آموزش ساخت کاراکترهای ثابت و همسان در صحنه‌های مختلف با هوش مصنوعی

مشکل همیشگی ویدیوهای هوش مصنوعی

هرکسی که با هوش مصنوعی ویدیو ساخته، این صحنه را دیده است: کاراکتر در صحنه اول عالی است، اما در صحنه سوم کاملاً آدم دیگری شده. صورت عوض می‌شود، لباس عوض می‌شود، حتی قد و هیکل فرق می‌کند. این ناپایداری، بزرگ‌ترین مانع استفاده حرفه‌ای از ویدیوی هوش مصنوعی است.

خبر خوب این است که راه‌حل مشخصی وجود دارد: همجوشی چند تصویری. به‌جای دادن یک تصویر مرجع، چند تصویر از کاراکتر به مدل می‌دهید تا هویتی پایدار یاد بگیرد. این آموزش، روش کامل ساخت کاراکتر ثابت را قدم‌به‌قدم توضیح می‌دهد.

چرا یک تصویر مرجع کافی نیست

یک تصویر مرجع دو چیز را با هم قاطی می‌کند: کاراکتر کیست و در آن لحظه چه شکلی است. ژست، نور و حالت چهره، همه در همان پیکسل‌های صورت قرار دارند. مدل به‌سختی می‌تواند هویت را از لحظه جدا کند؛ پس وقتی صحنه جدیدی با نور متفاوت می‌خواهید، مجبور است حدس بزند.

نتیجه، انحراف بصری است: کلوزآپ بخواهید، صورت عوض می‌شود؛ صحنه شب بخواهید، رنگ پوست عوض می‌شود؛ زاویه دیگر بخواهید، فرم بینی فرق می‌کند.

همجوشی چند تصویری با دادن چند زاویه از همان شخص، این مشکل را حل می‌کند. سه یا چهار تصویر مرجع کافی است تا سیستم ویژگی‌های ثابت - ساختار صورت، مو، نشانه‌های دائمی - را از ویژگی‌های موقت مثل ژست و نور جدا کند. هویت به لنگرگاهی پایدار تبدیل می‌شود، نه یک عکس فوری.

مرجع‌ها را چطور بسازیم

کیفیت مرجع‌ها از تعدادشان مهم‌تر است. پنج تصویر نامنظم نتیجه‌ای بدتر از سه تصویر خوب می‌دهد:

• از تصاویری با ساختار صورت ثابت استفاده کنید؛ لنزهای فوق عریض که نسبت‌ها را خراب می‌کنند ممنوع.
• نور مرجع‌ها را متفاوت بگیرید، اما ویژگی‌های اصلی در هر تصویر واضح بماند.
• حداقل یک تصویر روبرو و یک تصویر نیمرخ داشته باشید تا مدل شکل کامل سر را بفهمد.
• مو و لباس را در همه مرجع‌ها ثابت نگه دارید. اگر کاراکتر لباس عوض می‌کند، برای هر لباس مرجع جدا بسازید.
• تصاویر با فیلتر سنگین، آرایش غلیظ یا حالت چهره اغراق‌شده را حذف کنید.

ده تا پانزده تصویر خوب برای ساختن هویت پایدار کافی است. کیفیت، عامل تعیین‌کننده است.

فرآیند چهار مرحله‌ای

آماده‌سازی

مرجع‌ها را جمع و پاک‌سازی کنید. پس‌زمینه‌های مزاحم را برش بزنید، اختلاف نور را اصلاح کنید و مطمئن شوید صورت کاراکتر در همه تصاویر شارپ است. این مرحله، موفقیت یا شکست پروژه را تعیین می‌کند.

همجوشی

مرجع‌ها را در مرحله همجوشی اجرا کنید تا لنگرگاه هویت ساخته شود. اگر ابزار شما وزن‌دهی پشتیبانی می‌کند، به واضح‌ترین و خنثی‌ترین تصاویر وزن بیشتری بدهید. لنگرگاهی که اینجا می‌سازید، به همه تولیدهای بعدی منتقل می‌شود.

تست

قبل از تعهد به صحنه کامل، کلیپ‌های تست سریع در شرایط مختلف بسازید: کلوزآپ، نمای باز، صحنه شب، زاویه جانبی. کاراکتر را در همه تست‌ها مقایسه کنید. اگر صورت ثابت ماند، لنگرگاه شما محکم است. اگر نه، به مرجع‌ها برگردید و ضعیف‌ترین تصاویر را اصلاح کنید.

قفل

بعد از موفقیت لنگرگاه در تست‌ها، آن را برای کل پروژه قفل کنید. هر صحنه، هر زاویه و هر تغییر نور باید با همان هویت ساخته شود. این کار، مجموعه کلیپ‌ها را به داستانی با یک کاراکتر باورپذیر تبدیل می‌کند.

این فرآیند با ابزارهای تولید ویدیو از تصویر که چند ورودی می‌پذیرند و لنگرگاه را بین کلیپ‌ها حفظ می‌کنند، هماهنگ است.

اشتباهات رایج

مخلوط کردن سبک‌ها

تصویر واقع‌گرایانه کنار تصویرسازی اغراق‌شده، مدل را گیج می‌کند. سبک مرجع‌ها باید یکسان باشد؛ پروژه‌های واقع‌گرایانه و سبک‌دار را کاملاً جدا کنید.

کوچک بودن صورت

اگر کاراکتر در بیشتر مرجع‌ها کوچک است، مدل چیزی برای یادگیری ندارد. تصاویر را برش بزنید تا صورت بخش بزرگی از کادر باشد.

عوض کردن لباس وسط پروژه

لنگرگاه هویت شامل لباس هم می‌شود. اگر کاراکتر لباس عوض می‌کند، به‌جای یک لنگرگاه برای همه، برای هر لباس لنگرگاه جدا بسازید.

حذف مرحله تست

پریدن مستقیم به صحنه نهایی، سریع‌ترین راه هدر دادن بودجه تولید است. تست ارزان است؛ اصلاح لنگرگاه خراب وسط تولید گران.

کی ارزش سرمایه‌گذاری دارد

همه پروژه‌ها به کاراکتر همجوشی‌شده نیاز ندارند. یک قاب احساسی، تصویر انتزاعی یا کلیپ شبکه اجتماعی یک‌بار مصرف با پرامپت ساده ساخته می‌شود. وقتی پروژه سریالی است سرمایه‌گذاری کنید: کمپین برند با کاراکتر تکرارشونده، فیلم کوتاه، محتوای اپیزودیک یا هر فرآیندی که چهره یکسان باید در صحنه‌های زیاد باورپذیر ظاهر شود.

در این پروژه‌ها، بازده بزرگ است. کاراکتر ثابت، تفاوت بین دمو و داستانی است که مخاطب واقعاً دنبال می‌کند. همین انضباط برای تصاویر ثابت هم صدق می‌کند: اگر کاراکتر باید در چند تصویر یکسان ظاهر شود، تولیدکننده تصویر هوش مصنوعی Domer با چند ورودی مرجع، لنگرگاه مشابهی برای صحنه‌های ثابت می‌دهد.

چک‌لیست قبل از شروع

۱. ده تا پانزده تصویر مرجع تمیز و هماهنگ جمع شده؟
۲. نور و زاویه متفاوت، اما مو و صورت و لباس ثابت؟
۳. لنگرگاه هویت ساخته و در انواع صحنه‌ها تست شده؟
۴. لنگرگاه قفل و برای هر صحنه پروژه استفاده شده؟
۵. برای هر لباس و هر سبک، لنگرگاه جدا نگه داشته شده؟

ثبات کاراکتر جادو نیست؛ تصمیم در خط تولید است. مرجع‌ها را با دقت بسازید، به لنگرگاه تبدیل کنید و قبل از تعهد تست بگیرید. این کار را بکنید و کاراکتری که مخاطب در صحنه اول می‌بیند، همانی است که در قاب آخر می‌شناسد. آموزش‌های عملی بیشتر درباره ویدیوسازی در وبلاگ Domer موجود است.