दर्जनों विशेषताओं द्वारा यथार्थवादी लोग कैसे उत्पन्न करें

ग्राहक को दर्जनों निर्दिष्ट विशेषताओं जैसे आयु, लिंग, चेहरे की विशेषताएं और बालों के आधार पर लोगों की फोटोयथार्थवादी छवियों का एक डेटासेट तैयार करने की आवश्यकता थी। मुख्य कठिनाई इतनी सारी विशेषताओं को नियंत्रित करना थी, क्योंकि सब कुछ एक प्रॉम्प्ट में रखने से टकराव होता था और विशेषताएं खो जाती थीं। यह परियोजना सिंगुलरिस टीम द्वारा जनरेटिव सेवाओं की वर्तमान पीढ़ी से पहले की गई थी। उन्होंने डीएएल-ई, मिडजर्नी और विभिन्न स्टेबल डिफ्यूजन संस्करणों की तुलना की, और ग्राहक ने स्टेबल डिफ्यूजन पर आधारित एक स्थानीय समाधान चुना। पाइपलाइन में कई दृष्टिकोणों का उपयोग किया गया: आधार छवियों के लिए टेक्स्ट-टू-इमेज, सुविधाओं को जोड़ने या बदलने के लिए इमेज-टू-इमेज, संदर्भ-आधारित नियंत्रण के लिए कंट्रोलनेट और आईपी अडैप्टर, और लंबे प्रॉम्प्ट के लिए कॉम्पेल। उन्होंने यह तय करने के लिए एक विशेषता संगतता मैट्रिक्स भी बनाया कि कौन सी विशेषताएं एक साथ सेट की जा सकती हैं और कौन सी चरणों में जोड़ी जानी चाहिए। जटिल संयोजनों को चरणों में विभाजित करने से चश्मा जैसे सामान जोड़ने या लिंग बदलने पर चेहरे की समानता बनाए रखने में मदद मिली। उन्होंने पूर्वानुमानशीलता में सुधार के लिए प्रत्येक विशेषता के लिए कीवर्ड अनुशंसाएँ भी तैयार कीं।