尚待磨合的細節【2022/11】

11月，繼續用Novelai、AnythingV3模型嘗試生成圖像。

既然有特定角色已被模型記住，我可以降低人物的敘述，對場景多一些關注。畢竟總是站在畫面正中央看鏡頭微笑的構圖，無聊死了，對吧?

才剛說無聊就放這張，不是自打臉嗎?

不是啊，這是難得full body，臉卻沒有太歪的圖片啊 !

這時候產圖大體上還是得面對細節不對、肢體歪曲的AI生成正常缺陷，希望角色特徵更正確，對某細節敘述提高權重，往往外溢到畫面其他地方去。比如從火刑而生的復仇者貞德Alter，讓模型生成新宿版穿著，總無法和原版穿著一樣穩定，沒關係身為火系從者就用手搓火球術證明吧 : flying_fire_in_air !

顯然我環境prompt的敘述寫太多了，火球效果不是很明顯...

那就(flying_fire_in_air:1.3)試試——

周遭環境全被火吞沒啦!!!

同樣地，人們越想把角色在畫面中的動作鎖定，位置、動作相關的prompt下越多，AI生成的角色自然會擺出越不自然的姿勢。假如我又想第一人稱視角Close-up、又想cowboy shot附加腳部以下在畫框外、又想人物擺出激烈的戰鬥姿勢、又想大遠景展現城市樣貌，生成結果如下 :

中間多條畫框將圖片分成上下兩部分，如此腳部以下的確出畫框，cowboy shot要求的胯部以下在框外也達成了，為了我的奇怪訴求，AI無意間產生漫畫分鏡，令人莞爾。

多次嘗試後，坦白來說"精確"越來越不是我測試的目標，因為Stable Diffusion生成原理的隨機性，意味著這次產出成果穩定，不代表下次稍微更動些變數還能保持類似效果。為了保有固定風格，使用者恐怕得在提示詞上定期測試，未免太勞累、在圖像之外的地方投入太多了點。但肢體歪斜總是無法避免，難道放棄追求精確，代表妥協於那些歪七扭八的人物圖像嗎?不是的 !

歪曲的地方，用氣勢蓋過去 !

圖中人物肢體顯然災難性的失敗，找不到雙手、背景火焰與頭部融合、左側腿部幾乎溶入夜景。然而透過動態模糊、空中火焰的軌跡、以及過往看漫畫所累積的經驗，我們可以輕易推理出這是一個人賣力向前奔馳的圖像，左手臂看不見勢必因為被頭遮住，並且上面可能處於點燃狀態，運用燃燒的肢體拳擊，在動漫畫中是非常常見的攻擊方式。

即使動畫是由一秒24幀組成，人們也不會挑出來一張一張檢視這1/24秒手指準確、那1/24秒肢體錯誤，因為適度的扭曲能夠提高畫面張力。AI生成圖像總會產出歪曲的圖，那麼用動態模糊、光影、速度線，或許能接納這些缺陷般的存在、賦予積極性的涵義?

我對此念頭感到好笑，

這種想法代表正視了AI生成的極限，所以開始替它尋找意義嗎?

回想起一個多月前的10/5，以不打草稿現場速寫聞名的韓國著名漫畫家金政基，其工作室發布訃告，稱這位藝術家10/3感覺心臟不適，送醫搶救無效離世，享年47歲。

10/7，有網友表示自己訓練了個模型來繪製金政基的風格，作為致意。

致意?

那麼一瞬間，我想找到模型檔案來嘗試，因為被稱為「人肉影印機」的他，精準的鏡頭掌握以及細節描繪，是我景仰、想要學習的存在。但我又多想了幾秒鐘，確認想要的究竟是什麼，高超的空間透視?時而寫實時而飄逸的筆觸?不打草稿就能妥善安排各種畫面元素?

在2022年10月，叫AI掌握空間與細節? 開什麼玩笑啊?

掌握不到藝術家精髓的模型，又適合冠上藝術家的名號嗎？

我最終仍未去找模型來測試，便已認定用了也達不到我的目標。且不說眾所皆知的AI生成技術對三維空間無概念，或者手都畫不好了還談啥物體細節，對我而言最根本的理由在於金政基令人驚嘆的部分原因，奠基於平凡人的侷限。沒有受過專業訓練、尚未建立多元豐富的知識儲備、甚至掌握了知識卻沒積累足夠時間演練，是難以做到完全不打草稿，徒手就能畫出各種主題的細緻插畫的，但他做到了，無論天賦異稟還是如他所述 :

「我承認自己不是天才，我喜歡畫畫，更喜歡畫漫畫，除了吃飯睡覺，每天要花10個小時來創作，最長一天可以連續畫16個小時，畫畫成為我生命中不可缺的一部分。」

有辦法無底稿繪製精緻圖像的人類，令人讚嘆；

有辦法無底稿繪製精緻圖像的模型，這不是基本功能嗎?

由此可證，AI就是"缺乏靈魂"啊。

既然人們對汽車的稱讚是「續航里程長」、「油耗低」而非「跑好遠」、「吃好少」、「馬拉松選手要被取代了ㄏㄏ」，沒必要對AI就特別優待，把用於藝術家或繪師作品的讚美詞直接平移到AI生成圖像，那或許只是演算法與程式碼經設計調適後的"正常發揮"。

與其為AI生成結果與人類預想不合而詫異、驚嘆，人類該嘗試的方向反而是拉近與AI的語言差異。除了一些人嘗試調整、精煉提示詞，設法讓AI聽懂外，還有一些人認為自然語言無法獲得預期結果，乃是模型演算法最佳化問題。2022/11/17公布、加州大學柏克萊分校研究團隊開發的InstructPix2Pix，試圖結合語言模型和文本生成圖像模型，藉由讓AI同時獲得圖片與文本兩種參考，生成更符合人類敘述的圖像。 或許研究人員當時沒想到，之後僅僅不到半個月、甚至連十二月都尚未抵達，這項技術將會在另外一個領域出現突破性進展，以一個更為簡潔、更好記憶的名字，而那個名字即將為你我所知 :

ChatGPT