辨別偽人，各顯神通【2022/10/6~10/8】

至目前為止，共寫了 3 篇文章回憶 SD 初次使用感受，提及安裝、文生圖、圖生圖。

這些文章都有個共同點 : 對於如何用 AI 生成人物圖像並未多著墨。

因為那段時間大量使用文生圖試錯，各種歪七扭八的偽人圖片已經品鑑得夠多了，再試下去簡直是在玩偽人版的請出示證件。比起追求美麗樣貌再屢次為生成結果驚愕，不如直接輸入破滅、無序、渾沌的敘述反而得到人物與環境連結性較為自然的圖像。

結論是想讓 AI 生成人物在 512x768 尺寸限制內比較正常，得控制在 cowboy shot 到 upper body 之間的距離，若全身圖或小腿以下出框，AI 會產出臉部模糊、眼睛細節不對的面孔。某些提示詞譬如亞洲人，甚至會出現歐美普遍對黃種人的刻板印象──細細長長的瞇瞇眼。

顯然是模型問題，但我不得不思考獨顯 4GB 的筆電，是否也是影響 AI 生成品質的因素?

可是筆電才買來一個多月，為這種非本職的生活趣味採購新設備，有必要嗎?

幸好 10/5 圖生圖火車的嘗試，讓我有了新靈感 : 

搭配文生圖與圖生圖兩種功能來生成人物，窮人有窮人的玩法 !

簡單來說，當前筆電如果產出長寬大於 768px 的圖像有概率 out of memory

在此限制下，文生圖可能出現眼歪嘴斜、圖生圖 CFG 低則接近(受限)原圖結構、高則貼近敘述(跳脫原圖)，全圖不夠大導致遮罩修復有時會因為空間太小 AI 不好發揮。

那如果先輸入所需 prompt 大量文生圖，再篩選其中少數人體結構正常的圖像去圖生圖，就能得到肢體(較)正常、五官(較)清晰的圖片 !

為什麼都是軍裝與廢墟背景?這樣AI再怎麼胡亂生成，只會凸顯戰況之激烈啊~

經過這套流程，有機會突破 Stable Diffusion 模型產出二次元風格人物表情模糊的缺陷，達到近似 2.5D 人物風格效果。但圖生圖不是 Controlnet canny 或 openpose，就算找到完美構圖，給 AI 跑一下發現怎麼前景變背景、人物變建築，因為 AI 不是用事物名稱去分類事物，而是掌握整張圖的特定規律再來加雜訊除雜訊。

觀察以電影《愛國者行動》維基頁面海報為底圖，圖生圖產出的成品，可發現原本海報標題、馬克華伯格背影都被 AI 當成建築物。所以這個階段 AI 生成就是乍看氣氛到了，但怎麼引導它做出正確的形象、需求的構圖，明顯不夠直觀。好處在於同樣花時間，用在按鈕抽卡等結果總比開圖層勾線著色不費工夫，只要用戶謹記同一件衣料 AI 看起來像棋盤稿紙綠豆糕，你聽你的鳥鳴、AI 看 AI 的日出，彼此都會有等量的美的感受。

不要執着於外相、虛相而偏離了 AI 生成隨機性本質，偽人不也展現出強韌生命力的美~?

如此鑽研幾天後，2022/10/8，我看見 Waifu Diffusion v1.3 釋出的公告。

使用了 680,000 張高解析度 Danbooru 影像訓練 10 個 Epoch，專門用來生成高品質二次元動漫角色圖像。

果然專業人士有專業人士的玩法啊 !