Character Consistency چیست؟ چطور یک شخصیت را در ۱۰ عکس ثابت نگه داریم؟
یکی از مشکلات جالب تولید تصویر با هوش مصنوعی این است که ساختن یک عکس خوب دیگر کار چندان سختی نیست؛ سختی واقعی از جایی شروع می‌شود که بخواهی همان شخصیت را دوباره و دوباره استفاده کنی.
مثلاً یک شخصیت برای کمپین تبلیغاتی طراحی کرده‌ای. تصویر اول عالی است، اما وقتی همان شخصیت را وارد یک خیابان، دفتر کار یا فضای فانتزی می‌کنی، ناگهان فرم صورت، لباس، مو یا حتی سن و حالت بدنش تغییر می‌کند.
اینجاست که مفهوم Character Consistency یا «ثبات شخصیت» اهمیت پیدا می‌کند.
Character Consistency دقیقاً یعنی چه؟
به زبان ساده، یعنی وقتی یک شخصیت را در چند تصویر مختلف تولید می‌کنی، مخاطب همچنان احساس کند همه تصاویر مربوط به همان شخصیت هستند.
محیط می‌تواند عوض شود، زاویه دوربین تغییر کند و شخصیت حتی لباس متفاوتی داشته باشد؛ اما ویژگی‌های اصلی مثل چهره، فرم بدن، رنگ‌ها و ویژگی‌های شاخص باید تا حد ممکن ثابت بمانند.
این موضوع برای ساخت کمیک، کاراکتر برند، تبلیغات، بازی، محتوای شبکه‌های اجتماعی و حتی تولید تصاویر یکپارچه برای یک وب‌سایت اهمیت زیادی دارد.
فقط با Prompt نمی‌شود مشکل را حل کرد
یکی از اشتباهات رایج این است که فکر کنیم اگر توضیحات شخصیت را خیلی طولانی کنیم، AI حتماً همان شخصیت را حفظ می‌کند.
مثلاً:
«یک زن ۲۸ ساله با موهای قهوه‌ای بلند، چشم‌های سبز، پوست روشن، کت مشکی...»
و بعد همین توضیح را در ۱۰ پرامپت تکرار کنیم.
این روش می‌تواند کمک کند، اما تضمین نمی‌کند که مدل دقیقاً همان چهره را بازسازی کند. برای همین ابزارهای جدید بیشتر روی Reference Image و حفظ ویژگی‌های سوژه تمرکز کرده‌اند. OpenAI و Google هر دو در ابزارهای تصویری جدیدشان روی حفظ سوژه و شخصیت در تصاویر و ویرایش‌های مختلف تأکید کرده‌اند.
ترفند اول: یک تصویر مرجع بساز
بهترین نقطه شروع، داشتن یک Reference Image خوب است.
اول شخصیت را در یک تصویر با کیفیت و ترجیحاً با نمای واضح از صورت و بدن بساز. بعد همان تصویر را در نسل‌های بعدی به‌عنوان مرجع استفاده کن.
به‌جای اینکه هر بار بگویی:
«یک شخصیت مشابه قبلی بساز...»
بگو:
«از تصویر مرجع استفاده کن و هویت شخصیت را حفظ کن. محیط و ژست را تغییر بده، اما چهره، تناسبات بدن و ویژگی‌های اصلی شخصیت ثابت بماند.»
این تفاوت کوچک، workflow تولید تصویر را کاملاً تغییر می‌دهد.
ترفند دوم: ویژگی‌های غیرقابل‌تغییر را مشخص کن
همه چیز در شخصیت به یک اندازه مهم نیست.
فرض کن شخصیت یک کت قرمز و یک خال مشخص روی صورت دارد. اگر این دو ویژگی برای شناسایی او مهم هستند، باید صریحاً مشخص کنی که نباید تغییر کنند.
مثلاً:
Keep the character's facial features, body proportions, hairstyle and distinctive mark unchanged.
بعد ویژگی‌هایی را که می‌خواهی تغییر کنند جدا کن:
Change only the outfit, pose and environment.
این تفکیک خیلی مهم است؛ چون به مدل می‌گوید چه چیزی باید ثابت بماند و چه چیزی اجازه تغییر دارد.
ترفند سوم: Character Sheet بساز
اگر قرار است شخصیت را در تعداد زیادی تصویر استفاده کنی، یک مرحله قبل از تولید تصاویر اصلی ارزش زیادی دارد: Character Sheet.
در Character Sheet می‌توانی شخصیت را از چند زاویه نشان بدهی؛ مثلاً نمای روبه‌رو، نیم‌رخ، سه‌رخ و تمام‌قد.
حتی می‌توانی چند حالت چهره مختلف هم داشته باشی.
این تصویر عملاً تبدیل می‌شود به یک شناسنامه تصویری برای کاراکتر.
بعد هنگام ساخت تصاویر جدید، به جای اینکه فقط به یک عکس وابسته باشی، یک مرجع جامع‌تر در اختیار مدل داری.
ترفند چهارم: هر بار همه‌چیز را تغییر نده
اگر تصویر اول خوب درآمده، لازم نیست برای تصویر دوم همه چیز را از نو بسازی.
یکی از روش‌های بهتر این است که تصویر قبلی را نگه داری و فقط یک بخش را تغییر بدهی.
مثلاً:
«همان شخصیت را حفظ کن. فقط محیط را از یک استودیو به یک خیابان شبانه تغییر بده.»
بعد:
«همان تصویر را حفظ کن. فقط لباس شخصیت را به یک کت رسمی تبدیل کن.»
این روش به‌خصوص برای مدل‌هایی که قابلیت Image Editing و ویرایش چندمرحله‌ای دارند، کاربردی است. به‌جای اینکه هر بار شخصیت را دوباره تولید کنی، آن را به‌تدریج در صحنه‌های مختلف توسعه می‌دهی.
ترفند پنجم: سبک تصویر را هم ثابت نگه دار
گاهی شخصیت کاملاً درست است، اما مجموعه تصاویر باز هم یکدست به نظر نمی‌رسد.
دلیلش این است که فقط Character Consistency مهم نیست؛ Style Consistency هم اهمیت دارد.
مثلاً تصویر اول:
cinematic 3D render
و تصویر دوم:
anime illustration
حتی اگر شخصیت یکسان باشد، این دو تصویر احتمالاً متعلق به یک مجموعه به نظر نمی‌رسند.
برای همین بهتر است ویژگی‌های سبکی مثل نوع رندر، نورپردازی، پالت رنگ، میزان واقع‌گرایی و نوع کادربندی را هم تا جای ممکن ثابت نگه داری.
یک Workflow بهتر برای ساخت ۱۰ تصویر
اگر بخواهی یک شخصیت را در ۱۰ تصویر مختلف استفاده کنی، می‌توانی این مسیر را امتحان کنی:
Character Design → Reference Image → Character Sheet → تصویر اول → ویرایش مرحله‌ای → تصاویر بعدی
نکته مهم این است که بعد از هر تصویر موفق، همان تصویر را دور نریزی. تصاویر موفق خودشان می‌توانند به Reference نسل بعد تبدیل شوند.
به این ترتیب، به‌جای اینکه ۱۰ بار شانس خودت را امتحان کنی، یک زنجیره تصویری می‌سازی که هر مرحله به مرحله قبلی متصل است.
یک Prompt پایه برای شروع
می‌توانی از این ساختار به‌عنوان نقطه شروع استفاده کنی:
Use the reference image as the primary character reference. Preserve the character's identity, facial features, body proportions, distinctive features and overall appearance. Change only the environment, pose and action. Keep the visual style consistent with the reference image.بعد فقط قسمت مربوط به صحنه را تغییر بده:
Place the character in a futuristic office, sitting at a desk and working on a holographic computer interface.و برای تصویر بعد:
Place the same character in a rainy Tokyo street at night, walking under a transparent umbrella.شخصیت همان است؛ فقط داستان عوض شده.
یک نکته مهم درباره «ثبات ۱۰۰٪»
حتی با بهترین مدل‌ها هم نباید انتظار داشت که در هر شرایطی یک شخصیت کاملاً پیکسلی و بدون هیچ تغییری تکرار شود.
زاویه‌های خیلی متفاوت، ژست‌های پیچیده، تغییر شدید لباس، نورپردازی متفاوت یا تصاویر مرجع ضعیف می‌توانند باعث تغییرات ناخواسته شوند.
هدف Character Consistency این نیست که هر پیکسل دوباره تولید شود؛ هدف این است که هویت بصری شخصیت حفظ شود.
و این تفاوت مهمی است.
جمع‌بندی
اگر بخواهیم در یک جمله بگوییم:
شخصیت را یک بار طراحی کن، یک Reference قوی برایش بساز و بعد به‌جای ساختن دوباره، آن را در داستان‌های مختلف توسعه بده.
تولید تصویر با AI وقتی واقعاً جذاب می‌شود که دیگر فقط دنبال یک تصویر زیبا نباشی؛ بتوانی یک شخصیت، سبک و دنیای تصویری را در طول ده‌ها تصویر زنده نگه داری.
