Näin generoit realistisia ihmisiä kymmenillä attribuuteilla

Asiakkaan oli tuotettava aineisto fotorealistisista kuvista ihmisistä, jotka perustuvat kymmeniin määriteltyihin ominaisuuksiin, kuten ikään, sukupuoleen, kasvonpiirteisiin ja hiuksiin. Suurin haaste oli hallita niin monia ominaisuuksia, koska kaikkien laittaminen yhteen promptiin aiheutti ristiriitoja ja menetti ominaisuuksia. Projektin toteutti Singularis-tiimi ennen nykyistä generaattoripalvelujen sukupolvea. He vertailivat DALL-E:tä, Midjourneyta ja erilaisia Stable Diffusion -versioita, ja asiakas valitsi paikallisen ratkaisun, joka perustui Stable Diffusioniin. Putki käytti useita lähestymistapoja: tekstistä kuvaksi peruskuville, kuvasta kuvaksi ominaisuuksien lisäämiseen tai muuttamiseen, ControlNet ja IP Adapter -järjestelmiä referenssipohjaiseen hallintaan sekä Compel-pitkille prompteille. He loivat myös ominaisuuksien yhteensopivuusmatriisin päättääkseen, mitkä ominaisuudet voidaan asettaa yhdessä ja mitkä tulisi lisätä vaiheittain. Monimutkaisten yhdistelmien jakaminen vaiheisiin auttoi säilyttämään kasvojen samankaltaisuuden, kun lisättiin asusteita, kuten laseja, tai muutettiin sukupuolta. He laativat myös avainsanasuosituksia jokaiselle ominaisuudelle ennustettavuuden parantamiseksi.