Selamat Datang
😃Dasar
💼 Aplikasi Dasar
🧙‍♂️ Pelajaran Tingkat Menengah
🤖 Agen
⚖️ Keandalan
🖼️ Prompt untuk Menghasilkan Gambar
🔓 Prompt Hacking
🔨 Tooling
💪 Prompt Tuning
🎲 Serba aneka
📙 Referensi Kosakata
Daftar Pustaka
📦 Prompted Products
🛸 Sumber Daya Tambahan
🔥 Hot Topics
✨ Credits
🖼️ Prompt untuk Menghasilkan Gambar🟢 Memperbaiki Hasil yang Cacat

Memperbaiki Hasil yang Cacat

🟢 This article is rated easy
Reading Time: 3 minutes

Last updated on August 7, 2024

Hasil yang cacat, terutama pada bagian tubuh manusia (misalnya tangan, kaki), merupakan masalah umum dengan banyak model. Hal ini dapat ditangani sampai batas tertentu dengan perintah negatif yang baik. Contoh berikut diadaptasi dari postingan Redditini.

Contoh

Dengan menggunakan Stable Diffusion v1.5 dan dengan menggunakan contoh berikut, kita menghasilkan gambar yang bagus dari Brad Pitt, kecuali tangan-tangannya tentu saja!

Astronaut

Prompt


studio medium portrait of Brad Pitt waving his hands, detailed, film, studio lighting, 90mm lens, by Martin Schoeller:6

Dengan menggunakan prompt negatif yang kuat, kita dapat menghasilkan tangan yang jauh lebih meyakinkan.

Astronaut

Prompt


studio medium portrait of Brad Pitt waving his hands, detailed, film, studio lighting, 90mm lens, by Martin Schoeller:6 | disfigured, deformed hands, blurry, grainy, broken, cross-eyed, undead, photoshopped, overexposed, underexposed, lowres, bad anatomy, bad hands, extra digits, fewer digits, bad digit, bad ears, bad eyes, bad face, cropped: -5

Dengan menggunakan prompt negatif yang serupa dapat membantu kita pada bagian tubuh yang lain juga. Sayangnya, teknik ini tidak konsisten, sehingga mungkin Anda perlu mencoba beberapa kali sebelum mendapatkan hasil yang baik. Di masa depan, jenis prompt seperti ini seharusnya tidak perlu lagi karena model-model akan meningkat kualitasnya. Namun, saat ini ini adalah teknik yang sangat berguna.

Catatan

Model lebih baik seperti Protogen sering kali lebih baik dengan tangan, kaki, dan sebagainya.

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. Blake. (2022). With the right prompt, Stable Diffusion 2.0 can do hands. https://www.reddit.com/r/StableDiffusion/comments/z7salo/with_the_right_prompt_stable_diffusion_20_can_do/

Copyright © 2024 Learn Prompting.