Théorie pratique de la conception rapide dans l'IA de génération de portraits | 杉山宣嗣

- Décomposition structurelle et invites complètes pour assurer la reproductibilité -

table des matières

Introduction
Les invites sont des « plans » plutôt que du « texte »
1. ■Structure de base de l'invite de portrait
Trois facteurs qui réduisent la reproductibilité
Principes de conception pour améliorer la reproductibilité
Invites de niveau pratique complètes
L'essence de cette invite
application：Comment utiliser correctement les invites
résumé
Explication détaillée des invites ci-dessus
① Biais dans les données d'apprentissage
② Différence de précision dans la décomposition des jetons
1. Pour l'anglais
2. Pour le japonais
③ L'anglais est la langue standard pour les termes photographiques
■Cas où le japonais convient
●Structure recommandée
●Exemple
●① Entièrement en anglais + design interne en japonais
●② « Traduction intentionnelle » du japonais vers l'anglais

Introduction

En génération de portraits、Il y a un problème auquel beaucoup de gens sont confrontés。
C'est l'instabilité selon laquelle « une image différente apparaît à chaque fois, même avec la même invite »。

Le problème ne vient pas simplement du fait que l’invite est courte.。
L'essence est、Les invites sont « non structurées »Il est situé dans。

Dans cet article、Décomposer les invites de la génération de portraits en un « processus de production »、Des méthodes de conception garantissant la reproductibilité et、Guide complet d'invites pratiques。

Les invites sont des « plans » plutôt que du « texte »

Une invite typique a tendance à ressembler à ceci :。

belle femme
cinématique
haute qualité

Mais ceci、En termes de processus de production, cela est synonyme de « s'il vous plaît, prenez la photo dans le bon sens ».。
Autrement dit、état d'absence de contrôle du toutです。

Ce qui est important c'est、Ce qu'il faut faire est de décomposer l'invite comme ci-dessous。

■Structure de base de l'invite de portrait

Conception du sujet (Sujet)
Stylisme
Pose/Composition / Composition)
Éclairage
Environnement
Paramètres de l'appareil photo (Caméra)
Couleur/ton
Style
Émotion/Sens (humeur)
Contrôle de qualité

Cette structure est、Cela correspond au processus de production du film d’action réelle.。
Alors, qu'est-ce qu'une invite ?、

Texte de la direction de tir

です。

Trois facteurs qui réduisent la reproductibilité

① Utilisation fréquente de mots abstraits

Des mots tels que « beau » et « cinématographique » peuvent être interprétés de manière trop large.、Le résultat change à chaque fois。

② Conditions physiques non définies

position de la lumière、distance de la caméra、Si la distance focale, etc. ne sont pas spécifiées,、La composition est floue。

③ Ignorer les facteurs de bruit

Contexte, cheveux, expressions faciales, etc.、S’il y a trop de parties que l’IA interprète librement, elle deviendra instable.。

Principes de conception pour améliorer la reproductibilité

■1. Quantifier autant que possible

Distance (1,5 m)
Angle (45°)
Couleur (#code)

■2. Réparer les éléments oscillants

Expression (neutre)
viseur (caméra)
Coiffure (longueur/raie)

■3. Prévenir les écarts avec des invites négatives

animé / dessin animé exclure
Élimine la surcorrection
élimination du bruit de fond

Invites de niveau pratique complètes

Ci-dessous se trouve、Invites conçues pour maximiser la reproductibilité。

ultra-realistic portrait of a 26-year-old Japanese woman,
height 165cm, slim build, narrow shoulders, long neck,
oval face shape, small chin, straight nose bridge, slightly wide-set almond eyes,
dark brown iris (#3b2f2f), clear sclera, natural eyelashes,
light smooth skin with subtle pores, no blemishes, no freckles,

neutral calm expression, lips slightly closed, no smile,
eye contact directly to camera,

hair: medium-length (shoulder length), straight with slight inward curl at ends,
natural black (#1a1a1a), center part, slight volume at crown, no stray hair,

outfit: white silk blouse, matte texture, no patterns, slightly loose fit,
top button open, soft fabric folds, no accessories,

pose: seated upright on a chair, spine straight but relaxed,
hands resting gently on thighs, fingers naturally curved,
shoulders slightly angled (15 degrees to camera),

camera position: eye-level, 1.5 meters distance, centered framing,
framing: chest-up portrait, head near top margin,

lens: 85mm prime lens,
aperture: f/1.8,
depth of field: shallow, sharp focus on eyes, background fully blurred,

lighting setup:
single soft light at 45° camera left, slightly above eye level,
soft shadows on opposite side, subtle reflector fill (10%),

environment:
indoor studio, plain warm gray background (#d6d1cc), no objects,

color grading:
warm tone, low contrast, soft highlights, natural skin tones,

style:
editorial fashion photography, realistic, non-stylized,

negative prompt:
cartoon, anime, bad anatomy, extra fingers, blur, noise,
overexposed, harsh shadows, plastic skin, busy background,

--ar 2:3 --q 2 --style raw --seed 12345

L'essence de cette invite

La valeur de cette invite n'est pas "longueur"。

Ce qui est important c'est、

ne laissant aucune place à l'interprétation
variables fixes
Verbalise complètement le processus de production

C'est le point。

application：Comment utiliser correctement les invites

Cette version complète n'est pas une "forme finie" mais une "base"。

Par exemple：

Changer uniquement l'éclairage
Change juste de coiffure
Changer uniquement l'objectif

En remplaçant des choses comme、

Vous pouvez concevoir les variantes souhaitées.

Cela ressemblera à ceci。

résumé

La conception rapide dans la génération de portraits est、

plutôt que d'ajouter des mots
Conception de la structure de contrôle

です。

et surtout、

Quel processus faut-il laisser à l’IA ?、Où les humains devraient-ils concevoir ?

C'est le point de vue。

L’IA est douée pour « générer »、La « conception d’intention » n’est pas possible。
La personne responsable de la conception est、Ceci est une invite。

Ce dont tu as besoin, ce n'est pas de la technique、
Décomposer le processus de production、perspective de reconstructionです。

Explication détaillée des invites ci-dessus

Cette invite n'est pas seulement une "description détaillée"、Spécifications de contrôle conçues pour supprimer les fluctuations des résultats générés"est。

Dans ce qui suit、Chaque blocquoi réparer、Comment contrôler le degré de liberté de l’IA ?de、Je vais le décomposer et l'expliquer d'un point de vue pratique.。

■Comprendre la structure globale (le plus important)

Cette invite se compose de trois couches :：

① Définition de la forme (Géométrie)

→ 人物の物理的特徴・構図

② Définition optique (Optique)

→ 光・レンズ・色

③ Contraintes

→ AIの逸脱防止

👉 この3つを揃えることで、“再現性のある生成”が成立します

■① 被写体設計（Subject Design）

ultra-realistic portrait of a 26-year-old Japanese woman,
height 165cm, slim build, narrow shoulders, long neck,
oval face shape, small chin, straight nose bridge, slightly wide-set almond eyes

●Rôle

人物の「平均化」を防ぐ
骨格レベルでのブレを抑制

●Points

「26歳」→ 若すぎず老けすぎない中間固定
「narrow shoulders / long neck」→ シルエット制御
「face shape」→ 顔の輪郭を固定

👉AIは顔より“輪郭”の方がブレやすい

■② 目・肌の詳細定義（微細ディテール制御）

dark brown iris (#3b2f2f), clear sclera, natural eyelashes,
light smooth skin with subtle pores, no blemishes, no freckles

●Rôle

「不気味の谷」回避
Stabilisation des textures

●Points

Spécifier le code couleur → Améliorer la reproductibilité des couleurs
sclère (étain des yeux) → Empêche la nébulosité
pores → Empêcher une correction excessive de l'IA

👉"La peau n'est pas spécifiée" et transformée en plastique

■③ Expression faciale/regard (l'élément le plus variable)

expression calme et neutre, lèvres légèrement fermées, pas de sourire,
contact visuel directement avec la caméra

●Rôle

Corriger les fluctuations émotionnelles

●Points

pas de sourire → Élimine les changements subtils dans les expressions faciales
contact visuel → prévention de la déviation de la ligne de vue

👉Lorsque votre regard change, vous ressemblez à une « personne différente »

■④ Cheveux (contrôle de la source de génération de bruit)

de longueur moyenne, droit, boucle vers l'intérieur, partie centrale, pas de cheveux perdus

●Rôle

Supprimer la principale cause d’échec de génération

●Points

Spécifiez toute la longueur + la forme + la séparation
Élimination des poils errants → réduction du bruit

👉Les cheveux sont la partie la plus instable pour l’IA

■⑤ Costume (contrôle de la réflexion de la lumière)

chemisier en soie blanche, texture mate, pas de modèles

●Rôle

Stabiliser le comportement de la lumière

●Points

soie × mat → évite les reflets excessifs
aucun motif → réduction du bruit de reconnaissance

👉Les modèles amènent l’IA à mal reconnaître

■⑥ Pose (squelette de composition)

assis droit, mains sur les cuisses, épaules inclinées à 15°

●Rôle

Prévention de l'effondrement de la structure du corps humain

●Points

Désignation des mains → Mesures contre les doigts tordus
Spécification de l'angle → Évitez tout manque de naturel trop frontal

👉Si vous ne précisez pas le mouvement, il y a une forte probabilité qu'il s'effondre.

■⑦ Position de la caméra (point de vue fixe)

au niveau des yeux, 1.5m de distance, cadrage centré

●Rôle

Stabiliser la perspective

●Points

Spécifier la distance → Empêcher la distorsion du visage
niveau des yeux → impression naturelle

👉Distance non spécifiée = une distorsion grand angle se produit

■⑧ Objectif/profondeur de champ (le cœur de la photographie)

85mm, f1.8, faible profondeur de champ

●Rôle

Déterminer la ressemblance avec une photo

●Points

85mm → norme portrait
f1.8 → séparation de l'arrière-plan

👉C’est le tournant entre le « ressenti CG » et le « ressenti photo »

■⑨ Écriture (le plus important)

lumière douce unique à 45°, légèrement au-dessus du niveau des yeux

●Rôle

Créer un effet tridimensionnel

●Points

45° → Equilibre optimal des ombres du visage
D'en haut → Reproduction de la lumière naturelle
remplir 10% → Réglage fin du contraste

👉Ne pas contrôler la lumière = tout s'effondre

■⑩ 環境（ノイズ遮断）

plain warm gray background (#d6d1cc), no objects

●Rôle

背景の暴走防止

●Points

単色指定 → 認識安定
no objects → 不要要素排除

■⑪ カラーグレーディング

warm tone, low contrast, soft highlights

●Rôle

印象の統一

👉 撮影後の「現像工程」に相当

■⑫ スタイル指定

editorial fashion photography, realistic, non-stylized

●Rôle

出力の方向性固定

👉 “photorealistic”より具体性が高い

■⑬ ネガティブプロンプト（制約）

cartoon, animé, bad anatomy, extra fingers...

●Rôle

AIの暴走防止

●Points

anatomy系 → 形状崩れ防止
style系 → 漫画化防止

👉ポジティブより重要な場合も多い

■⑭ パラメータ

--ar 2:3 --q 2 --style raw --seed 12345

●Rôle

最終制御
ar → 構図比率
seed → 再現性の核

👉seedがないと完全再現は不可能

■L'essence de cette invite

Cette invite est

Ce n'est pas parce que c'est détaillé que c'est bien.
Stable car « les variables sont écrasées »

La conception est。

■Compréhension importante

Cette structure reste、

Planification → Concept → Photographie → Développement

Ceci est cohérent avec la production en direct.。

■Résumé

L'essence de cette invite est：

éliminer les expressions ambiguës
dans les conditions physiques
Éliminer à l'avance les facteurs de bruit

Autrement dit、

Au lieu de laisser le soin à l'IA、Conçu pour contrôler l'IA

です。

■Pourquoi l'anglais est plus avantageux

① Biais dans les données d'apprentissage

De nombreux modèles génératifs、

Images avec légendes en anglais
英語圏のデータセット（LAIONなど）

で学習されています。

👉 つまり、

概念とビジュアルの結びつきが英語で最適化されている

② Différence de précision dans la décomposition des jetons

AIは文章をそのまま理解しているのではなく、トークン（意味単位）に分解しています。

Pour l'anglais

“soft light”
“85mm lens”

👉 意味単位で安定して分解される

Pour le japonais

「柔らかい光」
「85mmレンズ」

👉 分解が不安定になりやすい
（文脈依存・曖昧性が高い）

③ L'anglais est la langue standard pour les termes photographiques

Par exemple：

aperture（絞り）
depth of field（被写界深度）
rim light
éclairage cinématographique

👉 これらは英語で学習されている前提語彙

■では日本語は使えないのか？

en conclusion：使えるが、用途を分けるべき

■Cas où le japonais convient

① Concept/Émotion

「静かな朝の雰囲気」
「孤独感のある表情」

👉 抽象概念は日本語でも機能する

② Génération brute

Génération d'idées
雰囲気確認

👉 精度より方向性重視

■日本語が不利なケース

① Désignation physique et technique (mortel)

光の角度
lentille
距離

👉 ここは英語でないと崩れる

② Lorsque la reproductibilité est requise

👉 同じ画像を出したいなら英語必須

■実務的な最適解（重要）

👉ハイブリッド運用

●Structure recommandée

[英語：物理・構造]
+
[日本語：コンセプト・感情]

●Exemple

ultra-realistic portrait, 85mm lens, soft lighting, faible profondeur de champ,静かな朝の空気感、少し内省的な表情、Ambiance calme

👉 これが最もバランスが良い

■さらに精度を上げる方法

●① Entièrement en anglais + design interne en japonais

設計 → 日本語で考える
出力 → 英語に変換

👉 実務ではこれが主流

●② « Traduction intentionnelle » du japonais vers l'anglais

Une simple traduction ne sert à rien：

❌ "Lumière douce" → lumière douce
✔ « Lumière diffuse de la fenêtre » → lumière diffuse de la fenêtre

👉Important à traduire en terminologie photographique

■Idées fausses courantes

❌"Pas de problème si c'est un modèle qui supporte le japonais"
→Partiellement correct mais pas suffisant

raison：

Je peux comprendre la langue
maisL'anglais est dominant en matière de connexions visuelles

■Conclusion

Il peut également être généré en japonais.
mais
L'anglais est supérieur en termes de précision, de reproductibilité et de contrôlabilité.

■Essence

Le problème n'est pas la langue、

Dans quelle mesure la description est-elle « contrôlable » ?

です。

Cependant, dans le modèle actuel、

Son langage de contrôle est optimisé pour l'anglais

C'est la réalité。

*Utilisez l'invite ci-dessus、J'ai essayé de générer des images avec Gemin et ChatGPT。(à chaque fois、(Ce n'est peut-être pas la même photo)

ChatGPT a créé un visage couramment vu dans les images d'IA.。Pour les Gémeaux,、Cela a l'air naturel, comme une vraie personne。mais、Les Gémeaux ignorent la demande de secouer vos épaules de 15 degrés.。Il existe de nombreux endroits où les Gémeaux n’écoutent pas vos instructions.。