KI-Bildtransformationen prüfen: eine Checkliste, bevor du erneut iterierst

Die meisten schlechten Sessions zur Bildtransformation sind keine Prompt-Probleme. Sie sind Prüfprobleme. Jemand erzeugt ein Ergebnis, spürt, dass es falsch ist, ohne sagen zu können, inwiefern, schreibt den ganzen Prompt neu und erzeugt erneut – diesmal gehen die drei Dinge verloren, die schon richtig waren. Zehn Minuten später gibt es fünf Bilder, die jeweils auf eine andere Art falsch sind, und keinen Vermerk darüber, welche Änderung welches Ergebnis bewirkt hat.

Der fehlende Schritt ist eine Art, ein Ergebnis zu betrachten, die in einer von drei Entscheidungen endet: annehmen, die Formulierung ändern oder die Stärke ändern. Diese Routine gehört zwischen die Generierungen und nicht in sie hinein. Sie setzt außerdem voraus, dass du bereits weißt, was du von dem Foto willst, was eine andere Fähigkeit ist als die Beurteilung, ob du es bekommen hast.

Formuliere die Bestehensbedingung, bevor du generierst

Eine Prüfung braucht einen Maßstab, und der Maßstab muss existieren, bevor es das Bild gibt. Schreibe zuerst einen Satz: Was muss wahr sein, damit dieses Bild fertig ist. Dieselbe Flasche auf derselben Steinfläche mit derselben Schattenrichtung, aber der Hintergrund warmer Sand statt Grau. Dieser Satz hat zwei Hälften, und beide zählen: die Änderung, die du willst, und die Dinge, die sie überstehen müssen.

Der Satz filtert außerdem schlechte Aufträge. Wenn deine Bestehensbedingung drei Teilsätze über Stimmung, Licht und ein neues Material braucht, sind das drei Bearbeitungen, die sich als eine ausgeben, und keine einzelne Prüfung wird dir sagen können, welcher Teil gescheitert ist. Teile sie auf, behalte die Quelle und führe die Teile nacheinander aus. So ist der Text-Prompt-Editor in Adobe Firefly gedacht: Die eigene Anleitung dort schichtet eine Anweisung auf das vorherige Ergebnis – eine Vase umfärben, dann Tapete hinzufügen, dann Blumen zu einer vierten Vase hinzufügen. Jeder Schritt trägt seine eigene Bestehensbedingung und seine eigene Prüfung.

Wenn du diesen Satz nicht schreiben kannst, bist du noch nicht bereit, irgendetwas zu beurteilen. Generieren fühlt sich an diesem Punkt wie Raten an – weil es das ist.

Stelle zu jedem Ergebnis zwei Fragen, und zwar in dieser Reihenfolge

Sieh dir das Ergebnis an und beantworte die beiden Fragen getrennt.

Erstens: Hat sich das, worum ich gebeten habe, tatsächlich verändert? Zweitens: Ist alles, worum ich nicht gebeten habe, dort geblieben, wo es war?

Es sind getrennte Fragen, weil sie getrennt scheitern, und die beiden Fehler haben entgegengesetzte Ursachen. Fehlt die Veränderung, während die Bewahrung hält, war die Anweisung zu weich oder die Transformation zu zaghaft: Das Modell hat dein Foto als Antwort behandelt und den Prompt als Vorschlag. Kommt die Veränderung, während die Bewahrung bricht, ist es umgekehrt – das Modell hatte Freiheit und hat sie ausgegeben, hat Oberfläche, Licht und Geometrie neu gestaltet, weil nichts sie festhielt.

Diffusionsbasierte Image-to-Image-Pipelines machen das mechanisch. Die Dokumentation von Hugging Face beschreibt, wie das Ausgangsbild kodiert, verrauscht und dann in Richtung des Prompts entrauscht wird, wobei die Einstellung für die Stärke entscheidet, wie viel vom Original die Reise übersteht. Die Guidance Scale regelt dann, wie streng das Ergebnis dem Text folgt; höhere Werte erzeugen eine engere Ausrichtung am Prompt und weniger Spielraum zur Abweichung. Wenn du prüfst, liest du diese beiden Kräfte aus dem Bild ab. Zu wenig Veränderung ist ein schwacher Schub. Zu viel Kollateralschaden ist ein starker Schub, den nichts verankert.

Ändere jeweils nur einen Regler, und dieser Regler ist meistens die Stärke

Der Instinkt nach einem enttäuschenden Ergebnis ist, den Prompt neu zu schreiben. Das ist oft der falsche erste Schritt, weil es mehrere Dinge gleichzeitig ändert und dir nichts darüber sagt, welches davon zählte.

Wenn der Prompt stimmt und die Veränderung einfach nicht angekommen ist, erhöhe die Transformationsstärke. Wenn der Prompt stimmt und die Komposition zu weit abgedriftet ist, senke sie. Dieselbe Dokumentation führt aus, was die Zahl bedeutet: Eine höhere Stärke gibt dem Modell mehr Raum, etwas anderes als das Ausgangsbild zu erzeugen, und eine Stärke von 1.0 bedeutet, dass das Ausgangsbild mehr oder weniger ignoriert wird, während niedrigere Werte das Ergebnis nah am mitgebrachten Foto halten.

Der Regler ist keine reine Arithmetik, aber die Arithmetik ist es wert, gekannt zu werden. Die Stärke skaliert, wie viele Entrauschungsschritte angewendet werden, also fügt eine Stärke von 0.8 bei fünfzig Schritten vierzig Schritte Rauschen hinzu und entfernt sie wieder. Eine Bewegung am oberen Ende des Bereichs ändert eine Menge; dieselbe Bewegung am unteren Ende ändert sehr wenig.

Das image-to-image-Werkzeug von KOOX legt diese Steuerung direkt offen und beschreibt sie genauso: höhere Stärke für dramatischere Veränderungen, niedrigere Stärke, um näher am Original zu bleiben. Es ist das Erste, was du bewegst, wenn deine Prüfung sagt: richtige Richtung, nicht genug. Was du nicht tun solltest, ist, die Stärke zu ändern und im selben Versuch den Satz neu zu schreiben. Wenn das Ergebnis besser wird, weißt du nicht, welche Änderung es bewirkt hat, und das nächste Bild beginnt mit einer Vermutung.

Benenne den Defekt, bevor du den Satz neu schreibst

Unbestimmte Unzufriedenheit erzeugt unbestimmte Wiederholungen. Gib dem Defekt einen Namen, und jeder Name hat eine bestimmte Lösung.

Kantennähte oder ein Halo, wo ein ersetztes Element auf seine Umgebung trifft: Die lokale Änderung ist größer, als das Modell verblenden kann – verkleinere die Fläche oder senke die Stärke. Wiederholte Textur, gefliestes Muster oder eine Oberfläche, die gewebt aussieht, wo sie massiv aussehen sollte: Beschreibe das Material und seine Oberflächenbeschaffenheit statt das Muster, denn Musternomen werden kopiert statt interpretiert. Zerstörter Text, erfundene Beschriftungen, unlesbare Schrift: Höre auf, von einem generativen Modell zu verlangen, Schrift zu reproduzieren, die es nicht lesen kann, und setze echte Schrift anschließend per Compositing ein. Verbogene gerade Linien, verschmolzene Finger, schwebende Objekte: Geometrieprobleme kommen meist von einem Prompt, der seine Worte für Stil statt für Struktur ausgegeben hat – sag also, was wo ist und was auf was liegt. Licht aus zwei Richtungen oder ein Schatten, der in die falsche Richtung zeigt: Benenne Richtung, Weichheit und Tageszeit in einer Wendung, damit das Modell ein Licht bekommt statt einer Beschreibung von Licht. Zusätzliche Objekte, die niemand wollte: Die Szene war zu wenig beschrieben und wurde aufgefüllt – benenne den leeren Raum absichtlich.

Zwei Minuten Benennen ersetzen meist drei Runden Neugenerieren. Es verwandelt außerdem einen fehlgeschlagenen Versuch in Information – das Einzige, was dich ein erneuter Versuch kosten sollte.

Beurteile in der Größe, in der das Bild verwendet wird

Jedes Bild sieht als Thumbnail akzeptabel aus. Nähte verschwinden, erfundene Details lesen sich als Textur, und ein Schatten in die falsche Richtung ist unsichtbar. Beurteile stattdessen zweimal: einmal in voller Größe, um Kanten, Gesichter und Schrift zu prüfen, und einmal in der Größe, in der die Datei tatsächlich erscheint – eine Produktkarte im Shop, ein Header, ein Handybildschirm. Details, die in voller Größe überleben, können bei dreihundert Pixeln Breite verschwinden, und Details, die bei dreihundert Pixeln nach nichts aussehen, können der Grund sein, dass ein Druckauftrag abgelehnt wird.

Vergleiche mit dem Original und nicht mit dem vorherigen Versuch. Das Gedächtnis ist eine schlechte Referenz: Jede Generierung setzt dein Gefühl dafür zurück, wie die Quelle aussah, und nach vier Versuchen ist das, was du schützen willst, in deinem Kopf genauso weit abgedriftet wie in der Datei. Editoren mit Verlaufsfenster lösen das, indem sie dich jede frühere Version neben der aktuellen öffnen lassen – nutze es gezielt als Vergleich und nicht als Ort zum Durchscrollen.

Ein weiterer billiger Trick ist, das Bild zu spiegeln oder es fünf Minuten liegen zu lassen und zurückzukommen. Beides bricht die Mustererkennung, auf die sich dein Auge nach dreißig Sekunden Starren einlässt, und beides bringt den Defekt zum Vorschein, den du nicht mehr gesehen hattest.

Höre beim ersten Ergebnis auf, das besteht

Generierungen sind Stichproben, keine Reparaturen. Denselben Prompt erneut laufen zu lassen, ist ein neuer Münzwurf auf einem neuen Bild statt einer schrittweisen Korrektur, und die zehnte Stichprobe ist nicht besser als die vierte, nur anders.

Definiere also den Stopp. Wenn das Bild die Bestehensbedingung erfüllt und die gefundenen Defekte in der Ausgabegröße nicht auftreten, ist es fertig. Verwende es und geh weiter. Über diesen Punkt hinaus zu iterieren, ist der Weg, auf dem aus einer Session ein Nachmittag wird und ein gutes Ergebnis durch ein etwas schlechteres ersetzt wird, das du dir selbst eingeredet hast.

Die Folgerung ist wichtiger. Wenn zwei aufeinanderfolgende Versuche an derselben Achse scheitern, höre auf zu generieren und repariere etwas vorgelagert. Entweder kann das Quellfoto die Veränderung nicht tragen – wegen Auflösung, Unschärfe oder eines Objekts, das in die falsche Richtung zeigt – oder der Auftrag war zu groß für einen Durchlauf und muss geteilt werden. Weitere Versuche an einem unveränderten Aufbau erzeugen denselben Fehler mit anderem Rauschen.

Behalte die angenommene Datei. Behalte einen abgelehnten Versuch nur, wenn er dir etwas beigebracht hat, und bevorzuge Versionsnamen, die sagen, was sich geändert hat, statt final, final2 und final-v3.

Führe eine Prüfnotiz mit fünf Zeilen

Nichts davon dauert lange, wenn es aufgeschrieben ist, und die Notiz bezahlt sich beim zweiten Mal aus, wenn du dieselbe Art von Foto bearbeitest.

Fünf Zeilen genügen: die Quelldatei, der Auftrag, die verwendete Stärke, das Urteil zu den beiden Fragen und die Entscheidung. Studioflasche, Stärke mittel-niedrig, Veränderung angekommen, Etikett abgedriftet, für Social annehmen und nicht für Druck verwenden. Das ist ein Satz, den du einer Kollegin geben kannst, und eine Notiz, die du nächsten Monat lesen kannst, wenn derselbe Kunde dasselbe Produkt schickt.

Teams haben einen zweiten Vorteil. Ein schriftliches Urteil beendet die Schleife, in der drei Leute dasselbe Bild unterschiedlich beschreiben und niemand sagen kann, was es akzeptabel machen würde. Die Bestehensbedingung aus dem ersten Schritt wird die gemeinsame Sprache, in der die Prüfung stattfindet.

Die Routine ist absichtlich langweilig: ein Satz davor, zwei Fragen währenddessen, eine von drei Entscheidungen danach, eine Notiz am Ende. Langweilig ist der Punkt. Transformation ist inzwischen schnell genug, dass der Engpass von der Generierung zur Beurteilung gewandert ist, und die Beurteilung ist der Teil, den du systematisieren kannst.

Fang mit einem Foto an, das dir schon gefällt, schreibe den Satz und mach einen Durchlauf mit der Stärke, bei der die Prüfung sagt, dass sie dorthin gehört. Wenn du die Routine an etwas Realem testen willst, öffne das image-to-image-Werkzeug von KOOX, und wenn noch die Formulierung die offene Frage ist, decken diese fünf Prompt-Rezepte und diese Routine mit vier Durchläufen diese Hälfte der Arbeit ab.