Художні стилі для штучного інтелекту: дослідження творчих можливостей

Штучний інтелект більше не застряг в електронних таблицях. Він малює ескізи, малює, створює колажі – іноді напрочуд добре. Якщо ви коли-небудь сідали й думали: « Гаразд, але як насправді сказати штучному інтелекту, що малювати?» – ось тут і виникає ідея «художніх стилів для штучного інтелекту».

Нижче ми розглянемо, які стилі найкраще працюють із системами перетворення тексту на зображення, чому це так, і як ви можете керувати ними, не втрачаючи власної іскри. Я додам кілька практичних нотаток з практичного тестування (включаючи те, що насправді витримало кілька запуску), а також деякі технічні деталі, щоб процес трохи менше нагадував кидання кубиків [1][2][3][4][5].

Статті, які вам, можливо, буде цікаво прочитати після цієї:

🔗 Як створювати мистецтво зі штучним інтелектом: повний посібник для початківців
Покроковий посібник для початківців зі створення цифрових творів мистецтва, згенерованих штучним інтелектом.

🔗 Світанок мистецтва, створеного штучним інтелектом: розкриття творчості чи розпалювання суперечок
Дослідження креативності, етики та дебатів навколо мистецтва, створеного штучним інтелектом.

🔗 Найкращі інструменти штучного інтелекту для графічного дизайну: найкраще програмне забезпечення для дизайну на базі штучного інтелекту
Відкрийте для себе потужні інструменти штучного інтелекту, які трансформують сучасні робочі процеси графічного дизайну.

Що робить художні стилі для ШІ справді хорошими? ✨

Вибір стилів – це не просто гонитва за трендами. Деякі стилі моделям просто легше дотримуватися. Ось кілька причин, чому:

• Чіткість – стилі з дійсно чіткими «правилами» (роздроблена геометрія кубізму; панелі з великою кількістю ліній манги) є більш повторюваними, оскільки цільові візуальні елементи не так сильно зміщуються [3][4].

• Гнучкість – стилі, що підходять для поєднання (наприклад, «кіберпанк + реалізм»), дозволяють сучасним моделям дифузії спиратися на перехресну увагу для акуратного поєднання елементів [1].

• Впізнаваність – стилі, які навчальні дані бачили тисячу разів (аніме, імпресіонізм, фотореалізм), відтворюються більш точно [2].

• Настрій/Атмосфера – такі слова, як «меланхолійний», «безтурботний» або «неоновий», надійно змінюють освітлення, палітру та композицію таким чином, що це здається навмисним [5].

Мета не в якійсь клінічній «точності». Це стиль як контейнер для вашого настрою чи історії, а також навчання тому, як підказувати моделі, щоб вона знову і знову потрапляла в цей контейнер.

Як ШІ «бачить» стиль (проста версія, без перевантаження жаргоном)

Сучасні моделі перетворення тексту на зображення поєднують три речі:

1. Зіставлення тексту та зображень – такі системи, як CLIP, вивчають, «які слова поєднуються з яким виглядом». Тож, коли ви кажете «зернистий чорнильний мазок», система зіставляє цю фразу з візуальними елементами [3].

2. Дифузія у латентному просторі – «Під капотом» латентна дифузія поступово загострює шумне зображення відповідно до вашого опису. Таким чином, вона досягає як ефективності, так і контролю [1].

3. Модифікатори підказок – дрібні «хаки спільноти» – кінематографічне освітлення, обідкове світло, висококонтрастне зернистість плівки – схожі на регульовані циферблати, які можна складати один на одного [5].

Чому це важливо: Якщо стиль чітко існує в навчальних даних , і ви описуєте його за допомогою правильних доповнень, ви швидко отримаєте стабільні результати [1][2][5].

Таблиця порівняння: Популярні стилі малювання для ШІ 🖌️

Шпаргалка-забруднення, але корисна, надходить:

Польові малюнки: Для кіберпанку поєднання «м’якого обідкового світла + об’ємного туману» робить об’єкти яскравими. Для піксельної графіки обмежте його «8-біт, 32×32, обмежена палітра», щоб уникнути надмірного очищення виходів.

Глибоке занурення: реалізм проти сюрреалізму 🎭

Реалізм — це пропорції та деталі, що ідеально підходить для маркетингових композувань або дизайну продукту, де важлива правдоподібність. Такі підказки, як фотореалістичність, невелика глибина різкості, студійне освітлення, об'єктив 85 мм, дають штучному інтелекту чіткі технічні орієнтири.

Сюрреалізм, з іншого боку, схиляється до дивного. Дифузійні моделі тут справді сяють: «равлик з годинників», «місто зі струн скрипки» – речі, які люди не можуть раціоналізувати, але модель може візуально зшити докупи. Це перехресна увага, яка непомітно творить свою магію [1]. Гарні теги: казкова, неможлива геометрія, в стилі Ешера .

Аніме та манґа: Улюбленець ШІ 🌸

Аніме/манґа майже несправедливо ефективні. Визначена лінійність, затінення комірок та знакові пропорції надають моделі зафіксованого шаблону, до того ж це надзвичайно часто зустрічається в навчальних даних [2]. А гібриди? Золото. Спробуйте кіберпанк-аніме-самурая або стімпанк-манґу-детектива .

Підказки для опорних елементів:

• «Ключовий візуальний рядок аніме, динамічна поза, чистий лінеаризм, затінення цілісності, виразні очі, деталізований фон»

• «панель манги, затінення екранного тону, голландський кут, акцентування тушшю»

Примітка для себе: якщо результати виглядають мутними, додайте «чисту лінійність, плоске затінення» або обмежте кольори за допомогою «обмеженої палітри».

Кіберпанк та футуристичний стилі ⚡

Неонові вивіски, хромовані відблиски, дощові ночі – модель чудово справляється з цим. Diffusion чудово справляється з висококонтрастним освітленням та світловідбиваючими матеріалами . Такі підказки, як «неоново освітлений провулок, об’ємний туман, відблиски калюж», часто виглядають готовими для плаката.

Порада щодо виправлення: Воскоподібні обличчя? Додайте «підповерхневе розсіювання, плівкову градацію» та зменште вагу «шуму» у запрошенні.

Імпресіонізм та живописні текстури 🎨

Тут деталі не є головним. Імпресіонізм процвітає на м’яких краях, розмитому кольорі та грі світла. Такі підказки, як видимі мазки пензля, пленерне освітлення, золота година, добре працюють. Модель пропонує деталі без надмірного рендерингу, що, як не дивно, є водночас автентичним і простим в обчисленні [4].

Мінімалізм, піксель-арт та ретро 🕹️

Обмеження спрощуються. Лоу-полігональ спирається на чіткість геометрії; піксельна графіка залежить від роздільної здатності та палітри.

Корисні рамки підказок:

• «низькополінна діорама, чіткі краї, плоске затінення, амбієнтна оклюзія»

• «піксель-арт, спрайт 32×32, стиль NES, обмежене дизеринг»

Примітка: якщо піксельна графіка виглядає занадто гладкою, додайте «лінії сканування ЕПТ, розмиті тіні» для отримання аналогової зернистості.

Гібридні мішапи: де сяє ШІ ✨

Дикий знак: перехресне запилення. Дифузія дозволяє поєднувати впливи, до яких більшість художників навіть не торкалися б – кіберпанк Ван Гога , аніме-нуар-кубізм , меха-ангел епохи Відродження. Це схоже на нейронний перенос стилю 2.0, але набагато більш контрольоване [1][4].

Формат рецепту:
[Тема] + [Епоха/Рух] + [Освітлення] + [Засіб/Матеріал] + [Композиція] + [Палітра/Настрій]

Наприклад: «скрипаль на даху – імпресіоністський живопис олією – золота година підсвічування – не по центру – ностальгічна палітра».

Підказки щодо закономірностей, які фактично змінюють результати 🛠️

З повторних пробних запусків:

1. Поєднання засобу + стилю уточнює краї/текстури: олійний сюрреалізм, цифрова манга [5].

2. «Освітлення на першому місці» змінює реалізм більше, ніж просто накладання слів.

3. Мова камери (кути, довжини об'єктива) забезпечує миттєву передбачуваність.

4. Обмеження мають значення — явно встановіть роздільну здатність/палітру для мінімалізму або піксельної графіки.

5. Невеликі редагування > Великі переробки . Заміна «неон» на «натрієва пара» часто є ефективнішою, ніж повна переробка [5].

Швидка перевірка реальності 🔍

• Упередженість – у результатах домінують стилі, поширені в Інтернеті (аніме, фотореалізм); рідкісні потребують довідки або точного налаштування [2].

• Чому сюрреалізм працює – розпливчастість дифузії приховує анатомічні недоліки, змушуючи дивні речі виглядати навмисними [1].

• Підказка щодо відхилення – якщо всі результати виглядають однаково, налаштуйте модифікатори перед переглядом теми [5].

• Права/Етика – Набори даних збираються з широкого кола даних; використовуйте результати відповідально, особливо в комерційних цілях [2].

Міні-нотатки до справи (з моєї пісочниці) 🧪

• Кіберпанк-портрет – «портрет, бірюзово-пурпуровий неон, дощиста алея, обідкове світло, 85 мм, кінематографічне боке».
  Спрацювало, тому що: об’єктив + освітлення вдало розділили об’єкт/фон.

• Імпресіоністичний пейзаж – «берег річки в золоту годину, імпресіоністський живопис олією, видимі мазки пензля».
  Спрацював, тому що: текстура середньої фіксації, освітлення передавало тепло.

• Істота з піксель-арту – «дракон 32×32 пікселів, обмежене згладжування, контур 1 піксель, ізометричний».
  Працювало, тому що: обмеження перестали згладжуватися.

Короткі довідкові підказки (копіювання/вставка)

• Реалізм (продукт): «студійне фото продукту, освітлення софтбоксом, об'єктив 50 мм, глянсова кераміка, чистий розмах»

• Аніме-екшн: «візуалізація ключового елемента аніме, скорочена динамічна поза, затінення цілісності, лінії швидкості»

• Сюрреалістичний колаж: «пейзаж мрій, неможлива геометрія, плавучі сходи, м’який туман, світлове зерно золотої години»

• Низькополігональна сцена: «ізометричне нізкополігонне місто, плоске затінення, амбієнтна оклюзія, пастельна палітра»

• Імпресіоністичний портрет: «олія на полотні, вільний мазок пензля, світло по обідку, імпастоподібні відблиски»

Підсумок 🖼️

«Художні стилі для ШІ» — це не збірники правил, а ігрові майданчики. Реалізм працює, коли важлива довіра; сюрреалізм, коли ви хочете зламати реальність; аніме/манґа, коли вам потрібна ясність з простором для поєднання стилів. Переможна стратегія — це структурована гра: оберіть стиль, освітлення + матеріал, додайте кілька модифікаторів, а потім повторіть. Якщо це викликає у вас певні почуття, навіть якщо вони дивно недосконалі, ви в зоні.

Посилання

[1] Ромбах, Р. та ін. (2022). Синтез зображень високої роздільної здатності за допомогою моделей латентної дифузії (CVPR). PDF
[2] Шуманн, К. та ін. (2022). LAION-5B: Відкритий великомасштабний набір даних для навчання моделей зображення-текст наступного покоління. PDF
[3] Редфорд, А. та ін. (2021). Навчання переносимих візуальних моделей за допомогою супервізії природної мови (CLIP). PDF
[4] Гатіс, Л. та ін. (2016). Передача стилю зображення за допомогою згорткових нейронних мереж (CVPR). PDF
[5] Оппенлендер, Дж. (2024). Таксономія модифікаторів запитань для генерації тексту в зображення. Поведінка та інформаційні технології. Стаття

Знайдіть найновіший штучний інтелект в офіційному магазині помічників зі штучним інтелектом

Про нас