Японский автор заметки на note пытался получить не красивый трёхсторонний вид персонажа, а такой, по которому потом можно рисовать новые позы и ракурсы. Ставка здесь простая: три картинки могут выглядеть похоже, но если спереди накидка, сбоку пальто, а сзади другой ремень, эталона из них не выйдет.

Источник: note.com

Проблема в том, что ИИ хорошо держит идентичность одежды. Длинный чёрный плащ, военный стиль, лолита, ремни на улице — это он узнаёт и повторяет. А вот структура плохо: откуда начинается ткань, к чему она крепится, где проём для руки. У автора длинная чёрная внешняя часть была без рукавов, а ИИ достраивал её в короткую накидку и отдельное пальто с рукавами. Спереди это почти незаметно, а в SIDE и BACK разница видна сразу.

Поэтому автор не стал вручную описывать крой. Его инструмент, Character Master Builder, работает так: ИИ сравнивает исходную картинку с текущим описанием одежды и задаёт вопросы про то, что ещё не решено. Например, одна ли это деталь накидка и длинная часть, соединяются ли ткани на спине, есть ли у внешней одежды свой проём для руки. Человек выбирает: принять, отклонить или отложить. Решения сохраняются и превращаются в правки промпта. Отдельно важно, что строка «без рукавов» в промпте ещё не гарантирует картинку: после генерации результат снова сравнивается с оригиналом, и ошибки выписываются по зонам.

После нескольких итераций вид стал цельным. Спереди раньше был плащ, сбоку пальто, сзади почти полный длинный плащ. Теперь это одна внешняя накидка без рукавов, а под ней видно внутренний костюм с рукавами. Автор прямо пишет, что ценит не красоту, а то, что решение принято и зафиксировано. Обычные ИИ-трёхсторонки, по его словам, красивы, но для следующих поз на них опереться нельзя. Что будет с многослойным кружевом, доспехами или асимметричным дизайном, он пока не знает и ждёт, что инструмент там сломается, потому что это покажет, чего ему не хватает.

Вывод простой: эталон — это не три красивых картинки, а одна одежда, которая сходится во всех трёх видах.

Источникnote #画像生成AI