Пальці та інші проблеми, при генерації зображень 😄

Будучи активним користувачем нейромереж ще з 2021 року, я мала можливість простежити еволюцію якості зображень ще з часів V1 Midjourney. У 2021 році я стала активним користувачем Midjourney і WomboDream, а пізніше також мала досвід активного користування також досить багатьма нейромережами по генерації зображень.

У цій статті я розповім про баги (криві пальці, наприклад) деяких найбільш реалістичних нейромереж, розповім про методи боротьби з ними, а також розповім про еволюцію багів та візуального стилю генерованих зображень у конкретних нейромережах.

Про кожну по черзі. 

Midjourney.

БАГИ:

• На даний момент можна сказати, що баги відсутні. Однак іноді простежується недодеталізація текстури шкіри або волосся. Я вважаю, що, ймовірно, це просто особливості стилю ілюстрацій Midjourney. Я маю на увазі, відомо, що вона створює вельми "гламурні" зображення, далекі від недосконалостей тих фото, які ви можете зробити на свій телефон. Зображення з Midjourney - це скоріше ідеально сфотографовані та відретушовані стокові фото.
• Також, вона все ще може недостатньо професійно "проводити" кольоро- та світлокорекцію. Наприклад, професійні фотографи та ретушери за допомогою програм обробки фото роблять яскравішими та насиченішими частини зображення, що мають більший вплив на сюжет фотографії. Midjourney може через кольори на зображенні розставити акценти на другорядних або фонових ділянках фотографії. Це недолік, рішення якого майже не зрушило з часів версії V1.

МЕТОДИ РІШЕННЯ ПРОБЛЕМИ:

• Якщо ви хочете отримати детальне зображення шкіри або волосся (наприклад, зображення для бьюті-сфери), я рекомендую використовувати тег “skin texture”, або “hair texture”. Це створить деяку текстуру шкіри. Але якщо така текстура здасться вам недостатньо виразною чи реалістичною, рекомендую використати реальні фотографії.
• Щодо кольоро- та світло-корекції, ви можете використовувати Photoshop, або інше програмне забезпечення з функціями коригувальних шарів. Як правило, така обробка не займає більше 10 хвилин для 1 фото.

ЕВОЛЮЦІЯ ПРОБЛЕМИ:

• На ранніх стадіях розвитку нейромереж по створенню зображень головною проблемою були пальці та очі, пальці виглядали криво, а також виходили в надто малій чи надто великій кількості, а очі часто були непрошено розкосими, зіниці не мали правильної анатомічної округленої форми, а також часто мали надмірні складки на повіках. Проте, вже на версії V2 Midjourney мала чудову рису, яка виділяла її серед конкурентів - потенційно проблемні ділянки "переховувалися" з кадру за допомогою ракурсу, або просто прикривалися іншими елементами сюжету зображення. Ця риса не була втрачена досі, проте кількість важких ситуацій поступово зменшувалася, зображення виходили дедалі досконаліше з кожною новою версією. Починаючи з версії V5, проблема з пальцями та очима повністю зникла.
• Також, до версії V4 був недолік - занадто грубі "мазки", строго окреслені форми (ніби стилізація під скульптури з СРСР), виключно чіткі форми об'єктів, позбавлені м'яких переходів. Ймовірно, у версії V4 було змінено щось у алгоритмах, що сильно вплинуло на цю ситуацію, оскільки проблема різко зникла.
• Також, до версії V4 у Midjourney була "традиційна" кольорова гама, з якою доводилося "боротися" через програми фоторедагування. Улюбленими кольорами нейромережі були темно-бірюзовий, жовтогарячий, фуксія, і  глинистий жовтий. Майже всі згенеровані зображення мали таку колірну гаму, і боротися з цим за допомогою опису кольорової гами у запиті було майже марно. Ця проблема також зникла з виходом версії V4.
• Про текстуру шкіри та волосся: у зв'язку з особливостями мазків до версії V4 проблема не існувала, оскільки сам стиль малювання був надто грубим, щоб текстура таких деталей у принципі була промальована. Починаючи з версії V4, ступінь потенційної (при вказівці потрібних тегів) деталізації практично не змінилася, але видно, що з розвитком версій нейромережа все частіше прагне самостійно деталізувати зображення, навіть якщо не вказати про це в описі завдання.
• Про розстановку акцентів у кольоро- та світло-корекції. До виходу версії V4 проблема була малоактуальна, так як колірна гама була досить обмежена, а малювання мало чіткі контури. Усе це робило зображення надто однозначними у питанні розміщення акцентів, і проблема взагалі не могла виникнути. Все змінилося з виходом версії V4, яка стала періодом максимальної величини та актуальності проблеми, коли на картинці у персонажа могло зовсім непрошено бути занадто каламутне обличчя, при яскравій, контрастній хмарі на задньому фоні (причому тільки одній випадковій хмарі з кількох). З того часу проблема поступово зменшується у кожній новій версії. 

WomboDream.

ПЕРЕДМОВА\ПОЯСНЕННЯ:

Насправді, ця нейромережа не має оновлень у класичному розумінні. Розробники просто додають нові “стилі” та налаштування у якийсь момент. Також, більш ранні “стилі” зберігаються у цілком первозданному вигляді, зі своїми недосконалими алгоритмами та графікою зображень. (Вони знаходяться в самому низу списку, коли ви переглядаєте варіанти стилів).

Загалом, це дає користувачеві унікальну можливість переглянути еволюцію якості генерації зображень з першого дня цієї нейромережі, просто застосовуючи їх по черзі.

Так, поступово алгоритми (а отже, і якість зображень) удосконалювалися, але при цьому старіші стилі збережені, і можуть бути використані (при їх використанні багів та помилок буде набагато більше). Я розберу в цій статті баги, які можуть  виникнути під час використання будь-якого з цих стилів, якщо ви оберете будь-який випадковий стиль. Також, з цієї причини, для цієї нейромережі я поєдную пункти "БАГИ і ЕВОЛЮЦІЯ ПРОБЛЕМИ".

БАГИ, ЕВОЛЮЦІЯ ПРОБЛЕМИ:

• Іноді пропорції людей та тварин на зображеннях бувають не надто естетичними. Особливо це стосується фентезійних істот (горгулья, наприклад), та рідкісних сюжетів запитів (наприклад, це може бути людина з конкретною тайською народною зачіскою). Проблема поступово усувається під час випуску нових стилів, але повільно.
• Невеликі зайві рисочки або непрохані маленькі шматочки іншого кольору, що з'являються у випадкових ділянках зображення. Зазвичай їх небагато (1-2 на зображення) і вони маленькі. Проблема поступово зникає у нових стилях.
• При роботі з ранніми стилями, на зображенні часто можна було спостерігати не дуже логічне розміщення елементів малюнка. Наприклад, при запиті "face, lips" WomboDream може розмістити губи буквально над обличчям. У пізніших стилях ця проблема поступово зникає, у кожному новому стилі вона зустрічається дедалі рідше. В останніх вже повністю зникла, і не зустрічається.
• У стилях із ухилом на фотореалізм контури об'єктів часто бувають надто різкими, як у 3D моделей. Мало розвинене поступове розчинення об'єктів у фоні, коли якась їхня частина знаходиться далі від глядача. Проблема практично не зменшилася з моменту створення нейромережі.
• Ця нейромережа досить часто не розуміє сленгу. Частота таких випадків сильно варіюється від стилю до стилю.
• Буквальні баги та збої, коли нейромережа буквально пише вам: “Не вдалося створити зображення. Спробуйте перезавантажити сторінку та спробувати знову” (приблизно це). У WomboDream це трапляється частіше, ніж у інших нейромережах, описаних у цій статті.

МЕТОДИ РІШЕННЯ ПРОБЛЕМИ:

• При роботі з більш ранніми стилями, по можливості, прописуйте менше деталей при описі запиту. У 2021 році нейромережі важко давалося логічне розміщення надто великої кількості елементів на композиції. Наприклад, якщо ви напишете “face, lips”, губи можуть бути буквально над обличчям на вашому зображенні. Ви можете просто написати “face”. У деяких нейромережах (Midjourney, наприклад) тег lips стане додатковою заявою про те, що на зображенні має бути акцент на губах, але у випадку WomboDream це так не працює.
• Ви можете виправити пропорції у Photoshop, фільтром "Пластика", або іншою подібною програмою для редагування фото. Також, є такий метод: ви генеруєте кілька варіацій зображень, а потім накладаєте їх одну на одну у Photoshop (або інші програми), і за допомогою масок або гумки поєднуєте їх один з одним, беручи кращі ділянки зображення від кожної.
• Ви можете заретушувати зайві рисочки чи шматочки у програмах для редагування фото. 

Leonardo.

Ця нейромережа виникла тільки в 2023 році, і вже спочатку генерувала зображення дуже високої якості (не гірше за Midjourney V5). Натомість отримала кілька унікальних "фірмових" багів, не властивих іншим нейромережам.

БАГИ:

• Проблеми з анатомією фентезійних істот (русалка, наприклад). Іноді трохи "криві", неестетичні пропорції хвостів, крил. "Фентезійні" органи бувають занадто короткими, або неестетично товстими, можуть мати ознаки суглобів там, де на зображенні немає згину органу.
• Непрохана еротичність. Це рідкісна нейромережа, яка виконує еротичні запити (без прямої порнографії). Але навіть якщо не просити про таке, зображення за запитами, що не містять жодних натяків на еротику, можуть іноді містити, наприклад, непристойно показані жіночі груди.
• Підвищена кудлатість та пухнастість волосся. Нейромежа стабільно прагне додати додаткові пасма волосся, поза основною зачіскою, і часто їх буває занадто багато. Рідше, можуть бути "літаючі" на зображенні пасма, ніяк не прикріплені до зачіски. Або персонаж просто може бути надмірно кудлатим і пухнастим, без запиту на підвищену пишність волосся при описі зображення. Ця нейромережа прагне зробити пишне волосся (або шерсть, якщо це тварина) всім персонажам на зображенні.
• Різниця між зображеннями до оновлення Alchemy і після нього.

Пояснення про це оновлення: оновлення платне, користувачі, що заплатили за профіль плюс, можуть використовувати це оновлення, або вимкнути його, та використовувати старий алгоритм генерації за своїм бажанням; при випуску цього оновлення адміністрація Leonardo дала безкоштовний пробний період цього оновлення всім своїм користувачам. Багато користувачів звернули увагу, що після виходу цього оновлення зображення, згенеровані при вимкненні цього оновлення, мають якість гіршу, ніж зображення створені до виходу цього оновлення. Композиція, і колірна гама стали більш примітивними, поменшало деталей і відтінків на зображенні, ракурси стали більш одноманітними в загальному потоці зображень, і частіше виглядають дуже схожими між собою.

МЕТОДИ РІШЕННЯ ПРОБЛЕМИ:

• Ви можете використовувати фільтр "пластика" у Photoshop, або схожу за функціями програму, щоб виправити пропорції на зображеннях фентезійних істот.
• Щоб уникнути непристойних зображень, використовуйте антитеги на відповідні слова.
• Щоб робити зображення не менш якісними, ніж до оновлення Alchemy, необхідно писати більше підказок, вказувати більше подробиць сюжету, колірної гами та композиції зображення, штучно створюючи той рівень унікальності, якого раніше не було необхідності спеціально добиватися.

ЕВОЛЮЦІЯ ПРОБЛЕМИ:

Так як ця нейромережа виникла нещодавно, особливої еволюції простежити поки що неможливо. Але дещо помітно.

• Надмірно насичена кольорова гама (до оновлення Alchemy). Спочатку нейромережа за умовчанням прагнула насичених кольорів, токсичної колірної гами на зображеннях. (Їхній логотип ніби натякає). При вказівці пастельної кольорової гами у запиті кольори швидше ставали просто нормальної помірної насиченості, а саме пастельної кольорової гами досягти було складно. Наразі цю проблему вирішено. 

Дякую за увагу! Я сподіваюся, що ця стаття була вам корисною!