🖼️ Prompts para Imagens🟢 Consertando Deformações

Consertando Deformações

🟢 This article is rated easy

Reading Time: 2 minutes

Last updated on August 7, 2024

Deformações em geração de imagens, particularmente em partes do corpo humano (e.g. mãos, pés), são um problema comum em muitos modelos. Isso pode ser tratado até certo ponto com bons prompts negativos. O seguinte exemplo é adaptado deste post do Reddit (https://www.reddit.com/r/StableDiffusion/comments/z7salo/with_the_right_prompt_stable_diffusion_20_can_do/).

Exemplo

Usando o Stable Diffusion v1.5 e o seguinte prompt, geramos uma imagem legal do Brad Pitt, com exceção das mãos, é claro!

Prompt

retrato médio do Brad Pitt, acenando com as mãos, detalhado, filme, iluminação de estúdio, lente de 90mm, por Martin Schoeller:6

Usando um prompt robusto e negativo, podemos gerar mãos muito mais convincentes.

Prompt

retrato médio do Brad Pitt acenando com as mãos, detalhado, filme, iluminação de estúdio, lente de 90mm, por Martin Schoeller:6 | desfigurado, membros deformados, borrado, granulado, quebrado, olho de pombo, morto-vivo, photoshopped, sobreexposto, subexposto, baixa resolução, má anatomia, mãos ruins, dedos a mais, dedos a menos, dedo ruim, orelha ruim, olho ruim, rosto ruim, cortado: -5

Usando um prompt semelhante, também é possível ajudar com outras partes do corpo. Infelizmente, essa técnica não é consistente, então você pode precisar de tentar várias gerações antes de obter um bom resultado. No futuro, esse tipo de promessa não será necessário, pois os modelos melhorarão. No entanto, atualmente é uma técnica muito útil.

Notas

Modelos melhorados, como o Protogen são geralmente melhores com mãos, pés, etc.

Sander Schulhoff

Sander Schulhoff is the CEO of HackAPrompt and Learn Prompting. He created the first Prompt Engineering guide on the internet, two months before ChatGPT was released, which has taught 3 million people how to prompt ChatGPT. He also partnered with OpenAI to run the first AI Red Teaming competition, HackAPrompt, which was 2x larger than the White House's subsequent AI Red Teaming competition. Today, HackAPrompt partners with the Frontier AI labs to produce research that makes their models more secure. Sander's background is in Natural Language Processing and deep reinforcement learning. He recently led the team behind The Prompt Report, the most comprehensive study of prompt engineering ever done. This 76-page survey, co-authored with OpenAI, Microsoft, Google, Princeton, Stanford, and other leading institutions, analyzed 1,500+ academic papers and covered 200+ prompting techniques.

Footnotes

Blake. (2022). With the right prompt, Stable Diffusion 2.0 can do hands. https://www.reddit.com/r/StableDiffusion/comments/z7salo/with_the_right_prompt_stable_diffusion_20_can_do/ ↩