Wie man realistische Menschen anhand Dutzender Attribute generiert

Der Kunde benötigte die Erstellung eines Datensatzes mit fotorealistischen Bildern von Personen auf der Grundlage von Dutzenden spezifizierter Attribute wie Alter, Geschlecht, Gesichtszüge und Haare. Die Hauptschwierigkeit bestand darin, so viele Attribute zu kontrollieren, da die Angabe aller Attribute in einem einzigen Prompt zu Konflikten und zum Verlust von Merkmalen führte. Das Projekt wurde vom Singularis-Team vor der aktuellen Generation generativer Dienste durchgeführt. Sie verglichen DALL-E, Midjourney und verschiedene Versionen von Stable Diffusion, und der Kunde entschied sich für eine lokale Lösung auf Basis von Stable Diffusion. Die Pipeline verwendete mehrere Ansätze: Text-zu-Bild für Basisbilder, Bild-zu-Bild zum Hinzufügen oder Ändern von Merkmalen, ControlNet und IP-Adapter für referenzbasierte Steuerung und Compel für lange Prompts. Außerdem wurde eine Kompatibilitätsmatrix für Attribute erstellt, um zu entscheiden, welche Merkmale zusammen festgelegt werden konnten und welche in Stufen hinzugefügt werden sollten. Das Aufteilen komplexer Kombinationen in Stufen half, die Gesichtsähnlichkeit beim Hinzufügen von Accessoires wie Brillen oder beim Ändern des Geschlechts zu bewahren. Zudem wurden Empfehlungen für Schlüsselwörter für jedes Attribut vorbereitet, um die Vorhersagbarkeit zu verbessern.