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🟢 Modificadores de Estilo

Modificadores de Estilo

🟢 This article is rated easy
Reading Time: 1 minute

Last updated on August 7, 2024

Los modificadores de estilo son simplemente descriptores que producen consistentemente ciertos estilos (por ejemplo, "tintado de rojo", "hecho de vidrio", "renderizado en Unity"). Pueden combinarse para producir estilos aún más específicos. Pueden "incluir información sobre períodos, escuelas y estilos artísticos, pero también sobre materiales y medios artísticos, técnicas y artistas".

Ejemplo

Aquí hay algunas pirámides generadas por DALLE, con la indicación "pirámide".

Aquí hay algunas pirámides generadas por DALLE, con la indicación "Una pirámide hecha de vidrio, renderizada en Unity y tintada de rojo", que utiliza 3 modificadores de estilo.

Aquí hay una lista de algunos modificadores de estilo útiles:

fotorealista, de Greg Rutkowski, de Christopher Nolan, pintura, pintura digital, arte conceptual, renderizado con Octane, lente ancha, renderizado en 3D, iluminación cinematográfica, tendencia en ArtStation, tendencia en CGSociety, hiperrealista, foto, luz natural, grano de película

Notas

Oppenlaender et al. describen el descriptor "renderizado en..." como un impulsor de calidad, pero nuestra definición de trabajo difiere, ya que ese modificador produce consistentemente el estilo específico de Unity (u otro motor de renderizado). Como tal, llamaremos a ese descriptor un modificador 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 3

Copyright © 2024 Learn Prompting.