Rivedere i risultati di una trasformazione di immagini con l'IA: una checklist prima di iterare di nuovo

La maggior parte delle sessioni di trasformazione di immagini andate male non sono problemi di prompt. Sono problemi di revisione. Qualcuno genera un risultato, percepisce che è sbagliato senza riuscire a dire in che modo, riscrive l'intero prompt e genera di nuovo, perdendo questa volta le tre cose che erano già giuste. Dieci minuti dopo ci sono cinque immagini, ognuna sbagliata in modo diverso, e nessuna traccia di quale modifica abbia prodotto quale esito.

Il passaggio mancante è un modo di guardare un risultato che si concluda con una di tre decisioni: accettarlo, cambiare la formulazione o cambiare la forza. Questa routine sta tra una generazione e l'altra, non dentro. Presuppone anche che tu sappia già cosa vuoi dalla foto, che è una capacità diversa dal giudicare se l'hai ottenuto.

Scrivi la condizione di superamento prima di generare

Una revisione ha bisogno di uno standard, e lo standard deve esistere prima dell'immagine. Scrivi prima una frase: cosa deve essere vero perché questa immagine sia finita. La stessa bottiglia sulla stessa superficie in pietra con la stessa direzione dell'ombra, ma lo sfondo in sabbia calda invece che grigio. Quella frase ha due metà e contano entrambe: la modifica che vuoi e le cose che devono sopravviverle.

La frase serve anche a filtrare le richieste sbagliate. Se la tua condizione di superamento richiede tre clausole su atmosfera, illuminazione e un nuovo materiale, il lavoro è tre modifiche che si fingono una sola, e nessuna singola revisione potrà dirti quale parte ha fallito. Suddividilo, conserva l'originale ed esegui le parti in sequenza. È così che va usato il editor di prompt testuali in Adobe Firefly: la sua stessa guida sovrappone un'istruzione al risultato precedente, ricolorando un vaso, poi aggiungendo carta da parati, poi aggiungendo fiori a un quarto vaso. Ogni passo porta con sé la propria condizione di superamento e la propria revisione.

Se non riesci a scrivere la frase, non sei pronto a giudicare nulla. A quel punto la generazione somiglia a tirare a indovinare, perché lo è.

Fai due domande su ogni risultato, nell'ordine

Guarda il risultato e rispondi separatamente.

Primo: la cosa che avevo chiesto è cambiata davvero? Secondo: tutto ciò su cui non avevo chiesto nulla è rimasto dov'era?

Sono domande separate perché falliscono separatamente, e i due fallimenti hanno cause opposte. Un cambiamento assente mentre la conservazione tiene significa che l'istruzione era troppo debole o la trasformazione troppo timida: il modello ha trattato la tua foto come la risposta e il prompt come un suggerimento. Un cambiamento prodotto mentre la conservazione si rompe significa l'opposto: il modello aveva libertà e l'ha spesa, ristilizzando la superficie, l'illuminazione e la geometria perché nulla le teneva al loro posto.

Le pipeline image-to-image basate sulla diffusione rendono tutto questo meccanico. La documentazione di Hugging Face descrive l'immagine iniziale codificata, rumorizzata e poi sottoposta a denoising verso il prompt, con l'impostazione della forza che decide quanto dell'originale sopravvive al viaggio. La scala di guidance governa poi quanto strettamente il risultato segue il testo, con valori più alti che producono un allineamento più stretto al prompt e meno spazio per deviare. Quando rivedi, stai leggendo quelle due forze sulla fotografia. Un cambiamento troppo scarso è una spinta debole. Un danno collaterale eccessivo è una spinta forte senza nulla che la ancori.

Cambia una manopola alla volta, e di solito la manopola è la forza

L'istinto dopo un risultato deludente è riscrivere il prompt. Spesso è la prima mossa sbagliata, perché cambia più cose insieme e non ti insegna nulla su quale contasse.

Se il prompt è accurato e il cambiamento semplicemente non è arrivato, alza la forza della trasformazione. Se il prompt è accurato e la composizione si è spostata troppo, abbassala. La stessa documentazione spiega cosa significa il numero: una forza più alta dà al modello più spazio per produrre qualcosa di diverso dall'immagine di partenza, e una forza di 1.0 significa che l'immagine iniziale viene più o meno ignorata, mentre valori più bassi mantengono l'output vicino alla foto che hai portato.

La manopola non è pura aritmetica, ma l'aritmetica vale la pena di conoscerla. La forza scala quanti passi di denoising vengono applicati, quindi una forza di 0.8 su cinquanta passi aggiunge e rimuove quaranta passi di rumore. Uno spostamento vicino al massimo dell'intervallo cambia moltissimo; lo stesso spostamento vicino al minimo cambia pochissimo.

Lo strumento image to image di KOOX espone direttamente quel controllo e lo descrive allo stesso modo: forza più alta per cambiamenti più netti, forza più bassa per restare più vicini all'originale. È la prima cosa da muovere quando la tua revisione dice direzione giusta, non abbastanza. Quello che non dovresti fare è muovere la forza e riscrivere la frase nello stesso tentativo. Se il risultato migliora non saprai quale modifica l'ha prodotto, e la prossima immagine parte da un'ipotesi.

Dai un nome al difetto prima di riscrivere la frase

Un'insoddisfazione vaga produce nuovi tentativi vaghi. Dai un nome al difetto, e ogni nome ha una correzione specifica.

Cuciture sui bordi o un alone dove un elemento sostituito incontra ciò che lo circonda: la modifica locale è più grande di quanto il modello riesca a fondere, quindi riduci l'area o abbassa la forza. Texture ripetuta, motivo a piastrelle o una superficie che sembra tessuta dove dovrebbe sembrare compatta: descrivi il materiale e la sua finitura invece del motivo, dato che i sostantivi che indicano un motivo vengono copiati invece che interpretati. Testo corrotto, etichette inventate, caratteri illeggibili: smetti di chiedere a un modello generativo di riprodurre caratteri tipografici che non sa leggere, e sovrapponi in seguito caratteri reali. Linee rette piegate, dita fuse, oggetti che fluttuano: i problemi di geometria di solito vengono da un prompt che ha speso le sue parole sullo stile invece che sulla struttura, quindi di' cosa sta dove e cosa poggia su cosa. Luce che arriva da due direzioni, o un'ombra che punta dalla parte sbagliata: indica la direzione, la morbidezza e l'ora del giorno in un'unica frase, così il modello riceve una sola luce invece di una descrizione della luce. Oggetti in più che nessuno ha chiesto: la scena era sottodescritta ed è stata riempita, quindi nomina di proposito lo spazio vuoto.

Due minuti dedicati a dare un nome di solito sostituiscono tre giri di rigenerazione. Trasformano anche un tentativo fallito in informazione, che è l'unica cosa che un nuovo tentativo dovrebbe costarti.

Giudica alla dimensione con cui l'immagine verrà usata

Ogni immagine sembra accettabile come miniatura. Le cuciture scompaiono, il dettaglio inventato si legge come texture e un'ombra che punta dalla parte sbagliata è invisibile. Giudica invece due volte: una a dimensione piena per ispezionare bordi, volti e scritte, e una alla dimensione in cui il file apparirà davvero, una scheda prodotto, un'intestazione, lo schermo di un telefono. Un dettaglio che sopravvive a dimensione piena può svanire a trecento pixel di larghezza, e un dettaglio che a trecento pixel sembra nulla può essere il motivo per cui una tiratura di stampa viene rifiutata.

Confronta con l'originale invece che con il tentativo precedente. La memoria è un riferimento scarso: ogni generazione azzera la tua percezione di com'era il file di partenza, e dopo quattro tentativi la cosa che stai proteggendo è scivolata nella tua testa tanto quanto nel file. Gli editor che tengono un pannello della cronologia risolvono questo problema lasciandoti aprire qualsiasi versione precedente accanto a quella corrente, quindi usalo di proposito come confronto invece che come un posto dove scorrere.

Un altro trucco a buon mercato è specchiare l'immagine, oppure lasciarla lì per cinque minuti e tornare. Entrambi rompono il riconoscimento di pattern in cui il tuo occhio si assesta dopo trenta secondi di fissare, ed entrambi fanno emergere il difetto che avevi smesso di vedere.

Fermati al primo risultato che passa

Le generazioni sono campioni, non riparazioni. Eseguire di nuovo lo stesso prompt è un nuovo lancio di moneta su una nuova immagine, non una correzione incrementale, e il decimo campione non è migliore del quarto, è solo diverso.

Quindi definisci il momento di fermarsi. Se l'immagine soddisfa la condizione di superamento e i difetti che hai trovato non compaiono alla dimensione di output, è finita. Usala e vai avanti. Iterare oltre quel punto è il modo in cui una sessione diventa un pomeriggio, e il modo in cui un buon risultato viene sostituito da uno leggermente peggiore che ti sei convinto ad accettare.

Il corollario conta di più. Se due tentativi consecutivi falliscono sullo stesso asse, smetti di generare e correggi qualcosa a monte. O la foto di partenza non può sostenere il cambiamento, per risoluzione, sfocatura o un oggetto orientato dalla parte sbagliata, oppure la richiesta era troppo grande per un solo passaggio e va suddivisa. Ulteriori tentativi su una configurazione invariata producono lo stesso fallimento con rumore diverso.

Conserva il file accettato. Conserva un tentativo rifiutato solo se ti ha insegnato qualcosa, e preferisci nomi di versione che dicano cosa è cambiato a final, final2 e final-v3.

Tieni una nota di revisione di cinque righe

Niente di tutto questo richiede molto tempo quando è scritto, e la nota si ripaga la seconda volta che modifichi lo stesso tipo di foto.

Cinque righe bastano: il file di partenza, la richiesta, la forza usata, il verdetto sulle due domande e la decisione. Bottiglia in studio, forza medio-bassa, cambiamento arrivato, etichetta scivolata, accetta per i social e non usare per la stampa. È una frase che puoi passare a un collega e una nota che puoi rileggere il mese prossimo, quando lo stesso cliente manda lo stesso prodotto.

I team ottengono un secondo vantaggio. Un verdetto scritto chiude il ciclo in cui tre persone descrivono la stessa immagine in modo diverso e nessuno sa dire cosa la renderebbe accettabile. La condizione di superamento del primo passo diventa il linguaggio condiviso in cui avviene la revisione.

La routine è volutamente noiosa: una frase prima, due domande durante, una di tre decisioni dopo, una nota alla fine. La noia è il punto. La trasformazione è ormai abbastanza veloce perché il collo di bottiglia si sia spostato dalla generazione al giudizio, e il giudizio è la parte che puoi sistematizzare.

Parti da una foto che ti piace già, scrivi la frase ed esegui un passaggio con la forza dove la revisione dice che deve stare. Se vuoi provare la routine su qualcosa di reale, apri lo strumento image to image di KOOX, e se la formulazione è ancora la domanda aperta, queste cinque ricette di prompt e questa routine in quattro passaggi coprono quella metà del lavoro.