Stable Diffusion練習，星空之下
星空之下
哈娜忍不住靠在香儂教授肩上抽抽搭搭一陣子，帶著哭聲問她：「教授？」
「嗯？」
「妳為什麼要對我這麼好？」
香儂教授欲言又止，看著哈娜滿臉淚痕、哭紅的俏鼻與鼻涕好一陣子，才轉頭看著浩瀚銀河，幽幽道：「今晚星空真漂亮，真希望這時有兩杯熱茶。」
緣起
這篇要來分享一下學習了一些攝影的知識後，用於改良AI生圖的經驗。
AI生圖可以藉由少少的幾個句子產生出非常美麗的圖片，事實上，很多時候AI生圖的極限是卡在人類使用者的想像力之下。
許多AI模型固然可以運用提示詞製造大量美觀圖片，但是模型所能產生的範圍也限制在提示詞中，因此很多場合使用者會大量套用同樣的提示詞，造成產生的圖片都會有某一種偏好，例如光影的採樣，人物肌膚的光澤模式，動漫人物的筆觸線條畫風等等。
另一種問題是，許多特化的模型其實使用了大量特定的構圖，例如美女俊男模特正面圖，所以在使用這種模型時可以產生各種俊男美女，但是想要讓這種模型產生高動態姿勢，就會出現很恐怖的後果。
有時候因為缺少某類型圖片的訓練，模型也會直接忽略提示詞想要的效果。
更多時候，是某些構圖根本沒有對應的提示詞，一切靠運氣。
在這種情況下，使用者的視覺美學素養就是一個關鍵。如果我想要某種腦海中構思很久的構圖，卻沒辦法敘述出來，甚至沒辦法想像出來，就不可能製成圖片。
以我為例，當我在寫小說草稿時，我想像了一個情節，其中有一個畫面是：
女主角頭靠在女二的肩膀上，兩人依偎在一起，坐在貨車的車斗上望向星空，且附近森林環繞，森林的樹種必須是針葉林。氣氛必須是寂靜、廣闊且壯麗的。
依照這個文字的敘述以及我腦中的畫面，我使用人偶法來製作圖樣：
經過繪圖軟體修正一些頭型上的不協調後，製造出來的成果圖大概是這樣：
原始圖檔
一開始我對成品還算滿意，因為人物的意境與肢體互動是對的，展現的氣氛也是對的，但是有一個東西不太對。
不夠壯闊。
當我將成品放在桌面背景時，27吋螢幕立刻告訴我問題出在哪裡。人物太大了，佔據了畫面的一半以上，即使背景上擁有星空與針葉樹林等元素，整副圖還是會被人物高對比的紅與白搶走視線。而這不是我要的，我想要讓觀賞者能注意到背景的星空與樹林，再注意到人物，實現由大而小的視線轉移。
例如像下面這張使用DALL-E製作的圖片，就很清晰地表達了這樣的構圖：
參考圖
所以解決方法很簡單，就是將圖的範圍擴大，縮小人物讓更多的景進來，就能達成一個大塊黯淡與小塊鮮豔的顏色造成的平衡。用這樣的平衡來讓觀賞者得到足夠的視覺指引，讓他們的視線自然流動。
問題在於，我不敢。
如果將人物縮小，會不會造成人物不明顯而讓讀者忽略掉這兩人的互動，反而喪失我的原意？
在學習攝影構圖理論之前，我無法回答，所以也就沒有想要改動圖案。
直到讀了幾本攝影的基礎教材之後，從許許多多的範例圖和解釋中，學到了構圖的基本原理中，帶領讀者視線移動的方法除了形狀之外，色彩對比也是很好的方法，使用鮮豔而小的顏色，在一大塊黯淡平均的顏色之中，就有很突出的效果。
從生物的視覺認知系統中，我們知道大腦善於從一大片同質元素中快速辨認異質物。所以藉由創造對比來引導大腦，在整副圖的初始印象之後尋找主題，是一個很基本的構圖手法，常用的對比元素有：
- 大與小
- 模糊與清晰
- 大片單色與小塊對比色
- 黑暗與光明
- 自然物與人造物
- 畫面正中央與角落
因此我得到了足夠的底氣來修改這張圖，藉由創造大（星空與森林）與小（人物），大片單色（暗色的星空與樹林）與小塊鮮艷色（紅與白的人物衣著），自然物與人造物的對比來引導讀者的觀賞動線。
手法
首先，先將原圖縮小一半，然後用新的圖層使用靈魂塗鴉將自己想要的構圖畫出來：
靈魂塗鴉
接著在Stable Diffusion A1111裡面使用inpaint，指定提示詞星空，銀河系，樹林，黑暗樹林等詞，並且圈選所有靈魂塗鴉的區域，然後使用0.95以上的超高強度denoising strength，接著就是祈禱，然後跑個十幾二十張圖，找到自己喜歡的半成品之後，繼續細部重繪不滿意的地方，下圖就是最終結果：
完成圖
可以看到，整副圖的背景變成壯闊的星空與樹林，對比右下角依偎著的兩人，他們的視線也是望向左中方的星空位置。
因此觀賞者的視線要不就是從右上方的星空順著透視線往下移動，再被右下的紅白色彩吸引過去。
或者反過來從右下的人物開始，順著他們的視線往左方前進，在視覺消失點往上看到壯闊星空。
這樣就能達到同時傳達人物的互動與大廣角背景的目的。
若不是學習了攝影的基本技巧，我是斷不會這樣改圖的。因此，在學習使用AI生圖技巧到某個程度後，能夠決定一張圖有不有趣，能不能藉著AI的潛力來製作自己想要的視覺效果，就要靠對於美術與視覺藝術的研習，這方面目前是人類指導AI，而不是AI指導人類。
希望大家AI算圖愉快！
