Масове впровадження генеративних нейромереж значно прискорило виробництво візуального контенту, але водночас підвищило вимоги аудиторії до рекламних зображень. Користувачі соціальних мереж і контентних майданчиків дедалі частіше розпізнають синтетичні зображення за характерними візуальними ознаками. Глянцеві, надмірно вивірені картинки можуть викликати недовіру та знижувати ефективність рекламних матеріалів. Сьогодні аудиторії значно ближча природна візуальна мова, яка нагадує звичайні фотографії, зроблені на смартфон. Тому під час роботи з генеративними моделями важливо враховувати не лише зміст зображення, а й характер зйомки, освітлення, композицію, фактуру об'єктів та дрібні недосконалості.
У цій статті ми детально розберемо процес досягнення такого ефекту та на конкретних прикладах покажемо створення гіперреалістичних генерацій.
Чому AI-креативи вже програють
Нейромережі навчаються на великих масивах професійних фотографій, рекламних матеріалів та цифрового арту. Через це багато моделей за замовчуванням прагнуть створювати естетичний і технічно акуратний результат. Проблема полягає в тому, що саме така бездоганність часто стає однією з ознак штучного походження зображення. Користувач може не визначити конкретну помилку, але обов'язково помітить загальну неприродність картинки. Ідеальна симетрія обличчя, занадто рівна шкіра, фізично неправдоподібні тіні, однакова різкість усіх об'єктів та надмірно чисті поверхні створюють відчуття постановочного кадру.
Особливо помітні помилки в людській анатомії. Нейромережа може неправильно сформувати пальці, пропорції кистей, положення суглобів або взаємне розташування частин тіла. Інша поширена ознака полягає у надмірно обробленій шкірі. На нейромережевих зображеннях вона часто виглядає гладкою, однорідною та злегка пластиковою. У реальній фотографії шкіра має пори, невеликі зміни тону, почервоніння, сліди втоми та інші природні особливості. Проблеми виникають і з оточенням, адже на задньому плані можуть спотворюватися книги, рослини, предмети інтер'єру, елементи одягу та дрібні деталі. Об'єкти втрачають чіткі межі або починають зливатися один з одним.
Користувачі поступово звикають до цих особливостей, тож чим більше синтетичного контенту з'являється в соціальних мережах, тим легше аудиторія помічає повторювані патерни. Візуал, який кілька років тому виглядав як якісна рекламна фотографія, сьогодні може сприйматися як типова генерація. Якщо зображення виглядає занадто постановочним або штучним, користувач із меншою ймовірністю сприйматиме його як реальний досвід людини або достовірну рекомендацію. Особливо помітно це у форматах, які передбачають ефект користувацького контенту.
Світло, композиція та кольори
Щоб зображення не виглядало стерильним, варто починати з освітлення. Генеративні моделі часто використовують привабливі студійні схеми, м'яке заповнююче світло, виражене контрове джерело та добре контрольовані тіні. У побутових умовах освітлення рідко буває ідеально вибудованим, оскільки джерело може знаходитися збоку, зверху або прямо перед людиною. У приміщенні часто використовується стельове світло, а фотографія на телефон може бути зроблена за умови недостатньої освітленості.
Для генерації краще використовувати пряме світло від спалаху, похмуре освітлення з вікна, звичайне офісне світло або різке денне сонячне проміння. Наприклад, замість абстрактного «реалістичного освітлення» краще вказати тьмяне денне світло з вікна в похмуру погоду або прямий спалах смартфона в невеликому приміщенні.
Для природного результату в описі сцени можна використовувати такі характеристики:
похмуре денне світло з вікна;
звичайне стельове або офісне освітлення;
прямий спалах смартфона в темному приміщенні;
різке полуденне сонячне світло;
злегка нерівномірне освітлення обличчя;
приглушені кольори без сильної HDR-обробки;
легкий цифровий шум при нестачі світла;
невелика втрата різкості по краях кадру.
Композиція також впливає на сприйняття реалістичності. Згенероване зображення часто виглядає занадто акуратно, оскільки головний об'єкт розташований у центрі, горизонт вирівняний, а всі важливі елементи повністю поміщені в кадр. У реальній аматорській фотографії композиція може бути менш точною. Такі особливості не повинні перетворюватися на очевидні помилки, проте їхня задача полягає в тому, щоб прибрати відчуття постановочної зйомки. Під час роботи з кольором краще уникати надмірної насиченості та сильної HDR-обробки. Фотографії з недорогих смартфонів часто мають менш широкий динамічний діапазон, а відтінки можуть трохи йти в теплу або холодну сторону.
Невелика кількість шуму, віньєтка, легка втрата різкості по краях кадру та незначні хроматичні аберації чудово доповнюють ефект звичайної фотографії. При цьому важливо дотримуватися міри. Для більш живого результату в промпті варто використовувати описи випадкового кадру, фотографії на смартфон, природного побутового світла, неідеальної композиції, легкого цифрового шуму, відсутності сильної обробки та реалістичних приглушених кольорів.
Обличчя, руки та емоції
Людське обличчя залишається однією з найбільш помітних областей при оцінці реалістичності зображення. Навіть невеликі відхилення у фактурі шкіри, міміці або пропорціях можуть створити відчуття штучного походження.
Щоб уникнути ефекту пластикової шкіри, варто описувати її фактуру більш конкретно. У реальній фотографії видно пори, невеликі зморшки, ластовиння, почервоніння та відмінності відтінків. Під очима можуть бути помітні сліди втоми, а шкіра не обов'язково має однаковий тон по всьому обличчю. Корисно також відмовитися від ідеалізованих рис, адже персонаж не повинен виглядати як рекламна модель, якщо зображення має нагадувати звичайну користувацьку фотографію.
Невелика асиметрія обличчя, природна форма брів, неідеальна зачіска та нейтральний вираз допомагають зробити персонажа переконливішим. Важливо враховувати й положення тіла. Статична поза з руками вздовж тулуба часто виглядає штучно. Природніше сприймається людина, яка тримає чашку, користується смартфоном, поправляє волосся, спирається на стіл або взаємодіє з іншим предметом. Руки залишаються складною частиною для генеративних моделей. Помилки з кількістю пальців та їхнім положенням зустрічаються рідше, ніж раніше, але повністю не зникли. Тому під час створення складної сцени краще задавати зрозумілу дію, яка визначає положення кистей.
Для більш живого результату можна використовувати такі прийоми:
описувати звичайну зовнішність і природну фактуру шкіри замість ідеалізованих характеристик;
задавати конкретну дію персонажа та його взаємодію з предметами;
використовувати нейтральну або помірну міміку замість постановочної посмішки;
уникати симетричних модельних поз і прямого погляду в об'єктив, якщо вони не потрібні за сюжетом;
додавати побутові особливості одягу, зачіски та оточення, які відповідають ситуації зйомки.
Під час опису персонажа корисно пов'язувати зовнішність, дію та умови зйомки в одну сцену. Опис жінки близько 30 років, яка сидить на кухні, тримає кружку кави, дивиться трохи вбік, має злегка розпатлане волосся та помітні сліди втоми під очима, дає моделі значно більше інформації, ніж набір окремих характеристик на кшталт «красива жінка», «реалістичне обличчя» чи «природна шкіра».
Текстури, деталі та типографіка
Ще одне джерело неприродності пов'язане з поверхнями та дрібними деталями. Нейромережа може добре сформувати великі об'єкти, але допустити помилки у фактурі матеріалів. Дерево може виглядати занадто гладким, тканина може нагадувати пластик, метал — бути ідеально чистим, а скло — позбутися природних відблисків.
У звичайному середовищі предмети мають сліди експлуатації. На одязі з'являються невеликі потертості, на дерев'яній поверхні виникають подряпини, на тканині залишаються ворсинки та ковтунці. Скло може мати відбитки пальців, а меблі — невеликі дефекти покриття.
Такі деталі не обов'язково прописувати для кожного об'єкта, оскільки достатньо визначити загальний характер простору. Опис звичайної кухні з трохи потертим дерев'яним столом і побутовими предметами задає моделі більш реалістичний контекст, ніж опис стерильного інтер'єру з ідеальними поверхнями.
Один зі способів знизити кількість подібних артефактів полягає в тому, щоб не перевантажувати сцену великою кількістю дрібних об'єктів. Якщо задній план не є ключовою частиною композиції, його можна зробити менш деталізованим і використати невелику глибину різкості. Генеративні моделі, як і раніше, можуть помилятися під час створення довгих написів, логотипів і дрібного тексту. У результаті замість читабельної фрази з'являються спотворені символи або набір випадкових букв.
Якщо текст повинен знаходитися безпосередньо на зображенні, його краще задавати явно і в лапках. Під час роботи з кирилицею важливо використовувати модель, яка коректно підтримує мову та текстові елементи.
Якщо генератор не справляється з написом, практичніше створити зображення з порожнім простором під текст. Можна залишити чистий екран смартфона, порожню вивіску або однотонну футболку, а потрібний напис додати на етапі постобробки.
Які промпти працюють
Для створення реалістичного зображення важлива не стільки кількість технічних параметрів, скільки точність опису сцени. Хороший промпт задає контекст, персонажа, умови зйомки, освітлення, композицію та характер зображення.
Замість стандартних формулювань на кшталт 8K, masterpiece, cinematic lighting, ultra detailed для побутової фотографії краще використовувати опис конкретного способу зйомки.
Чудово підійдуть формулювання випадкового фото на смартфон, аматорської домашньої зйомки, фото з особистого архіву, відсутності фільтрів, природного освітлення та злегка недбалої композиції. Фотографічні параметри також допомагають керувати результатом. Для зображення з акцентом на персонажі можна вказати невелику глибину різкості, м'яке розмиття заднього плану та фокус на обличчі. Для імітації звичайної мобільної зйомки підійдуть легке розмиття в русі, цифровий шум та невелика втрата різкості по краях кадру. При складанні промпту корисно враховувати кілька груп характеристик:
характер зйомки: випадкове фото, звичайне фото на смартфон, аматорська фотографія, фото з особистого архіву;
освітлення: реалістичне освітлення, природне світло з вікна, похмуре денне світло, прямий спалах смартфона;
оптика та різкість: мала глибина різкості, легке розмиття в русі, м'який фон, неідеальний фокус;
фактура зображення: плівкове зерно, ледь помітний цифровий шум, природна текстура шкіри, приглушені кольори;
композиція: випадкове кадрування, злегка нахилений горизонт, неідеальна композиція, частково обрізаний об'єкт;
загальний стан кадру: фото без обробки, без б'юті-ретуші, природні недосконалості, звичайна повсякденна сцена.
Варто зазначити, що для отримання найкращого результату всі ці характеристики у самому промпті краще прописувати англійською мовою. Генеративні моделі значно точніше розуміють англомовні запити, наприклад candid photo, film grain, shallow depth of field.
Терміни «недосконалості», «випадкове фото», «реалістичне освітлення» та «мала глибина різкості» можна використовувати як орієнтири при формуванні промпту, але краще пов'язувати їх з конкретною сценою. Окремий набір ефектів без опису ситуації не гарантує реалістичного результату.
Для зображення, яке має виглядати як звичайна фотографія, можна використовувати таку структуру промпту:
«Випадкове фото на телефон, жінка віком близько 30 років сидить на невеликій кухні та п'є каву. Звичайна зовнішність, природна фактура шкіри, помітні пори та легкі сліди втоми під очима, волосся трохи розпатлане. Тьмяне ранкове світло з вікна, надворі похмура погода, плоске природне освітлення. На задньому плані звичайні кухонні предмети, фон злегка розмитий. Легкий цифровий шум, трохи неідеальна композиція, горизонт злегка нахилений, природні приглушені кольори, без фільтрів та сильної обробки».
Для товарної реклами чи візуальних маркетингових матеріалів промпт можна вибудувати так:
«Аматорське фото на смартфон, людина за домашнім робочим столом перевіряє документи або працює з ноутбуком. На столі лежить блокнот із паперовими нотатками та чашка з кавою. Природне денне світло з вікна, м'які тіні. На задньому плані розмита книжкова полиця, легка втрата різкості по краях кадру, приглушені кольори, без ретуші».
Для створення візуалу під UGC-формат:
«Випадковий кадр, затишний інтер'єр кімнати з м'яким пледом на дивані та настільною лампою, що створює тепле вечірнє світло. На передньому плані деталі повсякденного побуту зі слідами використання. Злегка завалений горизонт, плівкове зерно, реалістичні тіні без HDR-обробки».
За необхідності промпт можна адаптувати під різні сценарії. Для вуличної фотографії варто описувати природне денне світло, випадкову композицію та навколишнє оточення. Для приміщення важливо вказати конкретне джерело світла, стан простору та характер поверхонь.
Для UGC-подібного зображення корисно задавати звичайний одяг, побутову позу та зйомку на смартфон. Не варто одночасно додавати десятки дефектів, адже сильний шум, виражена віньєтка, велике розмиття, хроматичні аберації та низька різкість можуть зробити зображення схожим на спеціальну стилізацію.
Висновок
Генеративні інструменти дозволяють швидко створювати велику кількість візуального контенту, але реалістичний результат вимагає контролю над деталями. Основну увагу варто приділяти не максимальній технічній чистоті зображення, а характеру реальної фотографії. Природне світло, невеликі композиційні неточності, правдоподібна фактура шкіри, звичайні пози, реалістичні поверхні та помірний цифровий шум допомагають прибрати відчуття стерильної генерації. Якісний AI-креатив — це не обов'язково ідеальна картинка. Навпаки, саме контрольовані й доречні недосконалості допомагають зробити зображення переконливішим, живішим і ближчим до звичного для аудиторії візуального досвіду.
Що кажуть арбітражники.