Yapay zeka görsellerinde eller ve yazılar neden bozuk çıkar?
Kısa cevap
Görsel modelleri eli ve harfleri bir yapı olarak değil, piksel kalıpları olarak öğrendiği için parmak sayısı ve yazılar karışabilir; yeni modellerde bu sorun azalıyor.
Görsel modelleri dünyayı insanlar gibi "parçalarıyla" anlamaz; milyonlarca görselden görünüş kalıplarını öğrenir. Eller çok farklı pozisyonlarda, kısmen gizli ve birbirine karışmış halde görüldüğü için modelin "bir elde beş parmak olur" kuralını tutarlı uygulaması zordur. Yazılarda da benzer bir durum vardır: model harflerin şeklini taklit eder ama anlamlı kelime kurmayı her zaman başaramaz.
Bu sorunları azaltmak için:
- Daha yeni bir model kullan. Güncel modeller el ve yazı konusunda çok daha başarılı.
- Eli sadeleştir. "Elleri cebinde", "elleri arkada" gibi pozlar hatayı azaltır.
- Yazıyı tırnak içinde ver. Örneğin a sign that says "AÇIK"; kısa ve tek kelimelik yazılar daha başarılı olur.
- Negatif prompt ekle: extra fingers, deformed hands, misspelled text.
- Birkaç varyasyon üret ve en iyisini seç.
Önemli bir metin içeren tasarımlarda en güvenli yol, yazıyı sonradan bir tasarım programıyla eklemektir.