Почему ИИ-картинки ошибаются в счёте и как просить толпы, которые получаются

Вы написали «три свечи на подоконнике» и получили четыре. Попробовали «ровно три», получили две, потом пять. Ничего не сломано. Счёт - то, в чём модели изображений слабы по самому устройству, и когда понимаешь причину, можно перестать бороться с этим и начать это обходить.

Почему число уплывает

Модель изображений не строит картинку предмет за предметом, чтобы потом сверить итог. Она уточняет весь холст сразу, подтягивая каждую область к тому, «как обычно выглядит картинка к этим словам». Слово «три» - слабый толчок среди десятков других слов, а в обучающих картинках число свечей рядом со словом «свечи» почти никогда не указывалось.

Малые числа, один и два, даются легче всего, потому что это привычные шаблоны: один объект, пара. Дальше модель опирается на текстуру и ритм, а не на арифметику. Ряд окон выглядит верно, когда верен интервал, а не когда их семь. Поэтому «несколько» работает лучше цифры, которую она не может выдержать.

Где это важно, а где нет

Разделите сцены на два вида. В толпе, лесу или вазе с фруктами никто не считает, и ошибка на два незаметна. На фото товара, схеме, наборе значков или настольной игре зритель считает сразу, и неверное число выглядит как брак. Силы тратьте только на второй вид.

Пять способов получить нужное число

1. Просите меньше и называйте группу

Модели лучше справляются с «парой» и «трио», чем с голой цифрой, потому что это цельные понятия, а не арифметика. «Трио свечей: высокая, средняя и низкая» даёт каждой свою личность, а личности удерживать легче, чем итог.

2. Описывайте каждый предмет через место

Вместо числа дайте каждому предмету место. Модель хороша в «слева» и «справа», «передний план» и «фон», и ей трудно добавить четвёртую свечу, когда фраза уже заняла левый край, центр и правый край подоконника.

3. Генерируйте по частям, собирайте потом

Для набора, который должен быть точным, например пять значков или шесть карт, делайте каждую деталь отдельной картинкой и расставляйте в своём редакторе. Это несколько лишних рендеров, но каждый - задача с одним объектом, которую дешевле всего получить верно. Черновики делайте на Still Lite, от €0.30 за рендер, а доводите только отобранные на Still.

4. Оставляйте толпу размытой намеренно

Для людей или предметов на фоне описывайте плотность, а не число: «редкая толпа», «вразброс», «плечом к плечу». Модели хороши в плотности, потому что это текстура. Число лишь даёт им повод ошибиться заметно.

5. Исправляйте потом, а не перегенерируйте

Если картинка верна, кроме одного лишнего предмета, не бросайте кости заново. Приложите рендер как референс и попросите ту же сцену «без четвёртой свечи». Модель сохраняет палитру и композицию и меняет только одно, а это куда лучше новой попытки с нуля.

Чего студия не умеет

Ни один инструмент студии не обещает точного счёта, как и любой другой генератор изображений сегодня. Более высокое качество уточняет детали, но не учит арифметике. Если число на странице - жёсткое требование, соберите набор из отдельных картинок или нарисуйте итоговый макет сами, а рендер возьмите для внешнего вида. То же касается читаемого текста, который ломается по родственным причинам; руководство по рукам и тексту разбирает его.

Быстрый порядок действий

1. 01Решите, будет ли кто-то считать. Если нет, не переживайте.
2. 02Если будет, описывайте предметы по месту и давайте каждому своё прилагательное.
3. 03Сделайте небольшую пачку дешёвых черновиков и сразу отбрасывайте те, где неверное число.
4. 04Почти удачный кадр исправляйте через референс, а не начинайте заново.
5. 05Для точных наборов делайте детали отдельно и собирайте сами.

Сочетайте это с привычками из статьи про налог на перегенерацию, и большинство потраченных впустую рендеров исчезнет, ведь ошибки счёта входят в число самых дорогих перегенераций. Текущую цену каждой модели видно на странице моделей до нажатия Generate.