Bienvenidos
😃 Básico
💼 Aplicaciones básicas
🧙‍♂️ Intermediate
🤖 Agentes
⚖️ Reliability
🖼️ Image Prompting
🔓 Prompt Hacking
🔨 Tooling
💪 Prompt Tuning
🎲 Miscellaneous
Models
📙 Referencia de Vocabulario
📚 Bibliography
📦 Prompted Products
🛸 Recursos adicionales
🔥 Hot Topics
✨ Créditos
🖼️ Image Prompting🟢 Potenciadores de calidad

Potenciadores de calidad

🟢 This article is rated easy
Reading Time: 1 minute
Last updated on August 7, 2024

Sander Schulhoff

Los potenciadores de calidad son términos agregados a una prompt para mejorar ciertas cualidades de la imagen generada que no están relacionadas con el estilo. Por ejemplo, "increíble", "hermoso" y "buena calidad" son potenciadores de calidad que se pueden utilizar para mejorar la calidad de la imagen generada.

Ejemplo

Recordemos las pirámides generadas con DALLE de la otra página, y la prompt pyramid.

Ahora, veamos las pirámides generadas con esta prompt: Una hermosa, majestuosa, increíble pirámide, 4K

¡Estas son mucho más escénicas e impresionantes!

Aquí hay una lista de algunos potenciadores de calidad:

Alta resolución, 2K, 4K, 8K, claro, buena iluminación, detallado, extremadamente detallado, enfoque nítido, intrincado, hermoso, realista +++, colores complementarios, alta calidad, hiper detallado, obra maestra, mejor calidad, artstation, impresionante

Notas

Al igual que en la página anterior, nuestra definición de trabajo de los potenciadores de calidad difiere de la de Oppenlaender et al.. Dicho esto, a veces es difícil distinguir exactamente entre potenciadores de calidad y modificadores de estilo.

Sander Schulhoff

Sander Schulhoff is the Founder of Learn Prompting and an ML Researcher at the University of Maryland. He created the first open-source Prompt Engineering guide, reaching 3M+ people and teaching them to use tools like ChatGPT. Sander also led a team behind Prompt Report, the most comprehensive study of prompting ever done, co-authored with researchers from the University of Maryland, OpenAI, Microsoft, Google, Princeton, Stanford, and other leading institutions. This 76-page survey analyzed 1,500+ academic papers and covered 200+ prompting techniques.

Footnotes

  1. Oppenlaender, J. (2022). A Taxonomy of Prompt Modifiers for Text-To-Image Generation. 2