Cara Menghasilkan Orang yang Realistis dengan Puluhan Atribut

Pelanggan perlu membuat dataset gambar orang yang fotorealistis berdasarkan puluhan atribut yang ditentukan seperti usia, jenis kelamin, fitur wajah, dan rambut. Kesulitan utamanya adalah mengendalikan begitu banyak atribut, karena memasukkan semuanya dalam satu prompt menyebabkan konflik dan kehilangan fitur. Proyek ini dikerjakan oleh tim Singularis sebelum generasi layanan generatif saat ini. Mereka membandingkan DALL-E, Midjourney, dan berbagai versi Stable Diffusion, dan pelanggan memilih solusi lokal berdasarkan Stable Diffusion. Pipeline menggunakan beberapa pendekatan: text-to-image untuk gambar dasar, image-to-image untuk menambahkan atau mengubah fitur, ControlNet dan IP Adapter untuk kontrol berbasis referensi, dan Compel untuk prompt panjang. Mereka juga membuat matriks kompatibilitas atribut untuk memutuskan fitur mana yang dapat diatur bersama dan mana yang harus ditambahkan secara bertahap. Memecah kombinasi kompleks menjadi tahapan membantu menjaga kemiripan wajah saat menambahkan aksesori seperti kacamata atau mengubah jenis kelamin. Mereka juga menyiapkan rekomendasi kata kunci untuk setiap atribut untuk meningkatkan prediktabilitas.