Három művelet, egy gondolat
A közös alap ez: kijelölöd a kép egy részét, és csak azt generáltatod újra, a többit érintetlenül hagyva. A modell a megmaradó rész széleit látja, és ahhoz igazítja, amit a kijelölt helyre rajzol — ezért illeszkedik a fény, az árnyék és a perspektíva.
A három név csak azt mondja meg, hol van a kijelölés. Az inpainting a képen belül, az outpainting a kép szélein kívül, a háttércsere pedig a fő téma körül. Minden más — a promptírásmódja, a hibák jellege, a javítás módja — ugyanaz.
Inpainting: a folt eltüntetése
Ez a leggyakoribb eset: egy szemetes a nyaralós képen, egy vezeték a homlokzaton, egy vendég, aki nem kért belőle. Bekarikázod, és megmondod, mi legyen helyette. A jó megfogalmazás itt nem az, hogy „vedd ki a kukát", hanem hogy mi legyen a helyén: „folytatódó járdaszegély és fal".
Ez nem apróság. Ha csak eltávolítást kérsz, a modellnek magának kell kitalálnia, mi volt mögötte, és néha kitalál valamit, ami odaillik, de nem oda való — egy ajtót, egy bokrot, egy árnyékot. Ha te mondod meg, mit folytasson, a találati arány ugrásszerűen javul.
Outpainting: a kép kibővítése
Itt a kijelölés a kép szélén kívül van: a modell megkapja a meglévő képet, és köré generál. Erre két dolog miatt nyúlunk a leggyakrabban. Az egyik a képarány-váltás — egy álló telefonos fotóból fekvő borítókép —, a másik az, hogy hely kell a szövegnek.
A második az, amit érdemes a munkamenetbe beépíteni. Ahelyett, hogy a generáláskor könyörögnél üres helyért, csinálsz egy szoros képet, aztán kibővíted arra az oldalra, ahol a felirat lesz. Az így nyert üres terület megbízhatóbban üres, mint amit a modell magától hagy.
Háttércsere: nehezebb, mint amilyennek látszik
A háttércsere elvileg egy maszkolás: kivágod a témát, és mást teszel mögé. A buktató nem a kivágás, hanem a fény. Ha a téma oldalról megvilágítva készült, és a háttér szemből világít, a kép hamisnak fog látszani anélkül, hogy meg tudnád mondani, miért.
Ezért a jó háttércsere-prompt mindig tartalmaz fényleírást, ami az eredeti fotóhoz igazodik, nem ahhoz, ami szép lenne. A másik gyakori hiba az árnyék: ha a téma alatt volt árnyék, és az új háttéren nincs, a téma lebegni fog. A legtöbb modern eszköz tud árnyékot generálni, de kérni kell.
A maszk, ami eldönti az eredményt
A prompt fontos, de a maszk minősége legalább ennyire. Négy dolog javít a legtöbbet rajta.
- Legyen bőven nagyobb, mint az eltüntetendő tárgy. Ha szorosan körberajzolod, a modell gyakran meghagyja a tárgy körvonalát vagy árnyékát.
- Az árnyékot is fedd le. Ez a leggyakrabban kifelejtett rész, és ez árulja el leginkább a beavatkozást.
- A széle legyen lágy, ha a környezet lágy (égbolt, bőr, szőnyeg), és kemény, ha kemény (asztalél, épület).
- Egy maszk, egy kérés. Két különböző javítást két külön körben végezz, ne egyszerre — így a rosszul sikerültet külön tudod újrázni.
Egy recept a háttércseréhez
Termékfotónál ez a sorrend adja a legkevesebb hamis eredményt.
1. Jelöld ki a terméket, és a maszk a talpánál 10-15 pixellel lógjon alá.
2. A promptban írd le a hátteret ÉS a fényt, az eredetihez igazítva:
"világos tölgyasztal, mögötte homályos műhelyfal,
lágy fény balról, ahogy az eredeti képen"
3. Külön mondatban kérj érintkezési árnyékot:
"soft contact shadow under the object, matching the light direction"
4. Ellenőrizd a tükröződéseket: ha a terméken fém vagy üveg van,
azon a régi háttér színe látszik. Azt külön kell javítani.
Tipikus félreértések
- „Ezekhez fizetős eszköz kell." A háromból az inpainting és az outpainting a legtöbb ingyenes képszerkesztőben is elérhető, és nyílt eszközökkel is jól megy.
- „A maszk pontossága a lényeg." Pont fordítva: a túl szoros maszk a leggyakoribb hibaforrás. A modellnek hely kell, hogy elvarrja a szélét.
- „Ha a felbontás nagy, a foltozás is finomabb." A legtöbb eszköz a kijelölt részt fix méretben generálja, aztán visszaskálázza. Nagy képen egy kis folt ezért gyakran lágyabb lesz a környezeténél.
- „A háttércsere ugyanaz, mint a háttéreltávolítás." Nem. A háttéreltávolítás kivág, a háttércsere újrarajzolja a téma körüli sávot is — és emiatt a téma széle is megváltozhat.
Amit érdemes elvinni
Ez a három művelet a képszerkesztés legmegbízhatóbb AI-s része, mert a kép többi részéhez nem nyúl — nincs elsodródás, nincs meglepetés. Ha a feladat körülhatárolható, mindig ez a jobb választás, mint az egész képet újragenerálni; a szabad szavas változatról a beszélgetős szerkesztésposzt szól. Termékeknél pedig ez a három művelet adja a munkamenet gerincét, amit a webshopos termékfotó poszt lépésről lépésre leír.