Como Gerar Pessoas Realistas por Dezenas de Atributos

O cliente precisava gerar um dataset de imagens fotorrealistas de pessoas com base em dezenas de atributos especificados, como idade, gênero, características faciais e cabelo. A principal dificuldade era controlar tantos atributos, pois colocar tudo em um único prompt causava conflitos e perda de características. O projeto foi realizado pela equipe Singularis antes da geração atual de serviços generativos. Eles compararam DALL-E, Midjourney e várias versões do Stable Diffusion, e o cliente optou por uma solução local baseada no Stable Diffusion. O pipeline utilizou múltiplas abordagens: texto para imagem para imagens base, imagem para imagem para adicionar ou alterar características, ControlNet e IP Adapter para controle baseado em referências, e Compel para prompts longos. Eles também criaram uma matriz de compatibilidade de atributos para decidir quais características podiam ser definidas em conjunto e quais deveriam ser adicionadas em etapas. A divisão de combinações complexas em etapas ajudou a manter a semelhança facial ao adicionar acessórios como óculos ou mudar o gênero. Também prepararam recomendações de palavras-chave para cada atributo, visando melhorar a previsibilidade.