KI-Bildtransformation in Runden verketten: Wann Sie vom letzten Ergebnis weiterarbeiten und wann Sie neu starten

Die meisten Sitzungen zur KI-Bildtransformation beginnen mit einem Foto und einer Änderung. Die Änderung sitzt, das Ergebnis ist gut genug, um es zu behalten, und dann kommt eine zweite Idee: den Hintergrund ein wenig wärmer machen, die Ecke bereinigen, den Schatten weicher ziehen. An diesem Punkt schieben die meisten das letzte Ergebnis wieder hinein und bitten um eine weitere Sache. Das ist der Moment, in dem aus einer kontrollierten Bearbeitung eine Kette wird, und eine Kette verhält sich ganz anders als ein einzelner Durchlauf.

An der zweiten Anfrage ist nichts unvernünftig. Was sich ändert, ist der Ausgangspunkt. In der ersten Runde begann das Modell bei einem Foto, einer dichten Aufzeichnung einer realen Szene. In der zweiten Runde beginnt es bei einem generierten Bild, einer plausiblen Rekonstruktion dieser Szene, und die dritte Runde beginnt bei der Rekonstruktion einer Rekonstruktion. Jedes Glied ist für sich in Ordnung. Das Problem ist, dass jede Runde Details neu interpretiert, die ohnehin schon annähernd waren, und kleine Neuinterpretationen sich in eine Richtung summieren.

Ein zweiter Durchlauf ist eine andere Aufgabe als der erste

Die erste Transformation hat ein Foto, das sie verankert. Falten im Stoff, die Körnung von Stein, der genaue Schattenton, die Art, wie ein Etikett unter einem Glanzlicht sitzt: All das kommt aus der Datei, die Sie hochgeladen haben. Es ist gemessen, nicht erfunden.

Sobald Sie ein generiertes Bild wieder hineingeben, ist der Anker weg. Das Modell behandelt nun das vorherige Ergebnis als die Welt, einschließlich der Teile, die leicht falsch waren: eine Flaschenkante, die weichgezeichnet wurde, eine Spiegelung, die im falschen Winkel zurückkam, ein Riemen, der still eine Schnalle verloren hat. Ein zweiter Durchlauf weiß nicht, dass das Fehler waren. Er bewahrt sie auf und schärft sie manchmal zu einem Stil.

Darum kann derselbe Prompt, der in Runde eins wunderbar funktioniert hat, in Runde zwei etwas Trüberes erzeugen. Die Anweisung ist nicht schlechter geworden. Die Grundwahrheit darunter ist dünner geworden.

Lesen Sie die Arithmetik von strength, bevor Sie verketten

Diffusionsbasiertes Image-to-Image ist keine Ebenenbearbeitung. Die Diffusers-Dokumentation zu Image-to-Image beschreibt den Ablauf schlicht: Das Ausgangsbild wird kodiert, ihm wird Rauschen hinzugefügt, und das Modell entrauscht wieder in Richtung Ihres Prompts. Die Einstellung strength entscheidet, wie viel dieser Strecke das Bild zurücklegt. Ein höherer Wert gibt dem Modell mehr Raum, etwas anderes zu erzeugen, und bei 1.0 wird das Ausgangsbild mehr oder weniger ignoriert. Ein niedrigerer Wert hält das Ergebnis nah an dem Bild, das Sie mitgebracht haben.

Die Dokumentation benennt auch die Kopplung, die viele übersehen: strength und num_inference_steps wirken zusammen, und strength bestimmt, wie viele Rauschschritte angewendet werden. Bei 50 Schritten und einer strength von 0.8 werden vierzig dieser fünfzig Schritte erneut verrauscht und entrauscht. Ein „sanfter“ zweiter Durchlauf bei 0.8 baut also immer noch vier Fünftel des Bildes neu auf. Das Bild sieht ähnlich aus, weil der Prompt Ähnliches verlangt, nicht weil die Pixel geschützt wurden.

Diese Arithmetik macht das Verketten teuer. Zwei Durchläufe bei 0.8 sind nicht 1,6 Runden Veränderung; es sind zwei vollständige Rekonstruktionen, und die zweite baut auf einer Rekonstruktion auf. Die Guidance-Skala verstärkt den Effekt von der anderen Seite, denn ein höherer Wert zieht stärker auf die Formulierung des Prompts und lässt dem Ausgangsbild weniger Raum, dagegenzuhalten.

Entscheiden Sie, ob Sie fortfahren oder neu starten

Die nützliche Frage ist nicht, wie gut das letzte Ergebnis aussieht. Sie lautet, was die nächste Änderung tatsächlich berührt. Diese Antwort sortiert die Arbeit in zwei Stapel.

Starten Sie vom Originalfoto neu, wenn die nächste Änderung das Motiv betrifft: seine Silhouette, seine Proportionen, eine Schnalle, ein Etikett, die Kante, an der es auf den Hintergrund trifft, jeglicher kleine Text oder die exakte Farbe des Produkts. Das sind die Details, die eine zweite Generierung zuerst verschmiert, und kein noch so sorgfältiges Prompten holt sie zurück, sobald der erste Durchlauf sie weichgezeichnet hat. Neu starten heißt, ein einziges Briefing zu schreiben, das beide Änderungen auf einmal verlangt, und zwar aus der sauberen Quelle.

Vom letzten Ergebnis weiterzuarbeiten ist vertretbar, wenn die nächste Änderung global und nachsichtig ist: eine Wärmeverschiebung über das ganze Bild, ein gleichmäßiger Farbüberzug über den Hintergrund, etwas mehr oder weniger Kontrast, das Aufräumen einer leeren Ecke, in der nichts Wichtiges steht. Diese Änderungen brauchen die Originalpixel des Motivs nicht, weil sie das Motiv nicht berühren.

Eine praktische Obergrenze hilft: Erlauben Sie sich zwei strukturelle Runden ab dem Foto, nicht ab jeweils der vorigen. Wenn eine dritte Idee zum Motiv kommt, gehört sie in ein neu geschriebenes Briefing ab Runde null, zusammen mit den ersten beiden, nicht obendrauf.

Halten Sie eine Ground-Truth-Datei und ein Protokoll

Ketten scheitern leise, weil zuerst die Erinnerung versagt. Drei Tage später weiß niemand mehr, welche von sieben Dateien die gute war oder welcher Prompt sie erzeugt hat.

Beheben Sie das mit zwei kleinen Gewohnheiten. Erstens: Überschreiben Sie den ursprünglichen Upload nie. Halten Sie ihn als schreibgeschützte Runde null, und exportieren Sie jede Runde als neue Datei mit der Rundennummer im Namen. Zweitens: Führen Sie neben den Dateien ein Protokoll, eine Zeile pro Runde: die Rundennummer, die Eingabe, von der sie ausging, den Prompt, die strength, den Guidance-Wert und einen Satz dazu, wozu die Runde diente.

Das Protokoll hat zwei Aufgaben. Es sagt Ihnen, zu welcher Runde Sie zurückkehren sollten, wenn eine spätere schlechter ist, und es sagt Ihnen, was Sie ändern müssen, wenn nichts funktioniert. Ohne es wird die Iteration zu einer Reihe unzusammenhängender Vermutungen, die zufällig denselben Ordner teilen.

Schreiben Sie jede Runde als eine Ergänzung plus einen Schutz

Eine verkettete Runde funktioniert am besten, wenn der Prompt sowohl benennt, was geändert werden soll, als auch, was überleben muss. Prompts mit einer einzigen Anweisung lassen dem Modell die Freiheit, alles neu zu interpretieren, was sie nicht erwähnen, was in einer zweiten Runde alles bedeutet.

Googles Dokumentation zur Bildgenerierung zeigt diese Form in ihren Bearbeitungsbeispielen, wo ein Prompt das eine Ziel benennt und dann den Rest des Bildes schließt: Ändern Sie nur das blaue Sofa in einen Chesterfield aus vintagebraunem Leder, und lassen Sie den Rest des Raums, einschließlich der Kissen und der Beleuchtung, unverändert. Es ist ein Satz, und er enthält eine Änderung und eine Schutzliste.

Für eine verkettete Runde schreiben Sie es genauso und machen die Schutzliste spezifisch für das, was die vorherige Runde richtig hinbekommen hat. Wenn Runde eins endlich einen glaubwürdigen Schatten erzeugt hat, sagen Sie das im Prompt. Wenn das Etikett der Flasche intakt geblieben ist, benennen Sie es. Die Liste ist keine Dekoration; sie ist der Teil der Anweisung, der die nächste Generierung davon abhält, ihre Freiheit für Details auszugeben, die Sie schon bezahlt haben.

Prüfen Sie jede Runde, bevor Sie darauf aufbauen

Die Prüffrage ändert sich, sobald Sie verketten. Sie lautet nicht mehr „ist das gut genug“, sondern „ist das etwas, worauf man sicher aufbauen kann“. Sehen Sie sich jedes Ergebnis in voller Größe an, nicht im Miniaturen-Raster, und vergleichen Sie es bei gleichem Zoom mit Runde null.

Drei Anzeichen zeigen sich früh, wenn eine Kette schiefläuft. Kanten werden weich: Die Grenze zwischen Motiv und Hintergrund verliert ihre Schärfe und bekommt einen schwachen Hof. Textur wird flach: Stein wird glatt, Stoff verliert sein Gewebe, wiederholtes Detail wird zum Muster. Kleine Merkmale driften: Ein Etikett verschiebt sich um ein paar Pixel, eine Spiegelung ändert den Winkel, ein Schatten ändert die Richtung. Jedes davon an einem Detail, das Ihnen wichtig ist, bedeutet, dass die aktuelle Datei eine schlechte Eingabe für die nächste Runde ist, egal was sie sonst richtig macht.

Beenden Sie mit der besten Runde, nicht mit der neuesten

Das letzte Bild einer Kette ist fast nie das beste, denn der Grund, weiterzumachen, war, dass noch etwas falsch war. Bevor Sie exportieren, legen Sie die Runden nebeneinander und wählen Sie die stärkste Datei, nicht die neueste.

Dann hören Sie auf, sie zu bearbeiten. Wenn eine späte Runde einen Bereich gelöst hat, den die beste Runde falsch hatte, übernehmen Sie nur diesen Bereich, oder führen Sie das siegreiche Briefing erneut vom Originalfoto aus aus, mit der Verbesserung eingearbeitet. Beides ist sauberer, als die Kette fortzusetzen, und beides hält einen Weg zurück zur Quelle offen.

Wo Verketten gar nicht eingesetzt werden sollte

Manche Aufgaben vertragen keine zweite Rekonstruktion. Produktfotografie, bei der der Artikel exakt dem physischen Objekt entsprechen muss, Verpackungen mit lesbarem Text, Logos und alles, was durch eine Marktplatzprüfung geht, sind schlechte Kandidaten für eine Kette. Jeder Durchlauf ist eine Neugenerierung, keine Ebenenbearbeitung, exakte Pixel sind also nichts, was ein Prompt garantieren kann.

Wenn die Anforderung Identität ist, führen Sie die Transformation in einem Durchlauf vom Original aus durch und erledigen Sie die letzten paar Prozent mit einem Compositing-Werkzeug, das eine Freistellung bewahren kann. Diese Arbeitsteilung ist es auch, auf die frühere KOOX-Anleitung zum Prüfen einer Transformation, bevor Sie erneut iterieren hinausläuft: entscheiden Sie mit den Augen, dann ändern Sie eine Sache nach der anderen.

Eine Routine, die Sie heute ausführen können

Beginnen Sie mit einem Foto, das Sie gut kennen, und geben Sie ihm eine einzige Änderung, die Sie in einem Satz benennen können. Speichern Sie diese Runde als Runde eins, mit einer Protokollzeile. Bevor Sie irgendetwas anderes verlangen, entscheiden Sie, zu welchem Stapel die nächste Änderung gehört: Motiv, was bedeutet, von der Quelle mit einem kombinierten Briefing neu zu starten, oder Atmosphäre, was von Runde eins aus weitergehen kann.

Halten Sie die Kette bei zwei Runden, prüfen Sie jedes Ergebnis in voller Größe gegen das Original, und exportieren Sie die beste Datei statt der letzten. Wenn Sie das Ende dieses Workflows mit einem einzigen Durchlauf sehen möchten, bevor Sie mit dem Verketten beginnen, ist das KI-Bild-zu-Bild-Werkzeug der Ort, an dem Sie Runde null ausführen.

Verketten ist kein Fehler. Es ist eine Technik mit einem Budget, und das Budget wird in der Genauigkeit der Details bezahlt, die Sie in Miniaturgröße nicht sehen.