ್ತದೆ [1].
-
ಪ್ರಾಂಪ್ಟ್ ಮಾರ್ಪಡಕಗಳು - ಸಣ್ಣ "ಸಮುದಾಯ ಹ್ಯಾಕ್ಗಳು" - ಸಿನಿಮೀಯ ಬೆಳಕು, ರಿಮ್ ಬೆಳಕು, ಹೆಚ್ಚಿನ ಕಾಂಟ್ರಾಸ್ಟ್ ಫಿಲ್ಮ್ ಗ್ರೇನ್ - ನೀವು ಜೋಡಿಸಬಹುದಾದ ಹೊಂದಾಣಿಕೆ ಡಯಲ್ಗಳಂತೆ [5].
ಇದು ಏಕೆ ಮುಖ್ಯ: ತರಬೇತಿ ದತ್ತಾಂಶದಲ್ಲಿ ಶೈಲಿಯು ಸ್ಪಷ್ಟವಾಗಿ ಅಸ್ತಿತ್ವದಲ್ಲಿದ್ದರೆ ಮತ್ತು ನೀವು ಅದನ್ನು ಸರಿಯಾದ ಆಡ್-ಆನ್ಗಳೊಂದಿಗೆ ವಿವರಿಸಿದರೆ, ನೀವು ಸ್ಥಿರವಾದ ಫಲಿತಾಂಶಗಳನ್ನು ವೇಗವಾಗಿ ಪಡೆಯುತ್ತೀರಿ [1][2][5].
ಹೋಲಿಕೆ ಕೋಷ್ಟಕ: AI ಗಾಗಿ ಜನಪ್ರಿಯ ಕಲಾ ಶೈಲಿಗಳು 🖌️
ಗೊಂದಲಮಯ ಆದರೆ ಉಪಯುಕ್ತವಾದ ಚೀಟ್ ಶೀಟ್ ಬರುತ್ತಿದೆ:
| ಕಲಾ ಶೈಲಿ | ಪ್ರೇಕ್ಷಕರು | ಬೆಲೆ (AI ಪರಿಕರಗಳು) | ಅದು ಏಕೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ |
|---|---|---|---|
| ವಾಸ್ತವಿಕತೆ | ಛಾಯಾಗ್ರಾಹಕರು, ಬ್ರ್ಯಾಂಡ್ಗಳು | ಉಚಿತ - $$$ | ಹೊಳಪು ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿ ಕಾಣುತ್ತದೆ |
| ಅನಿಮೆ/ಮಂಗಾ | ಕಿರಿಯ ಅಭಿಮಾನಿಗಳು, ಆಟಗಾರರು | ಉಚಿತ - ಮಧ್ಯಮ ವೆಚ್ಚ | ಬಲವಾದ ಸಾಲಿನ ರಚನೆ; ತಕ್ಷಣ ಓದಬಹುದು |
| ಸರ್ರಿಯಲಿಸಂ | ಸೃಜನಶೀಲರು, ಕನಸುಗಾರರು | ಉಚಿತ | ವಿಚಿತ್ರವಾದ ಮ್ಯಾಶ್ಅಪ್ಗಳು ಡಿಫ್ಯೂಷನ್ಗೆ ಚೆನ್ನಾಗಿ ಹೊಂದಿಕೊಳ್ಳುತ್ತವೆ |
| ಸೈಬರ್ಪಂಕ್ | ತಂತ್ರಜ್ಞಾನ ಪ್ರಿಯರು, ಭವಿಷ್ಯವಾದಿಗಳು | ಸಾಮಾನ್ಯವಾಗಿ ಉಚಿತ ಆಡ್-ಆನ್ಗಳು | ನಿಯಾನ್ + ಕಾಂಟ್ರಾಸ್ಟ್ = ತತ್ಕ್ಷಣದ ವಾವ್ ಫ್ಯಾಕ್ಟರ್ ⚡ |
| ಇಂಪ್ರೆಷನಿಸಂ | ಕಲಾ ಆಸಕ್ತರು | ಮಧ್ಯಮ ವೆಚ್ಚ | ತಿಳಿ + ಬ್ರಶಿ ಟೆಕ್ಸ್ಚರ್ಗಳು ಮಾದರಿ ಸ್ನೇಹಿಯಾಗಿವೆ |
| ಲೋ ಪಾಲಿ 3D | ವಿನ್ಯಾಸಕರು, ಅಭಿವೃದ್ಧಿಗಾರರು | ವೈವಿಧ್ಯಮಯ | ಸರಳ ರೇಖಾಗಣಿತವು ಫಲಿತಾಂಶಗಳನ್ನು ಸುಸಂಬದ್ಧವಾಗಿರಿಸುತ್ತದೆ |
| ಪಿಕ್ಸೆಲ್ ಕಲೆ | ಆಟಗಾರರು, ನಾಸ್ಟಾಲ್ಜಿಯಾ ಅನ್ವೇಷಕರು | ಉಚಿತ (ಹೆಚ್ಚಾಗಿ) | ಕಠಿಣ ನಿರ್ಬಂಧಗಳ ಮಾರ್ಗದರ್ಶಿ ಸಂಯೋಜನೆ |
ಫೀಲ್ಡ್ ಸ್ಕ್ರಿಬಲ್: ಸೈಬರ್ಪಂಕ್ಗಾಗಿ, "ಸಾಫ್ಟ್ ರಿಮ್-ಲೈಟ್ + ವಾಲ್ಯೂಮೆಟ್ರಿಕ್ ಫಾಗ್" ಅನ್ನು ಪೇರಿಸುವುದರಿಂದ ವಿಷಯಗಳು ಪಾಪ್ ಆಗುತ್ತವೆ. ಪಿಕ್ಸೆಲ್ ಕಲೆಗಾಗಿ, ಅತಿ-ಕ್ಲೀನ್ ಔಟ್ಪುಟ್ಗಳನ್ನು ತಪ್ಪಿಸಲು ಅದನ್ನು "8-ಬಿಟ್, 32×32, ಲಿಮಿಟೆಡ್ ಪ್ಯಾಲೆಟ್" ನೊಂದಿಗೆ ಕ್ಲ್ಯಾಂಪ್ ಮಾಡಿ
ಡೀಪ್ ಡೈವ್: ರಿಯಲಿಸಂ vs. ಸರ್ರಿಯಲಿಸಂ 🎭
ವಾಸ್ತವಿಕತೆಯು ಅನುಪಾತ ಮತ್ತು ವಿವರಗಳಿಗೆ ಪರಿಪೂರ್ಣವಾಗಿದೆ, ಇಲ್ಲಿ ವಿಶ್ವಾಸಾರ್ಹತೆಯು ಮುಖ್ಯವಾಗಿದೆ. ಫೋಟೊರಿಯಲ್, ಆಳವಿಲ್ಲದ DOF, ಸ್ಟುಡಿಯೋ ಲೈಟಿಂಗ್, 85mm ಲೆನ್ಸ್ನಂತಹ AI ಗೆ ಸ್ಪಷ್ಟ ತಾಂತ್ರಿಕ ಆಧಾರಗಳನ್ನು ನೀಡುತ್ತವೆ.
ಮತ್ತೊಂದೆಡೆ, ನವ್ಯ ಸಾಹಿತ್ಯ ಸಿದ್ಧಾಂತವು ವಿಚಿತ್ರವಾದದ್ದಕ್ಕೆ ಒಲವು ತೋರುತ್ತದೆ. ಪ್ರಸರಣ ಮಾದರಿಗಳು ವಾಸ್ತವವಾಗಿ ಇಲ್ಲಿ ಹೊಳೆಯುತ್ತವೆ: “ಗಡಿಯಾರಗಳಿಂದ ಮಾಡಿದ ಬಸವನ ಹುಳು,” “ಪಿಟೀಲು-ತಂತಿ ನಗರ” - ಮಾನವರು ತರ್ಕಬದ್ಧಗೊಳಿಸಲು ಸಾಧ್ಯವಾಗದ ವಿಷಯಗಳು ಆದರೆ ಮಾದರಿಯು ದೃಷ್ಟಿಗೋಚರವಾಗಿ ಒಟ್ಟಿಗೆ ಹೊಲಿಯಬಹುದು. ಅದು ಅಡ್ಡ-ಗಮನವು ಸದ್ದಿಲ್ಲದೆ ತನ್ನ ಮ್ಯಾಜಿಕ್ ಅನ್ನು ಮಾಡುತ್ತಿದೆ [1]. ಉತ್ತಮ ಟ್ಯಾಗ್ಗಳು: ಕನಸಿನಂತಹ, ಅಸಾಧ್ಯವಾದ ಜ್ಯಾಮಿತಿ, ಎಸ್ಚರ್-ಎಸ್ಕ್ಯೂ .
ಅನಿಮೆ & ಮಂಗಾ: ದಿ ಎಐ ಡಾರ್ಲಿಂಗ್ 🌸
ಅನಿಮೆ/ಮಂಗಾ ಬಹುತೇಕ ಅನ್ಯಾಯವಾಗಿ ಪರಿಣಾಮಕಾರಿಯಾಗಿದೆ. ವ್ಯಾಖ್ಯಾನಿಸಲಾದ ಲೀನಿಯರ್ಟ್, ಸೆಲ್ ಶೇಡಿಂಗ್ ಮತ್ತು ಐಕಾನಿಕ್ ಅನುಪಾತಗಳು ಮಾದರಿಗೆ ಲಾಕ್-ಇನ್ ಟೆಂಪ್ಲೇಟ್ ಅನ್ನು ನೀಡುತ್ತವೆ, ಜೊತೆಗೆ ಇದು ತರಬೇತಿ ಡೇಟಾದಲ್ಲಿ ಹಾಸ್ಯಾಸ್ಪದವಾಗಿ ಸಾಮಾನ್ಯವಾಗಿದೆ [2]. ಮತ್ತು ಮಿಶ್ರತಳಿಗಳು? ಚಿನ್ನ. ಸೈಬರ್ಪಂಕ್ ಅನಿಮೆ ಸಮುರಾಯ್ ಅಥವಾ ಸ್ಟೀಮ್ಪಂಕ್ ಮಂಗಾ ಪತ್ತೇದಾರಿ.
ಒಲವು ತೋರಲು ತ್ವರಿತ ಸ್ಕ್ಯಾಫೋಲ್ಡ್ಗಳು:
-
"ಅನಿಮೆ ಕೀ ದೃಶ್ಯ, ಕ್ರಿಯಾತ್ಮಕ ಭಂಗಿ, ಕ್ಲೀನ್ ಲೀನಿಯರ್ಟ್, ಸೆಲ್ ಶೇಡಿಂಗ್, ಅಭಿವ್ಯಕ್ತಿಶೀಲ ಕಣ್ಣುಗಳು, ವಿವರವಾದ ಹಿನ್ನೆಲೆ"
-
“ಮಂಗಾ ಪ್ಯಾನಲ್, ಸ್ಕ್ರೀನ್ಟೋನ್ ಶೇಡಿಂಗ್, ಡಚ್ ಆಂಗಲ್, ಇಂಕಿಂಗ್ ಮಹತ್ವ”
ಗಮನಿಸಿ: ಔಟ್ಪುಟ್ಗಳು ಕೆಸರುಮಯವಾಗಿ ಕಂಡುಬಂದರೆ, “ಕ್ಲೀನ್ ಲೀನಿಯರ್ಟ್, ಫ್ಲಾಟ್ ಶೇಡಿಂಗ್” ಅಥವಾ “ಸೀಮಿತ ಪ್ಯಾಲೆಟ್” ನೊಂದಿಗೆ ಬಣ್ಣಗಳನ್ನು ನಿರ್ಬಂಧಿಸಿ.
ಸೈಬರ್ಪಂಕ್ ಮತ್ತು ಫ್ಯೂಚರಿಸ್ಟಿಕ್ ಶೈಲಿಗಳು ⚡
ನಿಯಾನ್ ಚಿಹ್ನೆಗಳು, ಕ್ರೋಮ್ ಪ್ರತಿಫಲನಗಳು, ಮಳೆಯ ರಾತ್ರಿಗಳು - ಈ ಮಾದರಿಯು ಇದನ್ನೆಲ್ಲಾ ತಿನ್ನುತ್ತದೆ. ಡಿಫ್ಯೂಷನ್ ಹೆಚ್ಚಿನ ಕಾಂಟ್ರಾಸ್ಟ್ ಲೈಟಿಂಗ್ + ಪ್ರತಿಫಲಿತ ವಸ್ತುಗಳನ್ನು ಸುಂದರವಾಗಿ ನಿರ್ವಹಿಸುತ್ತದೆ. "ನಿಯಾನ್-ಲಿಟ್ ಅಲ್ಲೆ, ವಾಲ್ಯೂಮೆಟ್ರಿಕ್ ಮಂಜು, ಕೊಚ್ಚೆಗುಂಡಿ ಪ್ರತಿಫಲನಗಳು" ಹೆಚ್ಚಾಗಿ ಪೋಸ್ಟರ್-ರೆಡಿಯಾಗಿ ಕಾಣುತ್ತವೆ.
ಪರಿಹಾರ ಸಲಹೆ: ಮೇಣದಂತಹ ಮುಖಗಳು? ಪ್ರಾಂಪ್ಟ್ನಲ್ಲಿ “ಸಬ್ಸರ್ಫೇಸ್ ಸ್ಕ್ಯಾಟರಿಂಗ್, ಫಿಲ್ಮಿಕ್ ಗ್ರೇಡಿಂಗ್” ಮತ್ತು ಕಡಿಮೆ “ಶಬ್ದ” ತೂಕವನ್ನು ಸೇರಿಸಿ
ಇಂಪ್ರೆಷನಿಸಂ & ಪೇಂಟರ್ಲಿ ಟೆಕ್ಸ್ಚರ್ಸ್ 🎨
ಇಲ್ಲಿ ವಿವರಗಳು ರಾಜನಲ್ಲ. ಇಂಪ್ರೆಷನಿಸಂ ಮೃದುವಾದ ಅಂಚುಗಳು, ಮುರಿದ ಬಣ್ಣ ಮತ್ತು ಬೆಳಕಿನ ಆಟದಲ್ಲಿ ಬೆಳೆಯುತ್ತದೆ. ಗೋಚರಿಸುವ ಬ್ರಷ್ಸ್ಟ್ರೋಕ್ಗಳು, ಪ್ಲೀನ್-ಏರ್ ಲೈಟಿಂಗ್, ಗೋಲ್ಡನ್ ಅವರ್ ನಂತಹ ಪ್ರಾಂಪ್ಟ್ಗಳು ಚೆನ್ನಾಗಿ ಕೆಲಸ ಮಾಡುತ್ತವೆ. ಮಾದರಿಯು ಅತಿ-ರೆಂಡರಿಂಗ್ ಇಲ್ಲದೆ ವಿವರಗಳನ್ನು ಸೂಚಿಸುತ್ತದೆ, ಇದು ಸಾಕಷ್ಟು ತಮಾಷೆಯಾಗಿದೆ - ಅಧಿಕೃತ ಮತ್ತು ಕಂಪ್ಯೂಟೇಶನಲ್ ಆಗಿ ಸುಲಭ [4].
ಕನಿಷ್ಠೀಯತೆ, ಪಿಕ್ಸೆಲ್ ಕಲೆ ಮತ್ತು ರೆಟ್ರೋ 🕹️
ನಿರ್ಬಂಧಗಳು ಸರಳಗೊಳಿಸುತ್ತವೆ. ಜ್ಯಾಮಿತಿ ಸ್ಪಷ್ಟತೆಯ ಮೇಲೆ ಕಡಿಮೆ-ಪಾಲಿ ಒಲವು; ಪಿಕ್ಸೆಲ್ ಕಲೆಯನ್ನು ರೆಸಲ್ಯೂಶನ್ + ಪ್ಯಾಲೆಟ್ ಮೂಲಕ ಲಾಕ್ ಮಾಡಲಾಗಿದೆ.
ಉಪಯುಕ್ತ ಪ್ರಾಂಪ್ಟ್ ಚೌಕಟ್ಟುಗಳು:
-
"ಲೋ-ಪಾಲಿ ಡಿಯೋರಾಮಾ, ಗಟ್ಟಿಯಾದ ಅಂಚುಗಳು, ಫ್ಲಾಟ್ ಶೇಡಿಂಗ್, ಆಂಬಿಯೆಂಟ್ ಅಕ್ಲೂಷನ್"
-
“ಪಿಕ್ಸೆಲ್ ಕಲೆ, 32×32 ಸ್ಪ್ರೈಟ್, NES ಶೈಲಿ, ಸೀಮಿತ ಡಿಥರಿಂಗ್”
ಪಕ್ಕದ ಟಿಪ್ಪಣಿ: ಪಿಕ್ಸೆಲ್ ಕಲೆ ತುಂಬಾ ನುಣುಪಾದವಾಗಿ ಕಂಡುಬಂದರೆ, ಅನಲಾಗ್ ಗ್ರಿಟ್ಗಾಗಿ “CRT ಸ್ಕ್ಯಾನ್ಲೈನ್ಗಳು, ಡಿಥರ್ಡ್ ನೆರಳುಗಳು” ಸೇರಿಸಿ
ಹೈಬ್ರಿಡ್ ಮ್ಯಾಶಪ್ಗಳು: AI ಹೊಳೆಯುವ ಸ್ಥಳ ✨
ವೈಲ್ಡ್ ಕಾರ್ಡ್: ಅಡ್ಡ-ಪರಾಗಸ್ಪರ್ಶ. ಪ್ರಸರಣವು ಹೆಚ್ಚಿನ ಕಲಾವಿದರು ಸ್ಪರ್ಶಿಸದ ಪ್ರಭಾವಗಳನ್ನು ವಿಲೀನಗೊಳಿಸಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ -ವ್ಯಾನ್ ಗಾಗ್ ಸೈಬರ್ಪಂಕ್, ಅನಿಮೆ ನಾಯ್ರ್ ಕ್ಯೂಬಿಸಂ, ನವೋದಯ ಮೆಕಾ ಏಂಜೆಲ್. ಇದು ನರ ಶೈಲಿ ವರ್ಗಾವಣೆ 2.0 ರಂತಿದೆ, ಆದರೆ ಹೆಚ್ಚು ನಿಯಂತ್ರಿಸಬಹುದಾಗಿದೆ [1][4].
ಪಾಕವಿಧಾನ ಸ್ವರೂಪ:[ವಿಷಯ] + [ಯುಗ/ಚಲನೆ] + [ಬೆಳಕು] + [ಮಧ್ಯಮ/ವಸ್ತು] + [ಸಂಯೋಜನೆ] + [ಪ್ಯಾಲೆಟ್/ಮನಸ್ಥಿತಿ]
ಉದಾ: “ಮೇಲ್ಛಾವಣಿಯ ಮೇಲೆ ಪಿಟೀಲು ವಾದಕ - ಇಂಪ್ರೆಷನಿಸ್ಟ್ ಎಣ್ಣೆ ಚಿತ್ರಕಲೆ - ಗೋಲ್ಡನ್ ಅವರ್ ಬ್ಯಾಕ್ಲೈಟ್ - ಆಫ್-ಸೆಂಟರ್ - ನಾಸ್ಟಾಲ್ಜಿಕ್ ಪ್ಯಾಲೆಟ್.”
ಫಲಿತಾಂಶಗಳನ್ನು ನಿಜವಾಗಿಯೂ ಬದಲಾಯಿಸುವ ಪ್ರಾಂಪ್ಟ್ ಪ್ಯಾಟರ್ನ್ಗಳು 🛠️
ಪುನರಾವರ್ತಿತ ಪ್ರಾಯೋಗಿಕ ಪರೀಕ್ಷೆಗಳಿಂದ:
-
ಮಧ್ಯಮ + ಶೈಲಿಯ ಜೋಡಣೆಯು ಅಂಚುಗಳು/ವಿನ್ಯಾಸಗಳನ್ನು ಸ್ಪಷ್ಟಪಡಿಸುತ್ತದೆ: ತೈಲ ಸರ್ರಿಯಲಿಸಂ, ಡಿಜಿಟಲ್ ಮಂಗಾ [5].
-
ಲೈಟಿಂಗ್ ಫಸ್ಟ್ ಪದ ಜೋಡಣೆಗಿಂತ ವಾಸ್ತವಿಕತೆಯನ್ನು ಬದಲಾಯಿಸುತ್ತದೆ.
-
ಕ್ಯಾಮೆರಾ ಭಾಷೆ (ಕೋನಗಳು, ಲೆನ್ಸ್ ಉದ್ದಗಳು) ತ್ವರಿತ ಮುನ್ಸೂಚನೆಯನ್ನು ನೀಡುತ್ತದೆ.
-
ಕನಿಷ್ಠೀಯತೆ ಅಥವಾ ಪಿಕ್ಸೆಲ್ ಕಲೆಗಾಗಿ ನಿರ್ಬಂಧಗಳು ಮುಖ್ಯ - ಸ್ಪಷ್ಟವಾಗಿ ರೆಸಲ್ಯೂಶನ್/ಪ್ಯಾಲೆಟ್ ಅನ್ನು ಒತ್ತಾಯಿಸುತ್ತವೆ
-
ಸಣ್ಣ ಸಂಪಾದನೆಗಳು > ದೊಡ್ಡ ಪುನಃ ಬರೆಯುವಿಕೆಗಳು. "ನಿಯಾನ್" → "ಸೋಡಿಯಂ-ಆವಿ" ಅನ್ನು ಬದಲಾಯಿಸುವುದು ಪೂರ್ಣ ಕೂಲಂಕುಷ ಪರೀಕ್ಷೆಗಿಂತ ಹೆಚ್ಚಾಗಿ ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿದೆ [5].
ಒಂದು ತ್ವರಿತ ರಿಯಾಲಿಟಿ ಪರಿಶೀಲನೆ 🔍
-
ಪಕ್ಷಪಾತ - ಸಾಮಾನ್ಯ ಆನ್ಲೈನ್ ಶೈಲಿಗಳು (ಅನಿಮೆ, ಫೋಟೊರಿಯಲಿಸಂ) ಫಲಿತಾಂಶಗಳಲ್ಲಿ ಪ್ರಾಬಲ್ಯ ಹೊಂದಿವೆ; ಅಪರೂಪದವುಗಳಿಗೆ ಉಲ್ಲೇಖ ಅಥವಾ ಸೂಕ್ಷ್ಮ-ಶ್ರುತಿ ಅಗತ್ಯವಿದೆ [2].
-
ಅತಿವಾಸ್ತವಿಕತೆ ಏಕೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ - ಪ್ರಸರಣದ ಸಡಿಲತೆಯು ಅಂಗರಚನಾಶಾಸ್ತ್ರದ ತಪ್ಪುಗಳನ್ನು ಮರೆಮಾಡುತ್ತದೆ - ವಿಚಿತ್ರವಾದ ವಿಷಯಗಳನ್ನು ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ಕಾಣುವಂತೆ ಮಾಡುತ್ತದೆ [1].
-
ಪ್ರಾಂಪ್ಟ್ ಡ್ರಿಫ್ಟ್ - ಪ್ರತಿಯೊಂದು ಔಟ್ಪುಟ್ ಒಂದೇ ರೀತಿ ಕಂಡುಬಂದರೆ, ವಿಷಯವನ್ನು ಕೂಲಂಕಷವಾಗಿ ಪರಿಶೀಲಿಸುವ ಮೊದಲು ಮಾರ್ಪಾಡುಗಳನ್ನು ಟ್ವೀಕ್ ಮಾಡಿ [5].
-
ಹಕ್ಕುಗಳು/ನೀತಿಶಾಸ್ತ್ರ - ಡೇಟಾಸೆಟ್ಗಳನ್ನು ವ್ಯಾಪಕವಾಗಿ ಪರಿಶೀಲಿಸಲಾಗುತ್ತದೆ; ಔಟ್ಪುಟ್ಗಳನ್ನು ಜವಾಬ್ದಾರಿಯುತವಾಗಿ ಬಳಸಿ, ವಿಶೇಷವಾಗಿ ವಾಣಿಜ್ಯಿಕವಾಗಿ [2].
ಮಿನಿ ಕೇಸ್ ನೋಟ್ಸ್ (ನನ್ನ ಸ್ಯಾಂಡ್ಬಾಕ್ಸ್ನಿಂದ) 🧪
-
ಸೈಬರ್ಪಂಕ್ ಭಾವಚಿತ್ರ - “ಭಾವಚಿತ್ರ, ಟೀಲ್-ಮೆಜೆಂಟಾ ನಿಯಾನ್, ಮಳೆಯ ಅಲ್ಲೆ, ರಿಮ್-ಲೈಟ್, 85mm, ಸಿನಿಮೀಯ ಬೊಕೆ”
ಕೆಲಸ ಮಾಡಿದ್ದು ಏಕೆಂದರೆ: ಲೆನ್ಸ್ + ಲೈಟಿಂಗ್ ಉಗುರುಗಳಿಂದ ಕೂಡಿದ ವಿಷಯ/ಹಿನ್ನೆಲೆ ಬೇರ್ಪಡಿಕೆ. -
ಇಂಪ್ರೆಷನಿಸ್ಟ್ ಲ್ಯಾಂಡ್ಸ್ಕೇಪ್ - “ಸುವರ್ಣ ಗಂಟೆಯಲ್ಲಿ ನದಿಯ ದಡ, ಇಂಪ್ರೆಷನಿಸ್ಟ್ ತೈಲ ವರ್ಣಚಿತ್ರ, ಗೋಚರಿಸುವ ಬ್ರಷ್ಸ್ಟ್ರೋಕ್ಗಳು” ಮಧ್ಯಮ ಸೆಟ್ ವಿನ್ಯಾಸ, ಬೆಳಕು ಉಷ್ಣತೆಯನ್ನು ನಿಭಾಯಿಸಿದ ಕಾರಣ ಕೆಲಸ ಮಾಡಿದೆ
-
ಪಿಕ್ಸೆಲ್-ಆರ್ಟ್ ಕ್ರಿಯೇಚರ್ - “32×32 ಪಿಕ್ಸೆಲ್ ಡ್ರ್ಯಾಗನ್, ಸೀಮಿತ ಡಿಥರಿಂಗ್, 1-ಪಿಕ್ಸೆಲ್ ಔಟ್ಲೈನ್, ಐಸೊಮೆಟ್ರಿಕ್”
ಕೆಲಸ ಮಾಡಿದೆ ಏಕೆಂದರೆ: ನಿರ್ಬಂಧಗಳು ಸುಗಮಗೊಳಿಸುವುದನ್ನು ನಿಲ್ಲಿಸಿದವು.
ತ್ವರಿತ ಉಲ್ಲೇಖ ಪ್ರಾಂಪ್ಟ್ಗಳು (ನಕಲಿಸಿ/ಅಂಟಿಸಿ)
-
ವಾಸ್ತವಿಕತೆ (ಉತ್ಪನ್ನ): “ಸ್ಟುಡಿಯೋ ಉತ್ಪನ್ನದ ಫೋಟೋ, ಸಾಫ್ಟ್ಬಾಕ್ಸ್ ಲೈಟಿಂಗ್, 50mm ಲೆನ್ಸ್, ಹೊಳಪುಳ್ಳ ಸೆರಾಮಿಕ್, ಕ್ಲೀನ್ ಸ್ವೀಪ್”
-
ಅನಿಮೆ ಆಕ್ಷನ್: “ಅನಿಮೆ ಕೀ ದೃಶ್ಯ, ಮುಂಚಿನ-ಸಂಕ್ಷಿಪ್ತ ಡೈನಾಮಿಕ್ ಭಂಗಿ, ಸೆಲ್ ಶೇಡಿಂಗ್, ವೇಗ ರೇಖೆಗಳು”
-
ಅತಿವಾಸ್ತವಿಕ ಚಿತ್ರಣ: “ಕನಸಿನ ದೃಶ್ಯ, ಅಸಾಧ್ಯ ರೇಖಾಗಣಿತ, ತೇಲುವ ಮೆಟ್ಟಿಲುಗಳು, ಮೃದುವಾದ ಮಂಜು, ಗೋಲ್ಡನ್-ಅವರ್ ಬೆಳಕಿನ ಧಾನ್ಯ”
-
ಲೋ-ಪಾಲಿ ದೃಶ್ಯ: “ಐಸೋಮೆಟ್ರಿಕ್ ಲೋ-ಪಾಲಿ ಟೌನ್, ಫ್ಲಾಟ್ ಶೇಡಿಂಗ್, ಆಂಬಿಯೆಂಟ್ ಅಕ್ಲೂಷನ್, ಪ್ಯಾಸ್ಟೆಲ್ ಪ್ಯಾಲೆಟ್”
-
ಇಂಪ್ರೆಷನಿಸ್ಟ್ ಭಾವಚಿತ್ರ: “ಕ್ಯಾನ್ವಾಸ್ ಮೇಲೆ ಎಣ್ಣೆ ಚಿತ್ರಕಲೆ, ಸಡಿಲವಾದ ಬ್ರಷ್ವರ್ಕ್, ರಿಮ್ ಲೈಟ್, ಇಂಪಾಸ್ಟೊ ಹೈಲೈಟ್ಸ್”
ಅಂತಿಮ 🖼️
“AI ಗಾಗಿ ಕಲಾ ಶೈಲಿಗಳು” ನಿಯಮ ಪುಸ್ತಕಗಳಲ್ಲ - ಅವು ಆಟದ ಮೈದಾನಗಳು. ನಂಬಿಕೆ ಮುಖ್ಯವಾದಾಗ ವಾಸ್ತವಿಕತೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ; ವಾಸ್ತವವನ್ನು ಮುರಿಯಲು ಬಯಸಿದಾಗ ಅತಿವಾಸ್ತವಿಕತೆ; ಶೈಲಿಗಳನ್ನು ಮಿಶ್ರಣ ಮಾಡಲು ಸ್ಥಳಾವಕಾಶದೊಂದಿಗೆ ಸ್ಪಷ್ಟತೆಯ ಅಗತ್ಯವಿರುವಾಗ ಅನಿಮೆ/ಮಂಗಾ. ಗೆಲ್ಲುವ ತಂತ್ರವೆಂದರೆ ರಚನಾತ್ಮಕ ಆಟ: ಶೈಲಿಯನ್ನು ಆರಿಸಿ, ಬೆಳಕು + ಮಧ್ಯಮವನ್ನು ಆರಿಸಿ, ಕೆಲವು ಮಾರ್ಪಾಡುಗಳನ್ನು ಸೇರಿಸಿ, ನಂತರ ಪುನರಾವರ್ತಿಸಿ. ಅದು ನಿಮಗೆ ಏನನ್ನಾದರೂ ಅನುಭವಿಸುವಂತೆ ಮಾಡಿದರೆ - ಅದು ವಿಚಿತ್ರವಾಗಿ ಅಪೂರ್ಣವಾಗಿದ್ದರೂ ಸಹ - ನೀವು ವಲಯದಲ್ಲಿದ್ದೀರಿ.
ಉಲ್ಲೇಖಗಳು
[1] ರೊಂಬಾಚ್, ಆರ್. ಮತ್ತು ಇತರರು (2022). ಸುಪ್ತ ಪ್ರಸರಣ ಮಾದರಿಗಳೊಂದಿಗೆ ಹೈ-ರೆಸಲ್ಯೂಶನ್ ಇಮೇಜ್ ಸಿಂಥೆಸಿಸ್ (CVPR). PDF
[2] ಶುಹ್ಮನ್, ಸಿ. ಮತ್ತು ಇತರರು (2022). LAION-5B: ಮುಂದಿನ ಪೀಳಿಗೆಯ ಚಿತ್ರ-ಪಠ್ಯ ಮಾದರಿಗಳಿಗೆ ತರಬೇತಿ ನೀಡಲು ಮುಕ್ತ ದೊಡ್ಡ-ಪ್ರಮಾಣದ ಡೇಟಾಸೆಟ್. PDF
[3] ರಾಡ್ಫೋರ್ಡ್, ಎ. ಮತ್ತು ಇತರರು (2021). ನೈಸರ್ಗಿಕ ಭಾಷಾ ಮೇಲ್ವಿಚಾರಣೆಯಿಂದ ವರ್ಗಾಯಿಸಬಹುದಾದ ದೃಶ್ಯ ಮಾದರಿಗಳನ್ನು ಕಲಿಯುವುದು (CLIP). PDF
[4] ಗ್ಯಾಟಿಸ್, ಎಲ್. ಮತ್ತು ಇತರರು (2016). ಕನ್ವಲ್ಯೂಷನಲ್ ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್ಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಇಮೇಜ್ ಸ್ಟೈಲ್ ಟ್ರಾನ್ಸ್ಫರ್ (CVPR). PDF
[5] ಓಪನ್ಲೇಂಡರ್, ಜೆ. (2024). ಪಠ್ಯದಿಂದ ಚಿತ್ರಕ್ಕೆ ಉತ್ಪಾದನೆಗಾಗಿ ಪ್ರಾಂಪ್ಟ್ ಮಾರ್ಪಾಡುಗಳ ವರ್ಗೀಕರಣ. ನಡವಳಿಕೆ ಮತ್ತು ಮಾಹಿತಿ ತಂತ್ರಜ್ಞಾನ. ಲೇಖನ