Wan v2.6 Image to Image

Το Wan v2.6 Image to Image είναι ένα μοντέλο επεξεργασίας και σύνθεσης εικόνων που σας επιτρέπει να συνδυάζετε και να μετατρέπετε έως και τρεις εικόνες αναφοράς χρησιμοποιώντας μόνο μια γραπτή περιγραφή. Αντί να δημιουργεί εικόνες από το μηδέν, εργάζεται με τις οπτικές λεπτομέρειες που ήδη έχετε — έναν χαρακτήρα, ένα αντικείμενο, μια τοποθεσία, μια υφή ή ένα στυλ — και τα συγχωνεύει σε μία νέα ενιαία εικόνα που ακολουθεί τις οδηγίες σας. Αν μπορείτε να δείξετε στοιχεία από λίγες φωτογραφίες και να περιγράψετε πώς πρέπει να συνδυαστούν, αυτό το μοντέλο μετατρέπει την ιδέα σας σε ένα ολοκληρωμένο καρέ.

Το καθοριστικό χαρακτηριστικό του είναι το σύστημα πολλαπλών αναφορών εικόνων. Παρέχετε από μία έως τρεις εικόνες αναφοράς και στο κείμενο σας αναφέρεστε σε κάθε μία απευθείας ως 'image 1', 'image 2' και 'image 3'. Η σειρά έχει σημασία, ώστε να γνωρίζετε πάντα ποια εικόνα αντλεί το μοντέλο. Αυτό καθιστά τις σύνθετες συνθέσεις εύκολες στην περιγραφή: μπορείτε να τοποθετήσετε έναν χαρακτήρα από μία εικόνα σε σκηνικό από άλλη ενώ κρατάει αντικείμενο από τρίτη. Ένα παράδειγμα οδηγίας είναι: 'Τοποθέτησε τον μάγο από το image 2 στην αρχαία βιβλιοθήκη από το image 3, κρατώντας και μελετώντας τον μαγικό κρυστάλλινο σφαίρα από το image 1,' μαζί με οδηγίες για μωβ και μπλε φωτισμό στο πρόσωπό του, πλωτά κεριά, αρχαία βιβλία στο φόντο και υψηλής λεπτομέρειας φανταστικό καλλιτεχνικό στυλ. Το μοντέλο διαβάζει όλα αυτά και συναρμολογεί μια συνεκτική σκηνή.

Επειδή η περιγραφή αναλαμβάνει μεγάλο μέρος της δημιουργικής δουλειάς, το μοντέλο ανταμείβει την περιγραφική γραφή. Μπορείτε να καθορίσετε φωτισμό, διάθεση, καλλιτεχνικό στυλ, σύνθεση και λεπτομέρειες, και το μοντέλο θα τα τηρήσει. Οι περιγραφές μπορούν να φτάσουν έως 2.000 χαρακτήρες, δίνοντάς σας αρκετό χώρο για ακρίβεια, και υποστηρίζονται τόσο τα Αγγλικά όσο και τα Κινέζικα. Για δημιουργούς που προτιμούν σύντομες περιγραφές, υπάρχει ενσωματωμένη λειτουργία βελτιστοποίησης περιγραφής που επεκτείνει αυτόματα και βελτιώνει απλές οδηγίες πριν την παραγωγή. Προσθέτει μερικά δευτερόλεπτα επεξεργασίας αλλά βελτιώνει αισθητά τα αποτελέσματα όταν δίνετε μια σύντομη ιδέα αντί για πλήρη παράγραφο. Μπορείτε να την αφήσετε ενεργή για ευκολία ή να την απενεργοποιήσετε όταν θέλετε να τηρηθεί ακριβώς η διατύπωσή σας.

Ποιοι επωφελούνται; Καλλιτέχνες concept και εικονογράφοι μπορούν γρήγορα να δοκιμάσουν πώς φαίνεται ένας χαρακτήρας σε διαφορετικά περιβάλλοντα ή αντικείμενα. Σχεδιαστές μπορούν να συνθέσουν φωτογραφίες προϊόντων, πίνακες διάθεσης και μελέτες στυλ χωρίς χειροκίνητη μάσκα και στρώματα. Σκηνοθέτες και καλλιτέχνες storyboards μπορούν να προ-οπτικοποιήσουν σκηνές βάζοντας ηθοποιούς, σκηνικά και αντικείμενα σε ένα καρέ. Marketers και δημιουργοί social media μπορούν να επαναμιξάουν υπάρχουσες εικόνες brand σε φρέσκα οπτικά. Οποιοσδήποτε ξοδεύει ώρες σε επεξεργαστή στρωμάτων κόβοντας και συνδυάζοντας στοιχεία μπορεί να περιγράψει το ίδιο αποτέλεσμα σε μία πρόταση.

Οι εικόνες αναφοράς που ανεβάζετε πρέπει να είναι αρχεία JPEG, JPG, PNG (χωρίς διαφάνεια), BMP ή WEBP, η καθεμία μεταξύ 384 και 5.000 pixels σε οποιαδήποτε διάσταση και όχι μεγαλύτερη από 10MB. Οι εξόδους εικόνες παρέχονται σε μορφή PNG. Ελέγχετε το σχήμα και το μέγεθος του αποτελέσματος μέσω προεπιλεγμένων λεκίων αναλογίας πλευρών — τετράγωνο, κάθετο 4:3, κάθετο 16:9, οριζόντιο 4:3, οριζόντιο 16:9 και επιλογή τετράγωνου υψηλής ευκρίνειας — ή μπορείτε να ζητήσετε ακριβείς προσαρμοσμένες διαστάσεις. Η συνολική ανάλυση εξόδου βρίσκεται σε καθορισμένο εύρος ώστε οι εικόνες να παραμένουν ευκρινείς χωρίς να γίνονται υπερβολικά μεγάλες, περίπου μεταξύ 768×768 και 1280×1280 pixels.

Πέρα από σύνθεση και μέγεθος, έχετε αρκετούς δημιουργικούς ελέγχους. Μια αρνητική περιγραφή σας επιτρέπει να παραθέσετε πράγματα που θέλετε να αποφύγετε στην εικόνα — κοινά παραδείγματα περιλαμβάνουν χαμηλή ανάλυση, παραμορφωμένα σχήματα ή έξτρα δάχτυλα — βοηθώντας να αποφύγετε τυπικά ελαττώματα παραγωγής. Μπορείτε να παράγετε έως τέσσερις παραλλαγές ταυτόχρονα, χρήσιμο για γρήγορη σύγκριση επιλογών και επιλογή του καλύτερου. Ο έλεγχος seed παρέχει αναπαραγωγικότητα: η επαναχρησιμοποίηση του ίδιου seed παράγει πιο σταθερά αποτελέσματα σε εκτελέσεις, ώστε μόλις βρείτε ένα look που σας αρέσει, μπορείτε να το βελτιώσετε χωρίς να ξεκινήσετε από την αρχή. Υπάρχει επίσης ενσωματωμένη επιλογή μέτρησης περιεχομένου που ελέγχει τόσο τις εισόδους όσο και τις εξόδους, ενεργή από προεπιλογή, για κατάλληλες παραγωγές.

Σε ό,τι αφορά το στυλ, το μοντέλο είναι ευέλικτο. Επειδή αντλεί απευθείας από τις εικόνες αναφοράς και τις γραπτές οδηγίες σας, μπορεί να κλίνει προς φωτορεαλιστικό, βαμμένο, κινηματογραφικό ή πλήρως εικονογραφικό ανάλογα με αυτό που του δίνετε και ζητάτε. Τα παραδειγματικά εικόνες παρουσιάζουν δραματικό φανταστικό τέχνη με ατμοσφαιρικό φωτισμό, αναδεικνύοντας τη δύναμη του μοντέλου σε διάθεση και λεπτομέρεια όταν τα περιγράφετε καθαρά. Μπορείτε να δανειστείτε το στυλ από μία εικόνα και το φόντο από άλλη, αναμειγνύοντας οπτικές πηγές σε ενιαία αισθητική.

Λίγες βέλτιστες πρακτικές προκύπτουν φυσικά από τη λειτουργία του μοντέλου. Πρώτον, να είστε ρητοί για το ποια εικόνα αναφοράς παρέχει ποιο στοιχείο — το αριθμημένο σύστημα αναφοράς είναι τόσο καλό όσο η σαφήνεια της περιγραφής σας. Δεύτερον, περιγράψτε φωτισμό, στυλ και σύνθεση αντί να υποθέτετε ότι το μοντέλο θα μαντέψει· όσο πλουσιότερη η περιγραφή, τόσο πιο κοντά το αποτέλεσμα. Τρίτον, αν εργάζεστε από σύντομη ιδέα, κρατήστε τη βελτιστοποίηση περιγραφής ενεργή για να συμπληρώσει τα κενά, αλλά απενεργοποιήστε την όταν χρειάζεστε ακριβή διατύπωση. Τέταρτον, χρησιμοποιήστε την αρνητική περιγραφή για να αποτρέψετε επαναλαμβανόμενα artifacts. Και όταν βρείτε ένα αποτέλεσμα που σας αρέσει, σημειώστε το seed του για να το χτίσετε.

Όσον αφορά τους περιορισμούς: το μοντέλο απαιτεί τουλάχιστον μία εικόνα αναφοράς και δέχεται όχι περισσότερες από τρεις, οπότε είναι φτιαγμένο για επεξεργασία και σύνθεση παρά για καθαρή παραγωγή από κείμενο σε εικόνα. Οι εικόνες αναφοράς πρέπει να είναι εντός των υποστηριζόμενων μορφών και ορίων μεγέθους, και τα αρχεία PNG με διαφάνεια δεν γίνονται δεκτά. Η ανάλυση εξόδου περιορίζεται στο καθορισμένο εύρος, οπότε είναι βελτιστοποιημένο για ευκρινείς, εύκολα κοινοποιούμενες εικόνες παρά για πολύ μεγάλα αρχεία εκτύπωσης. Μέσα σε αυτά τα όρια, το Wan v2.6 Image to Image είναι ένας γρήγορος, ελεγχόμενος τρόπος να μετατρέπετε μια συλλογή εικόνων αναφοράς και μια σαφή περιγραφή σε μία ενιαία, συνεκτική νέα εικόνα.