روش‌های استاندارد تولید تصویر با Midjourney

فصل‌ها
12 فلش‌کارت
31 گالری‌کارت
55 صوت
12 پرامپت
12 واژه‌نامه

دیگر با تولید تصویر هوش مصنوعی مانند یک بخت‌آزمایی دیجیتال برخورد نکنید که در آن اهرم را بکشید و دعا کنید شاهکار تحویل بگیرید. عبور از نوشتن متن‌های تصادفی نیازمند تسلط بر مکانیک ساختاری مدل‌های انتش خروجی‌هاست تا دقیقاً با اهداف فنی شما همخوانی پیدا کنند. مشکل اصلی این فصل، آشفتگی ذاتی در خطوط لوله تبدیل متن به تصویر است. بدون کنترل ساختاری دقیق، مدل‌ها به طور پیش‌فرض به سمت میانگین‌های آماری می‌روند و ترکیب‌بندی‌های عمومی تولید می‌کنند. استانداردسازی رویکرد شما، مهندسی پرامپت را از یک حدس و گمان به یک خط‌لوله نرم‌افزاری قابل اعتماد تبدیل می‌کند. کنترل خروجی بصری با تغییردهنده‌های فرمت (Format Modifiers) و تغییردهنده‌های سبک هنری (Art Style Modifiers) آغاز می‌شود که مشخص می‌کنند سوژه شما به شکل یک عکس تجاری، نقاشی رنگ‌روغن یا هیروگلیف باستانی ظاهر شود. برای رمزگشایی تصاویر موجود، مهندسی معکوس پرامپت (Reverse Engineering Prompts) و تحلیل پرامپت (Prompt Analysis) به شما اجازه می‌دهند الگوهای ساختاری پنهان را استخراج کنید. هنگامی که تولید اولیه فاقد جذابیت بصری است، تقویت‌کننده‌های کیفیت (Quality Boosters) وفاداری ساختاری را بالا می‌برند، در حالی که پرامپت‌های منفی (Negative Prompts) عناصر ناخواسته را به زور از بوم حذف می‌کنند. ترکیب‌بندی‌های پیچیده نیازمند تنظیمات جزئی از طریق اصطلاحات وزن‌دار (Weighted Terms) هستند که اولویت ریاضی را به توکن‌های خاص اختصاص می‌دهند، در حالی که پرامپت‌نویسی با تصویر (Prompting with an Image) از مرجع‌های بصری برای تثبیت چیدمان استفاده می‌کند. برای ویرایش‌های محلی، نقاشی داخلی (Inpainting) و نقاشی خارجی (Outpainting) مناطق خاص را تغییر داده یا مرزهای بوم را گسترش می‌دهند. در نهایت، حفظ تداوم روایی مستلزم استفاده از کاراکترهای سازگار (Consistent Characters) است، در حالی که بازنویسی پرامپت (Prompt Rewriting) و نقشه‌برداری میم‌ها، الگوهای فرهنگی را کالبدشکافی کرده و به استعاره‌های بصری جدید تبدیل می‌کنند. تسلط دقیق بر هوش مصنوعی مولد همیشه یک بده‌بستان (Trade-off) دائمی میان آزادی سبک و تبعیت قطعی ساختاری است. [ ] اعمال تغییردهنده‌های فرمت و سبک برای تعیین دقیق ارائه بصری. [ ] مهندسی معکوس تصاویر ناشناخته با ابزارهای تحلیل پرامپت. [ ] استفاده از پرامپت‌های منفی و تقویت‌کننده‌های کیفیت برای حذف عناصر ناخواسته. [ ] تنظیم تأثیر توکن‌ها با استفاده از اصطلاحات وزن‌دار. [ ] استفاده از پرامپت‌های تصویری، نقاشی داخلی و نقاشی خارجی برای کنترل فضایی. [ ] حفظ تداوم روایی با استفاده از پارامترهای کاراکتر سازگار.

فصل

1

جلد کتاب مهندسی پرامپت برای هوش مصنوعی مولد
O’Reilly

فصل 8 کتاب Prompt Engineering for Generative AI: روش‌های استاندارد تولید تصویر با Midjourney

انتشار کتاب

منتشر شده

پیشرفت فصل 8
پیشرفت کتاب

مدت زمان خوانش

00:45

گالری

دارد

وضعیت صوت

پیش‌نمایش

تحلیل

هوش مصنوعی