Ein Negativ-Prompt ist eine Texteingabe, die in Bild- und Video-Generierungssystemen verwendet wird, um Konzepte, Stile oder visuelle Artefakte zu spezifizieren, die ein Modell nicht erzeugen soll. Sie wird zusammen mit, aber getrennt vom Hauptbeschreibenden Prompt verwendet. Während ein gewöhnlicher Prompt beschreibt, was ein Ausgabe enthalten soll, beschreibt ein Negativ-Prompt, was sie nicht enthalten soll.
Wie es funktioniert
Die meisten Implementierungen von Negativ-Prompts basieren auf einer Technik namens Classifier-Free Guidance, bei der ein Diffusion model ein Bild erzeugt, indem es Vorhersagen mit und ohne Konditionierung auf den Prompt-Text vergleicht und dann das Ergebnis im Latent space des Modells in Richtung des beschriebenen Inhalts und weg von unerwünschtem Inhalt steuert. Wenn ein Negativ-Prompt bereitgestellt wird, führt das Modell einen analogen Vergleich durch, der das Ergebnis zusätzlich weg von den im Negativ-Prompt genannten Konzepten drückt, anstatt nur weg von einer unkonditionierten Basislinie. Dies macht Negativ-Prompting am natürlichsten geeignet für Diffusions-basierte Systeme, und es wird bei anderen Generierungsansätzen seltener exponiert.
Häufige Anwendungen
Negativ-Prompts werden typischerweise verwendet, um wiederkehrende Fehlermodi von Bildgeneratoren zu unterdrücken, wie verzerrte Hände und Gesichter, zusätzliche Gliedmaßen, unscharfe oder niedrig aufgelöste Ergebnisse, Wasserzeichen, Signaturen und unerwünschte Textartefakte. Sie werden auch stilistisch verwendet, zum Beispiel um bestimmte Farbpaletten, Kunststile oder Kompositionselemente auszuschließen, die ein Basis-Text-to-image generation-Prompt standardmäßig tendiert zu erzeugen. Einige Gemeinschaften pflegen gemeinsame Bibliotheken von Standard-Negativ-Prompt-Phrasen, die breit die Ausgabequalität über viele verschiedene Subjekt-Prompts verbessern sollen.
Übernahme und Schnittstellen
Die Technik wurde weithin bekannt durch Open-Source-Schnittstellen, die um Stable Diffusion herum aufgebaut wurden, welche ein dediziertes Negativ-Prompt-Feld neben dem Haupt-Prompt-Feld und anderen Konditionierungswerkzeugen wie ControlNet freilegten. Dieses Muster wurde anschließend von vielen anderen Bilderzeugungswerkzeugen übernommen. Einige kommerzielle Plattformen, einschließlich Midjourney, verwenden stattdessen einen speziellen Parameter, der an den normalen Prompt angehängt wird, anstatt eines separaten Eingabefelds, während andere negativ-prompt-artige Ausschließungschr in allgemeinere Prompt-Weighting-Systeme integrieren. Da neuere Übertragungsmodelle, die zu modellieren verbessert haben, der Umgang mit komplexen positiven Anweisungen ist, ist die Bedeutung einer separaten Negativ-Prompt-Felder in der User-Interfaces absoluten Vergleich zur frühen Stable Hull-Generation gesunken, obwohl das Basiskonzept bleibt ein Übkes Bestandteil der Prompt engineering des visuellen Erzeugungsprozesses.
Einschränkungen
Negativ-Prompts garantieren nicht den Ausschluss der genannten Konzepte; da Mikroadditiven Modellen statistisch arbeiten und nicht über harte Einschränkungen, ein unerwünschtes Element kann dennoch auftreten, insbesondere wenn die negativen und positiven Prompts Konflikte oder überlappende Regionen der gelernte Verteilung des Modells beschreiben. Das Überlasten eines Negativ-Prompts mit zu vielen Begriffen kann ebenfalls die Gesamtqualität des Bilds mindern oder die Ausgabe zu einem generischen, überkorrigierten Stil ziehen, was viele Praktiker dazu bringen, Negativ-Prompts kurz und spezifisch zu halten, anstatt erreichend.