Wan v2.6 Image to Image

Wan v2.6 Image to Image je model za uređivanje i kompoziciju slika koji vam omogućuje kombiniranje i transformaciju do tri referentne slike koristeći samo pisani opis. Umjesto generiranja slika od nule, radi s vizualima koje već imate — likom, objektom, lokacijom, teksturom ili stilom — i spaja ih u jednu novu sliku koja slijedi vaše upute. Ako možete ukazati na elemente na nekoliko fotografija i opisati kako bi se trebali spojiti, ovaj model pretvara tu ideju u gotov kadar.

Glavna značajka je njegov sustav višeslikovnog referenciranja. Dostavite od jedne do tri referentne slike, a u svom tekstualnom upitu ih izravno nazovite 'image 1', 'image 2' i 'image 3'. Redoslijed je važan, pa uvijek znate iz koje slike model vuče elemente. To čini složene kompozicije jednostavnim za opisivanje: lik iz jedne slike možete postaviti u okruženje iz druge dok drži objekt iz treće. Primjer uputa glasi: 'Postavi čarobnjaka iz image 2 u drevnu knjižnicu iz image 3, kako drži i proučava magičnu kristalnu kuglu iz image 1', uz upute o ljubičastoj i plavoj rasvjeti na njegovom licu, plutajućim svijećama, drevnim knjigama u pozadini i visoko detaljnom fantastičnom umjetničkom stilu. Model sve to pročita i sastavi koherentnu scenu.

Budući da uput čini veći dio kreativnog rada, model nagrađuje opisno pisanje. Možete specificirati rasvjetu, raspoloženje, umjetnički stil, kompoziciju i sitne detalje, a model će ih poštovati. Uputi mogu imati do 2.000 znakova, dajući vam dovoljno prostora za preciznost, a podržavaju se engleski i kineski jezik. Za kreatore koji više vole kratke upute, postoji ugrađena značajka optimizacije uputa koja automatski proširuje i usavršava jednostavne upute prije generiranja. Dodaje nekoliko sekundi obrade, ali značajno poboljšava rezultate kada unesete kratku ideju umjesto potpuno detaljnog odlomka. Možete je ostaviti uključenu za udobnost ili isključiti kada želite da se poštuje vaš točan tekst.

Kome koristi? Koncept umjetnicima i ilustratorima omogućuje brzo testiranje kako lik izgleda u različitim okruženjima ili s rekvizitima. Dizajnerima omogućuje kompoziciju proizvodnih snimaka, raspoloženjskih ploča i studija stilova bez ručnog maskiranja i slojevitosti. Redateljima i storyboard umjetnicima omogućuje prethodnu vizualizaciju scena postavljanjem glumaca, setova i objekata u jedan kadar. Marketerima i kreatorima za društvene mreže omogućuje remix postojećih brendiranih slika u svježe vizualne sadržaje. Svi koji trenutno provode sate u slojevitim uređivačima isječući elemente i miješajući ih mogu isti rezultat opisati u jednoj rečenici.

Referentne slike koje učitate trebaju biti u formatu JPEG, JPG, PNG (bez prozirnosti), BMP ili WEBP, svaka između 384 i 5.000 piksela na stranici i ne veća od 10 MB. Izlazne slike isporučuju se u PNG formatu. Kontrolirate oblik i veličinu rezultata putem unaprijed postavljenih omjera stranica — kvadrat, portret 4:3, portret 16:9, pejzaž 4:3, pejzaž 16:9 i opcija visoke rezolucije kvadrata — ili možete zatražiti točne prilagođene dimenzije. Ukupna rezolucija izlaza nalazi se u definiranim granicama tako da slike ostanu oštre bez pretjerane veličine, otprilike između 768×768 i 1280×1280 piksela.

Osim kompozicije i veličine, imate nekoliko kreativnih kontrola. Negativni uput omogućuje navođenje stvari koje želite isključiti iz slike — uobičajeni primjeri uključuju nisku rezoluciju, deformirane oblike ili dodatne prste — pomažući vam izbjeći tipčne greške generiranja. Možete generirati do četiri varijacije odjednom, što je korisno za brzi usporedbu opcija i odabir najboljeg rezultata. Kontrola sjemena omogućuje reproducibilnost: ponovna upotreba istog sjemena daje dosljednije rezultate kroz pokretanja, pa kada pronađete izgled koji vam se sviđa, možete ga iterirati bez početka ispočetka. Postoji i opcija umjerenosti sadržaja koja provjerava i vaše unose i izlaze, podrazumijevano uključena, za održavanje prikladnih generacija.

Što se tiče stila, model je fleksibilan. Budući da crpi izravno iz vaših referentnih slika i pisanih uputa, može biti fotorealistički, slikoviti, filmski ili potpuno ilustrativni ovisno o tome što unesete i zatražite. Primjeri slika prikazuju dramatičnu fantastičnu umjetnost s atmosferskom rasvjetom, što ističe snagu modela u raspoloženju i detaljima kada ih jasno opišete. Možete posuditi stil iz jedne slike i pozadinu iz druge, miješajući vizualne izvore u ujedinjenu estetiku.

Nekoliko najboljih praksi proizlazi prirodno iz rada modela. Prvo, budite eksplicitni o tome koja referentna slika daje koji element — brojni sustav referenciranja dobar je samo koliko je jasan vaš uput. Drugo, opisujte rasvjetu, stil i kompoziciju umjesto da pretpostavljate da će model nagađati; bogatiji opis, bliži rezultat. Treće, ako radite s kratkom idejom, zadržite optimizaciju uputa uključenu za popunjavanje praznina, ali je isključite kada trebate poštovati točnu formulaciju. Četvrto, koristite negativni uput za sprječavanje ponavljajućih artefakata. A kada pronađete rezultat koji volite, zabilježite njegovo sjeme da biste ga mogli nadograđivati.

Što se tiče ograničenja: model zahtijeva barem jednu referentnu sliku i prima najviše tri, pa je namijenjen uređivanju i kompoziciji umjesto čistom generiranju iz teksta. Referentne slike moraju biti u podržanim formatima i granicama veličine, a PNG datoteke s prozirnošću nisu prihvaćene. Rezolucija izlaza ograničena je na definirani raspon, pa je optimiziran za oštre, dijeljive slike umjesto vrlo velikih datoteka za tisak. Unutar tih granica, Wan v2.6 Image to Image je brz, kontroliran način pretvaranja zbirke referentnih slika i jasnog opisa u jednu koherentnu novu sliku.