ControlNet: Görsele Kompozisyonu Prompt'la Değil Çizimle Anlatmak

Bir kompozisyonu kelimeyle tarif etmeyi deneyin: “figür sol üçte birde dursun, gövdesi hafif sağa dönük, bakışı kadraj dışına, ufuk çizgisi omuz hizasında.”

Yazması zor, okuması zor, ve model çoğu zaman tutturmuyor. Çünkü kompozisyon dilsel bir şey değil, uzamsal bir şey — kelimeye çevirirken bilgi kaybediyorsunuz.

Yapısal yönlendirme bu çeviriyi atlıyor: istediğiniz düzeni tarif etmek yerine gösteriyorsunuz.

Fikir: ikinci bir girdi kanalı

Normal üretimde modelin tek bir yönlendiricisi var — prompt. Gürültüyü temizlerken sürekli “bu, cümleye benziyor mu?” diye soruyor. → Yapay Zeka Görseli Nasıl Üretiyor? Cümleden Resme Giden Yol

Yapısal yönlendirme ikinci bir soru ekliyor: “bu, verdiğim yapıya uyuyor mu?”

O yapı bir görsel olarak veriliyor — bir kenar çizimi, bir çöp adam, bir derinlik haritası. Model her temizleme adımında iki koşulu birden gözetiyor: cümlenin anlamı ve şeklin düzeni.

Sonuç, ikisinin kesişimi: düzen sizin, içerik modelin. Aynı kenar çizimini iki farklı promptla kullanırsanız aynı kompozisyonda iki farklı sahne çıkıyor.

controlnet, bu fikri uygulayan ve adını yönteme veren açık kaynak yapı. Kendi belgesinde tarifi şu: difüzyon modelini ek koşullar ekleyerek kontrol eden bir sinir ağı yapısı.

ControlNet tek bir şey değil, bir aile

En çok yanlış anlaşılan nokta bu. “ControlNet kullanacağım” cümlesi tek başına bir şey söylemiyor — hangi koşullandırma türünden bahsettiğinizi söylemeniz gerekiyor.

Belgelenmiş türler ve ne işe yaradıkları:

Seçim işi belirliyor: bir insanın duruşunu sabitlemek istiyorsanız poz, bir odanın perspektifini korumak istiyorsanız düz çizgi, bir ürünün siluetini korumak istiyorsanız kenar.

Yanlış tür seçmek en sık hata. Kenar koşulu bir portrede kullanılırsa model yüz hatlarını da birebir kopyalamaya çalışır ve sonuç donuk çıkar; orada sınır ya da poz daha doğru.

Somut örnek: tek iskelet, üç sahne

Bir poz koşulu düşünün — kollarını kavuşturmuş, hafif sağa dönük, ayakta duran bir figürün iskeleti. Bu iskelet tek bir görsel ve değişmiyor.

Üç farklı prompt ile üç ayrı sonuç:

1) Beyaz önlüklü bir laborant, steril laboratuvar, soğuk floresan ışık
2) Deri ceketli bir müzisyen, tuğla duvar önünde, akşam sokak ışığı
3) Takım elbiseli bir yönetici, cam ofis, geniş pencereden gelen gün ışığı

Üçünde de figür aynı duruşta, aynı yerde, aynı açıyla duruyor. Değişen şey kıyafet, mekân, ışık ve üslup. Bu, prompt’la tek başına elde edilemeyen bir tutarlılık — üç promptu ayrı ayrı çalıştırsanız üç farklı duruş, üç farklı kadraj gelirdi.

Pratik karşılığı: bir sunum ya da bir kategori sayfası için aynı düzende görsel serisi üretmek. Seri tutarlılığının prompt tarafındaki karşılığı için → Fotoğraf Promptları: Görsel Üretiminde Yedi Katman

Aynı deneyi kenar koşuluyla yaparsanız sonuç farklı olur: kenarlar kıyafetin biçimini de taşıdığı için “deri ceket” isteği tutmaz, önlüğün hatları sızar. Koşul türü, promptun ne kadar serbest kalacağını belirliyor.

Birden fazla koşulu birlikte kullanmak

Koşullar üst üste bindirilebiliyor: poz + derinlik, kenar + segmentasyon gibi. Mantık şu — her koşul farklı bir bilgi taşıyor ve birlikte daha eksiksiz bir yapı tarif ediyorlar.

Pratikte işe yarayan birkaç eşleşme var. Poz + derinlik, figürü hem duruş hem mekân katmanı olarak sabitliyor: kim nerede duruyor ve kim önde. Kenar + segmentasyon, hem biçimi hem hangi bölgenin ne olduğunu veriyor.

Ama iki tuzak var.

Toplam ağırlık birikiyor. İki koşulun her biri makul ağırlıkta olsa bile toplamı modeli boğabiliyor: prompt neredeyse hiç dinlenmiyor, çıktı bir yapı egzersizine dönüşüyor. İkinci koşulu eklerken birincinin ağırlığını düşürmek gerekiyor.

Koşullar çelişebiliyor. Bir derinlik haritası nesneyi arka planda, bir kenar çizimi önde gösteriyorsa model ikisini birden sağlayamıyor — birini seçiyor ve hangisini seçtiğini söylemiyor. Aynı sessiz feda etme davranışı prompt tarafında da var. → Fotoğraf Promptları: Görsel Üretiminde Yedi Katman

Kural: tek koşulla başlayın, yetmezse ikinciyi ekleyin. İkiden fazlası neredeyse her zaman çelişki üretiyor ve hangi koşulun sonucu belirlediğini görmek imkânsızlaşıyor.

Ne kadar sıkı bağlanmalı?

Yapısal koşulun bir ağırlığı var ve bu ağırlık, yazının en pratik kararı.

Yüksek ağırlık: model yapıya sıkı bağlanır. Kompozisyon birebir tutar ama görsel sertleşir — çizim izleri sızabilir, doku yapaylaşır, model prompt’u yeterince dinlemez.

Düşük ağırlık: görsel canlanır ama yapı kayar. Verdiğiniz düzen bir öneriye dönüşür.

Bandın ortası aranıyor ve yeri koşul türüne göre değişiyor: poz koşulu genellikle sıkı tutulabilir (iskelet zaten seyrek bilgi, sızacak bir doku yok), kenar koşulu gevşek tutulmalı (çizgiler doğrudan görsele sızıyor).

Aynı ödünleşim video tarafında da var ve orada daha sert: tutarlılığı artırmak hareketi söndürüyor. → Yapay Zeka Videolarında Karakter Neden Değişiyor? Zamansal Tutarlılık

Ne zaman gerekir, ne zaman fazladır?

Gerekir:

• Kompozisyon pazarlık konusu değilse. Bir kapak görseli belirli bir yerde boşluk istiyorsa. → Fotoğraf Promptları: Görsel Üretiminde Yedi Katman
• Var olan bir yapıyı korumak gerekiyorsa. Bir ürünün silueti, bir binanın cephesi, bir logonun oranı.
• Aynı düzende varyasyon üretiliyorsa. Tek bir yapıyla onlarca farklı stil denemek.
• Prompt üç denemede tutturamadıysa. Kompozisyon isteği kelimeyle çözülmüyorsa çözüm kelime eklemek değil.

Fazladır:

• Kompozisyon serbest bırakılabiliyorsa. Model iyi kadrajlar üretiyor; sabitlemek çeşitliliği öldürür.
• Yapı değil içerik sorunluysa. Işık, renk ve doku prompt’un işi.
• Tek seferlik bir görselse. Kurulum maliyeti getiriyi geçer.

Ölçüt tek cümlede: düzen mi umurunuzda, görüntü mü? Düzen umurunuzdaysa yapısal yönlendirme, görüntü umurunuzdaysa prompt. İkisi de umurunuzdaysa sıra önemli — önce düzeni sabitleyin, üslubu sonra arayın.

Neyi çözmez

Yapısal yönlendirme kompozisyonu çözüyor, kusurları çözmüyor.

Bir poz koşulu figürün duruşunu sabitliyor ama ellerin parmak sayısını düzeltmiyor. Bir kenar koşulu tabelanın yerini sabitliyor ama üstündeki yazıyı okunur yapmıyor. Bunlar farklı sınıftan sorunlar. → Yapay Zeka Görsellerinde Tekrar Eden Hatalar — ve Hangisi Düzelir

İkinci bir yanlış beklenti: yapısal yönlendirme var olan bir görseli düzenlemek değil. Yeni bir görsel üretiyor, sadece düzenini siz veriyorsunuz. Elinizdeki görselin bir bölgesini değiştirmek istiyorsanız aranan şey iç boyama. → Görsel Düzenleme ve İç Boyama: Üretilmiş Bir Görseli Değiştirmek

Üçüncüsü daha ince: yapı vermek, o yapının iyi olduğunu garanti etmiyor. Kötü bir kompozisyonu sabitlerseniz model onu düzeltmez, sadakatle tekrarlar. Prompt’la üretimde model kendi öğrendiği kadraj alışkanlıklarına kayıyordu — bu bazen sizi kurtarıyordu. Yapısal yönlendirme o kurtarmayı da kapatıyor.

Pratik sonucu şu: koşul görselini hazırlarken kompozisyon kararını gerçekten vermeniz gerekiyor. Aceleyle çizilmiş bir taslak, aceleyle çizilmiş bir sonuç veriyor. Yöntem kontrolü size aktarıyor; kontrolle birlikte sorumluluğu da aktarıyor.

Dördüncüsü, üslupla ilgili: yapısal koşul stili taşımıyor. Bir Rönesans tablosundan çıkardığınız kenar çizimi, size Rönesans üslubu vermiyor — yalnızca o kompozisyonu veriyor. Üslup hâlâ prompt’un işi ve ikisi bağımsız çalışıyor. Bu bir kusur değil, yöntemin tanımı: düzen ile içerik ayrılıyor.

Sınırlar

Bu yöntem her arayüzde yok. Yapısal koşullandırma daha çok geliştirici tarafında ve açık ağırlıklı modellerle kullanılıyor; sohbet arayüzünden görsel üreten okur için genellikle erişilebilir değil.

Koşul görselini üretmek de bir iş. Kenar çizimi ya da derinlik haritası otomatik çıkarılabiliyor, ama poz iskeletini ya da segmentasyon haritasını elle kurmak zaman alıyor.

Tür isimleri araçtan araca değişiyor. Yukarıdaki adlar controlnet’in kendi belgesinden; başka bir arayüz aynı işi başka adla sunabiliyor. Adı değil ne söylediğine bakın: kenar mı, derinlik mi, poz mu?

Özet

Yapısal yönlendirme, kompozisyonu kelimeyle tarif etme sorununu atlıyor: düzeni bir görselle gösteriyorsunuz, model içeriği dolduruyor. Düzen sizin, görüntü modelin.

ControlNet tek bir şey değil bir aile — kenar, çizgi, sınır, çizim, poz, segmentasyon, derinlik, normal harita, anime çizgisi. Doğru türü seçmek yöntemin yarısı.

Koşulun ağırlığı bir ödünleşim: sıkı bağlarsanız yapı tutar görsel sertleşir, gevşetirseniz tersi.

Ve kompozisyonu çözüyor, kusurları çözmüyor — el, yazı ve fizik hâlâ kendi sınıflarında.

Sık sorulanlar

İlgili yazılar