Kunstistiilid tehisintellektile: loominguliste võimaluste uurimine

Tehisintellekt ei ole enam arvutustabelites kinni. See visandab, maalib, loob kollaaže – kohati närvesöövalt hästi. Kui oled kunagi maha istunud ja mõelnud, et okei, aga kuidas ma tegelikult ütlen tehisintellektile, mida joonistada? –, siis siit tulebki mängu idee „tehisintellekti kunstistiilidest“.

Allpool vaatame, millised stiilid tekstist pildiks süsteemidega kõige paremini toimivad, miks need seda teevad ja kuidas neid juhtida ilma omaenda sädet kaotamata. Lisan mõned praktilised märkused praktiliste testide põhjal (sealhulgas need, mis tegelikult mitmel katsel vastu pidasid) ja mõned tehnilised nüansid, et protsess tunduks veidi vähem täringute veeretamise moodi [1][2][3][4][5].

Artiklid, mida võiksite pärast seda lugeda:

🔗 Kuidas teha tehisintellekti kunsti: täielik juhend algajatele
Samm-sammult algajate juhend tehisintellekti abil loodud digitaalse kunstiteose loomiseks.

🔗 Tehisintellekti loodud kunsti algusaeg: loovuse vallandamine või poleemika tekitamine
Tehisintellekti loodud kunstiga seotud loovuse, eetika ja arutelude uurimine.

🔗 Parimad tehisintellektiga tööriistad graafiliseks disainiks: parim tehisintellektil põhinev disainitarkvara
Avastage võimsad tehisintellekti tööriistad, mis muudavad tänapäevaseid graafilise disaini töövooge.

Mis teeb tehisintellekti kunstistiilid tegelikult heaks? ✨

Stiilivalimine ei ole lihtsalt trendide tagaajamine. Mõnda stiili on modellidel lihtsalt lihtsam hoida. Mõned põhjused, miks:

• Selgus – tõeliselt selgete „reeglitega” stiilid (kubismi murdunud geomeetria; manga joonerohked paneelid) on korratavamad, kuna sihtkujutised ei triivi nii palju [3][4].

• Paindlikkus – segunemissõbralikud stiilid (näiteks „küberpunk + realism”) võimaldavad tänapäevastel difusioonimudelitel toetuda risttähelepanule, et asju puhtalt segada [1].

• Äratuntavus – stiilid, mida treeningandmed on tuhat korda näinud (anime, impressionism, fotorealism), tulevad tõepärasemalt esile [2].

• Meeleolu/atmosfäär – sõnad nagu „melanhoolne”, „rahulik” või „neoonvalgus” muudavad valgustust, paletti ja kompositsiooni usaldusväärselt viisil, mis tundub tahtlik [5].

Eesmärk ei ole mingi kliiniline „täpsus“. See on stiil kui teie meeleolu või loo anum – ja õppimine, kuidas mudelit suunata, et see saaks seda anumat ikka ja jälle tabada.

Kuidas tehisintellekt stiili "näeb" (lihtne versioon, ilma žargooni ülekoormuseta)

Kaasaegsed tekstist pildiks teisendamise mudelid žongleerivad kolme asjaga:

1. Teksti ja pildi sobitamine – sellised süsteemid nagu CLIP õpivad, „millised sõnad sobivad milliste välimustega“. Seega, kui ütlete „gritty ink wash“, seob see fraasi visuaalidega [3].

2. Difusioon latentses ruumis – varjatud difusioon teravdab mürast pilti järk-järgult teie kirjelduse suunas. Nii saavutab see nii tõhususe kui ka kontrolli [1].

3. Prompt Modifikaatorid – Väikesed „kogukonna nipid” – filmilik valgustus, äärevalgus, suure kontrastsusega filmiteralisus – on nagu reguleeritavad nupud, mida saab virnastada [5].

Miks see on oluline: kui stiil on treeningandmetes selgelt olemas ja te kirjeldate seda õigete lisandmoodulitega, saate kiiresti järjepidevaid tulemusi [1][2][5].

Võrdlustabel: populaarsed kunstistiilid tehisintellekti jaoks 🖌️

Segane, aga kasulik spikker saabub:

Välijoonistus: Küberpungi puhul paneb „pehme äärevalguse + mahulise udu” objektid silma paistma. Pikslikunsti puhul tuleks see piirata valikuga „8-bitine, 32×32, piiratud palett”, et vältida üleliia puhast väljundit.

Sügavanalüüs: realism vs sürrealism 🎭

Realism seisneb proportsioonides ja detailides – ideaalne turunduskommentaaride või tootekujunduse jaoks, kus usutavus on oluline. Sellised vihjed nagu fotorealistlik lähenemine, madal teravussügavus, stuudiovalgustus ja 85 mm objektiiv annavad tehisintellektile selged tehnilised alused.

Sürrealism kaldub aga veidruse poole. Difusioonimudelid säravad siin tõeliselt: „kelladest tehtud tigu“, „viiulikeeltega linn“ – asjad, mida inimesed ei suuda ratsionaliseerida, aga mudel suudab visuaalselt kokku õmmelda. See on risttähelepanu, mis vaikselt oma võlu teeb [1]. Head sildid: unenäoline, võimatu geomeetria, Escheri-laadne .

Anime ja manga: tehisintellekti kallis 🌸

Anime/manga on peaaegu ebaõiglaselt efektiivne. Defineeritud lineaarjoonistus, lahtrivarjutus ja ikoonilised proportsioonid annavad mudelile fikseeritud malli ning see on naeruväärselt levinud treeningandmetes [2]. Ja hübriidid? Kuld. Proovige küberpunk-anime samurai või steampunk-manga detective .

Toetuge tellingutele, millele toetuda:

• „Anime põhivisuaal, dünaamiline poos, puhas lineaarjoonistus, cel-shading, ilmekad silmad, detailne taust“

• „mangapaneel, ekraanitooni varjutus, hollandi nurk, tindiga rõhutamine“

Märkus endale: kui tulemused näevad udused välja, siis lisa „puhas lineaarne, lame varjutus” või piira värve „piiratud paletiga”.

Küberpunk ja futuristlikud stiilid ⚡

Neoonmärgid, kroomi peegeldused, vihmased ööd – modell neelab selle enda alla. Diffusion saab suurepäraselt hakkama suure kontrastsusega valgustuse ja peegeldavate materjalidega . Sellised vihjed nagu „neoonvalgustusega allee, mahuline udu, lompides peegeldused” näevad sageli plakativalmis välja.

Parandusnipp: Vahataolised pinnad? Lisa „pinnaalune hajumine, kileline gradatsioon” ja vähenda „müra” kaalu viipas.

Impressionism ja maalilised tekstuurid 🎨

Siin ei ole detailid kuningad. Impressionism õitseb pehmete servade, murtud värvide ja valgusemängu peal. toimivad sellised vihjed nagu nähtavad pintslitõmbed, plein-air valgustus ja kuldne tund . Mudel pakub detaile ilma ülerenderdamiseta, mis – naljakas küll – on nii autentne kui ka arvutuslikult lihtne [4].

Minimalism, pikslikunst ja retro 🕹️

Piirangud lihtsustavad. Madal polügoonjoonistamine tugineb geomeetrilisele selgusele; pikslikunst on fikseeritud resolutsiooni ja paleti abil.

Kasulikud ülesanderaamid:

• „madala polügoonarvuga dioraam, teravad servad, lame varjutus, ümbritsev oklusioon“

• „pikslikunst, 32×32 sprite, NES-i stiil, piiratud dithering”

Märkus: kui pikslikunst tundub liiga libe, lisage analoogse teralisuse saavutamiseks „CRT skaneerimisjooned, varjutatud varjud”

Hübriidsed mashupid: kus tehisintellekt särab ✨

Metsik kaart: risttolmlemine. Difusioon võimaldab ühendada mõjutusi, millega enamik kunstnikke kokku ei puutuks – Van Goghi küberpunk , anime noir-kubism , renessansiajastu mecha-ingel. See on nagu neuraalne stiiliülekanne 2.0, aga palju paremini kontrollitav [1][4].

Retsepti formaat:
[Teema] + [Ajastu/Liikumine] + [Valgustus] + [Meedium/Materjal] + [Kompositsioon] + [Palett/Meeleolu]

Näiteks: „viiuldaja katusel – impressionistlik õlimaal – kuldse tunni taustvalgus – nihutatud keskpunkti – nostalgiline palett.“

Viipamustrid, mis tegelikult tulemusi muudavad 🛠️

Korduvatest proovisõitudest:

1. Meedia ja stiili sidumine selgitab servi/tekstuure: õlisürrealism, digitaalne manga [5].

2. „Lighting First“ muudab realismi rohkem kui sõnade virnastamine.

3. Kaamera keel (nurgad, objektiivi pikkus) annab kohese ennustatavuse.

4. Piirangud on olulised – sundige minimalismi või pikslikunsti jaoks resolutsiooni/paleti selgesõnaliselt peale.

5. Väikesed muudatused > Suured ümberkirjutused . „Neooni” ja „naatriumauru” vahetamine on sageli efektiivsem kui täielik remont [5].

Kiire reaalsuskontroll 🔍

• Eelarvamus – tulemustes domineerivad veebis levinud stiilid (anime, fotorealism); haruldasemad vajavad viimistlemist või täpsustamist [2].

• Miks sürrealistlik toimib – Difusiooni lõtvus varjab anatoomilisi vigu – paneb ebatavalised asjad tahtlikuna paistma [1].

• Prompt Drift – kui iga väljund näeb välja ühesugune, siis enne teema põhjalikku muutmist kohanda modifikaatoreid [5].

• Õigused/eetika – andmekogumid kraabivad laia valikut andmeid; kasutage väljundeid vastutustundlikult, eriti ärilistel eesmärkidel [2].

Mini juhtumikirjeldused (minu liivakastist) 🧪

• Küberpunkportree – „portree, sinakasroheline neoon, vihmane allee, äärevalgus, 85 mm, filmilik bokeh“.
  Toimis, sest: objektiiv + valgustus – objekti/tausta eraldamine on täpne.

• Impressionistlik maastik – „jõekallas kuldsel tunnil, impressionistlik õlimaal, nähtavad pintslitõmbed“.
  Toimis, sest: keskmise tihedusega tekstuur, valgustus, käsitletud soojus.

• Pikslikunstiga olend – „32×32 piksliga draakon, piiratud pseudotoonimine, 1-px kontuur, isomeetriline“.
  Toimis, sest piirangud lakkasid silumast.

Kiirjuhendid (kopeeri/kleebi)

• Realism (toode): „stuudio tootefoto, softbox valgustus, 50 mm objektiiv, läikiv keraamika, puhas viimistlus”

• Anime tegevus: „anime võtmevisuaal, lühendatud dünaamiline poos, varjutus, kiirusjooned“

• Surreaalne kollaaž: „unenäomaastik, võimatu geomeetria, hõljuvad trepid, pehme udu, kuldse tunni valgustera“

• Madala polügoonvärvidega stseen: „isomeetriline madala polügoonvärvidega linn, lame varjutus, ambientne oklusioon, pastelne palett“

• Impressionistlik portree: „õli lõuendil, lahtised pintslitööd, hele ääris, impasto esiletõstmised”

Kokkuvõte 🖼️

„Tehisintellekti kunstistiilid” ei ole reeglid – need on mänguväljakud. Realism toimib siis, kui usaldus on oluline; sürrealism siis, kui tahad reaalsust murda; anime/manga siis, kui vajad selgust ja ruumi stiilide segamiseks. Võidustrateegia on struktureeritud mäng: vali stiil, vali valgustus + meedium, lisa paar modifikaatorit ja seejärel harjuta. Kui see tekitab sinus tunde – isegi kui see on veidralt ebatäiuslik –, oled õiges kohas.

Viited

[1] Rombach, R. jt (2022). Kõrgresolutsiooniga piltide süntees latentse difusioonimudelitega (CVPR). PDF
[2] Schuhmann, C. jt (2022). LAION-5B: avatud suuremahuline andmestik järgmise põlvkonna pildi-teksti mudelite treenimiseks. PDF
[3] Radford, A. jt (2021). Ülekantavate visuaalsete mudelite õppimine loomuliku keele supervisioonist (CLIP). PDF
[4] Gatys, L. jt (2016). Pildistiili ülekandmine konvolutsiooniliste närvivõrkude (CVPR) abil. PDF
[5] Oppenlaender, J. (2024). Teksti-pildi genereerimise käsuviiba modifikaatorite taksonoomia. Käitumine ja infotehnoloogia. Artikkel

Leia uusim tehisintellekt ametlikust tehisintellekti abilise poest

Meist