Teoria pratica della progettazione rapida nell'intelligenza artificiale per la generazione di ritratti | 杉山宣嗣

- Scomposizione strutturale e istruzioni complete per garantire la riproducibilità -

sommario

Introduzione
I suggerimenti sono "progetti" anziché "testo"
1. ■Struttura di base del prompt del ritratto
Tre fattori che riducono la riproducibilità
Principi di progettazione per migliorare la riproducibilità
Completa i suggerimenti del livello pratico
L'essenza di questo suggerimento
applicazione：Come utilizzare correttamente i prompt
riepilogo
Spiegazione dettagliata delle istruzioni di cui sopra
① Distorsione nei dati di apprendimento
② Differenza di precisione nella scomposizione dei token
1. Per l'inglese
2. Per il giapponese
③ L'inglese è la lingua standard per i termini fotografici
■Caso in cui è adatto il giapponese
●Struttura consigliata
●Esempio
●① Completamente in inglese + design interno in giapponese
●② “Traduzione intenzionale” dal giapponese all'inglese

Introduzione

Nella generazione di ritratti、C'è un problema che molte persone affrontano。
È l'instabilità per cui "ogni volta appare un'immagine diversa anche con lo stesso prompt"。

Il problema non è semplicemente perché il prompt è breve.。
L'essenza è、I prompt sono “non strutturati”Si trova a。

In questo articolo、Suddividere le istruzioni nella generazione del ritratto in un “processo di produzione”、Metodi di progettazione che garantiscono riproducibilità e、Guida completa ai suggerimenti pratici。

I suggerimenti sono "progetti" anziché "testo"

Un tipico prompt tende ad assomigliare a questo:。

bella donna
cinematografico
alta qualità

Ma questo、In termini di processo di produzione, è sinonimo di "per favore, scatta la foto nel modo giusto".。
In altre parole、stato di totale assenza di controlloです。

Ciò che è importante è、Ciò che bisogna fare è scomporre il prompt come di seguito。

■Struttura di base del prompt del ritratto

Progettazione del soggetto (Soggetto)
Stile
Posa/Composizione / Composizione)
Illuminazione
Ambiente
Impostazioni della fotocamera (Fotocamera)
Colore/tono
Stile
Emozione/Significato (Umore)
Controllo di qualità

Questa struttura è、Corrisponde al processo di produzione del film live-action.。
Allora cos'è un suggerimento?、

Testo della direzione di ripresa

です。

Tre fattori che riducono la riproducibilità

① Uso frequente di parole astratte

Parole come “bello” e “cinematografico” possono essere interpretate in modo troppo ampio.、Il risultato cambia ogni volta。

② Condizioni fisiche non definite

posizione leggera、distanza della telecamera、Se la lunghezza focale ecc. non è specificata、La composizione è sfocata。

③ Ignorare i fattori di rumore

Sfondo, capelli, espressioni facciali, ecc.、Se ci sono troppe parti che l’IA interpreta liberamente, diventerà instabile.。

Principi di progettazione per migliorare la riproducibilità

■1. Quantificare il più possibile

Distanza (1,5 m)
Angolo (45°)
Colore (#codice)

■2. Correggi gli elementi oscillanti

Espressione (neutra)
vista (macchina fotografica)
Acconciatura (lunghezza/scriminatura)

■3. Prevenire deviazioni con suggerimenti negativi

anime / i cartoni animati escludono
Eliminare la correzione eccessiva
eliminazione del rumore di fondo

Completa i suggerimenti del livello pratico

Di seguito è riportato、Suggerimenti progettati per massimizzare la riproducibilità。

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'essenza di questo suggerimento

Il valore di questo prompt non è "lunghezza"。

Ciò che è importante è、

senza lasciare spazio ad interpretazioni
variabili fisse
Verbalizza completamente il processo produttivo

Questo è il punto。

applicazione：Come utilizzare correttamente i prompt

Questa versione completa non è una "forma finita" ma una "base"。

Ad esempio,：

Cambia solo l'illuminazione
Cambia solo l'acconciatura
Basta cambiare la lente

Sostituendo cose come、

Puoi progettare le varianti desiderate.

Sembrerà così。

riepilogo

Il design rapido nella generazione dei ritratti lo è、

piuttosto che aggiungere parole
Progettazione della struttura di controllo

です。

e soprattutto、

Quale processo dovrebbe essere lasciato all’IA?、Dove dovrebbero progettare gli esseri umani?

Questo è il punto di vista。

L’intelligenza artificiale è brava a “generare”、La “progettazione delle intenzioni” non è possibile。
La persona responsabile della progettazione è、Questo è un suggerimento。

Ciò di cui hai bisogno non è la tecnica、
Scomposizione del processo produttivo、prospettiva da ricostruireです。

Spiegazione dettagliata delle istruzioni di cui sopra

Questa richiesta non è solo una "descrizione dettagliata"、Specifiche di controllo progettate per eliminare le fluttuazioni nei risultati generati"È。

Nel seguito、Ogni bloccocosa aggiustare、Come controlliamo il grado di libertà dell’IA?Di、Lo analizzerò e lo spiegherò da un punto di vista pratico.。

■Comprendere la struttura generale (la cosa più importante)

Questo prompt è composto da tre livelli:：

① Definizione della forma (geometria)

→ Caratteristiche fisiche e composizione della persona

② Definizione ottica (Ottica)

→ Luce/Lente/Colore

③ Vincoli

→ Prevenzione della deviazione dell'IA

👉 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

●Ruolo

人物の「平均化」を防ぐ
骨格レベルでのブレを抑制

●Punti

「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

●Ruolo

「不気味の谷」回避
テクスチャの安定化

●Punti

色コード指定 → 色の再現性向上
sclera (peltro degli occhi) → Previene l'opacità
pori → Previene un'eccessiva correzione dell'IA

👉“La pelle non è specificata” e trasformata in plastica

■③ Espressione facciale/sguardo (l'elemento più variabile)

espressione calma neutra, labbra leggermente chiuse, nessun sorriso,
contatto visivo direttamente con la fotocamera

●Ruolo

Correggi le fluttuazioni emotive

●Punti

nessun sorriso → Elimina i sottili cambiamenti nelle espressioni facciali
contatto visivo → prevenzione della deviazione della linea di vista

👉Quando il tuo sguardo si sposta sembri una “persona diversa”

■④ Capelli (controllo della fonte di generazione del rumore)

di media lunghezza, Dritto, arricciatura verso l'interno, parte centrale, niente capelli randagi

●Ruolo

Sopprimere la principale causa del fallimento generazionale

●Punti

Specificare tutta la lunghezza + forma + riga
Eliminazione dei peli randagi → riduzione del rumore

👉I capelli sono la parte più instabile per l’intelligenza artificiale

■⑤ Costume (controllo del riflesso della luce)

camicetta di seta bianca, consistenza opaca, senza schemi

●Ruolo

Stabilizzare il comportamento della luce

●Punti

seta × opaco → previene un riflesso eccessivo
nessun modello → riduzione del rumore di riconoscimento

👉I modelli causano un riconoscimento errato dell'IA

■⑥ Posa (scheletro della composizione)

seduto in posizione eretta, le mani sulle cosce, spalle inclinate di 15°

●Ruolo

Prevenzione del collasso della struttura del corpo umano

●Punti

Designazione delle mani → Misure contro le dita storte
Specificazione dell'angolo → Evitare innaturalità troppo frontali

👉Se non specifichi la mossa, c'è un'alta probabilità che crolli.

■⑦ Posizione della telecamera (punto di vista fisso)

all'altezza degli occhi, 1.5m di distanza, inquadratura centrata

●Ruolo

Stabilizzare la prospettiva

●Punti

Specificare la distanza → Previeni la distorsione del viso
livello degli occhi → impressione naturale

👉Distanza non specificata = si verifica una distorsione grandangolare

■⑧ Obiettivo/profondità di campo (il cuore della fotografia)

85mm, f1.8, profondità di campo ridotta

●Ruolo

Determinazione della somiglianza fotografica

●Punti

85mm → verticale standard
f1.8 → separazione dello sfondo

👉Questo è il punto di svolta tra “CG feeling” e “photo feeling”

■⑨ Scrittura (la cosa più importante)

luce singola morbida a 45°, leggermente sopra il livello degli occhi

●Ruolo

Creazione di un effetto tridimensionale

●Punti

45° → Bilanciamento ottimale delle ombre del viso
Dall'alto → Riproduzione della luce naturale
riempire 10% → Regolazione fine del contrasto

👉Non controllare la luce = tutto crolla

■⑩ Ambiente (isolamento acustico)

sfondo grigio caldo semplice (#d6d1cc), nessun oggetto

●Ruolo

Evita che lo sfondo vada fuori controllo

●Punti

Specifica colore singolo → Riconoscimento stabile
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

●Ruolo

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

●Ruolo

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, anime, bad anatomy, extra fingers...

●Ruolo

AIの暴走防止

●Punti

Anatomia → Prevenire la perdita di forma
stile → prevenzione manga

👉Spesso più importante che positivo

■⑭ Parametro

--ar 2:3 --Q 2 --stile crudo - seme 12345

●Ruolo

controllo finale
ar → rapporto di composizione
seme → nucleo della riproducibilità

👉La riproduzione completa è impossibile senza un seme

■L'essenza di questo suggerimento

Questo suggerimento è

Non è perché è dettagliato che è buono.
Stabile perché “le variabili sono schiacciate”

Il disegno è。

■Importante comprensione

Questa struttura rimane、

Pianificazione → Concept → Fotografia → Sviluppo

Ciò è coerente con la produzione live-action.。

■Riepilogo

L'essenza di questo suggerimento è：

eliminare le espressioni ambigue
nelle condizioni fisiche
ノイズ要因を先回りして潰す

In altre parole、

AIに任せるのではなく、AIを制御するための設計

です。

■なぜ英語の方が有利なのか

① Distorsione nei dati di apprendimento

多くの生成モデルは、

英語キャプション付き画像
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 Differenza di precisione nella scomposizione dei token

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。

Per l'inglese

“soft light”
“85mm lens”

👉 意味単位で安定して分解される

Per il giapponese

「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'inglese è la lingua standard per i termini fotografici

Ad esempio,：

aperture（絞り）
depth of field（被写界深度）
rim light
illuminazione cinematografica

👉 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？

Insomma：使えるが、用途を分けるべき

■Caso in cui è adatto il giapponese

① Concetto/Emozione

「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 Generazione approssimativa

Generazione di idee
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 Designazione fisica e tecnica (fatale)

光の角度
lente
距離

👉 ここは英語でないと崩れる

② Quando è richiesta la riproducibilità

👉 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

●Struttura consigliata

[英語：物理・構造]
+
[日本語：コンセプト・感情]

●Esempio

ultra-realistic portrait, 85mm lens, soft lighting, profondità di campo ridotta,静かな朝の空気感、少し内省的な表情、Atmosfera calma

👉 これが最もバランスが良い

■さらに精度を上げる方法

●① Completamente in inglese + design interno in giapponese

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 “Traduzione intenzionale” dal giapponese all'inglese

単純翻訳はNG：

❌ 「柔らかい光」→ soft light
✔ 「窓からの拡散光」→ diffused window light

👉Importante da tradurre in terminologia fotografica

■ Idee sbagliate comuni

❌"Nessun problema se si tratta di un modello che supporta il giapponese"
→Parzialmente corretto ma non sufficiente

motivo：

Posso capire la lingua
maL’inglese è dominante quando si tratta di connessioni visive

■Conclusione

Può anche essere generato in giapponese.
ma
L'inglese è superiore in termini di accuratezza, riproducibilità e controllabilità.

■Essenza

Il problema non è la lingua、

In che misura la descrizione è “controllabile”?

です。

Tuttavia, nel modello attuale、

La sua lingua di controllo è ottimizzata per l'inglese

Questa è la realtà。

*Utilizzare il suggerimento qui sopra、Ho provato a generare immagini con Gemin e ChatGPT。(ogni volta、(Potrebbe non essere la stessa foto)

ChatGPT ha creato un volto comunemente visto nelle immagini AI.。Per i Gemelli,、Sembra naturale, come una persona reale。ma、I Gemelli ignorano la richiesta di scuotere le spalle di 15 gradi.。Ci sono molti posti in cui i Gemelli non ascoltano le tue istruzioni.。