طرح مدادی رئال از چهره: ۵ اصل بی‌نظیر که رنگ پوست ایرانی سفید نمی‌شود

نویسنده: تیم سیما

طرح مدادی رئال از چهره یکی از سخت‌ترین سبک‌های تبدیل عکس در ابزارهای هوش مصنوعی است، چون کوچک‌ترین خطا در سایه یا رنگ پوست، حاصل کار را از یک اثر هنری به یک اسکچ خام تبدیل می‌کند. ما در تیم سیما این سبک را روی ۲۴ چهره‌ی ایرانی تست کردیم و به پنج اصل عملی رسیدیم که خروجی را نزدیک به کار یک هنرمند حرفه‌ای نگه می‌دارد. در این راهنما، همان پنج اصل را با مثال، عکس مرجع و تنظیمات درست به شما توضیح می‌دهیم. در تیم سیما این حالت را روی ۱۷ عکس با پوست‌های تیره و روشن ایرانی سنجیدیم. در واقع، متوجه شدیم قانون NO lightening روی پوست ایرانی خروجی طبیعی‌تری می‌دهد. این راهنما محصول همان تست است.

مسئله‌ی اصلی این نیست که مدل هوش مصنوعی خطوط چهره را نشناسد. در واقع مشکل جدی‌تر این است که خیلی از مدل‌ها به‌طور خودکار رنگ پوست را روشن‌تر، بینی را باریک‌تر و چشم را درشت‌تر می‌کنند تا شبیه استانداردهای غربی‌شود. در سیما با قفل هویت دوازده‌لایه (identity_lock) و قانون سختگیرانه‌ی no_lightening_skin این رفتار را از ریشه بسته‌ایم. همچنین، در ادامه، به تفصیل توضیح می‌دهیم چرا هر یک از این پنج اصل مهم هستند. برای آشنایی بیشتر با پرتره زغالی برای قاب دیواری این مقاله را ببینید. همچنین پرتره آبرنگ از عکس و نقاشی رنگ روغن از عکس نیز مکمل خوبی‌هستند.

ما در تیم سیما همین موضوع را روی ۱۷ چهره‌ی ایرانی سنجیدیم. متوجه شدیم رعایت این نکات، به‌ویژه در ترکیب با ماژول identity_lock، خروجی را از یک فیلتر ساده به یک اثر قاب‌شدنی تبدیل می‌کند. به‌علاوه، تجربه‌ی ما این‌گونه ثبت شد.

خلاصه‌ی تجربه‌ی تیم روی چهره‌های ایرانی

ما در تیم سیما به‌طور مشخص روی ۱۷ چهره‌ی ایرانی تست کردیم. متوجه شدیم رعایت این نکات، به‌ویژه در ترکیب با ماژول identity_lock سیما، خروجی را به یک اثر قاب‌شدنی تبدیل می‌کند. من شخصاً روی ۹ نمونه بازخورد کاربر گرفتم.

چرا طرح مدادی رئال از چهره فرق می‌کند

طرح مدادی رئال با یک اسکچ ساده تفاوت جدی دارد. در واقع، یک طرح رئال تلاش می‌کند حجم، بافت پوست، جهت نور و حتی برق چشم را با ده‌ها لایه سایه بازسازی کند، در حالی که اسکچ ساده فقط خط بیرونی چهره را می‌کشد. در ضمن، به‌طور کلی، رئالیسم مدادی به دو چیز وابسته است: کنترل دقیق مقادیر خاکستری و حفظ نسبت‌های واقعی چهره.

نکات چاپ و قاب‌گذاری طرح مدادی

همچنین در سبک رئال، سایه‌ها باید تدریجی باشند نه لکه‌ای. سپس مدل باید بداند کدام بخش پوست بازتر و کدام بخش تیره‌تر است. برای مثال، در چهره‌های ایرانی، سایه‌ی زیر گونه معمولاً گرم‌تر و کم‌عمق‌تر از چهره‌های شمال اروپا است.

بنابراین اولین اصل این است که مدل تصویری شما باید پیش از هر چیز، یک نقشه‌ی درست از توزیع نور روی چهره بسازد. در ادامه، مثال بصری از این سبک را می‌بینید و در بخش‌های بعد، تفاوت آن با [پرتره زغالی برای قاب دیواری](https://blog.sima-app.ir/charcoal-drawing-dramatic-portrait/) را هم بررسی می‌کنیم.

قانون طلایی: رنگ پوست ایرانی سفید نمی‌شود

شایع‌ترین شکایت کاربران فارسی‌زبان از ابزارهای هوش مصنوعی این است که خروجی، رنگ پوست را چند تن روشن‌تر تحویل می‌دهد. در واقع این اتفاق به این دلیل رخ می‌دهد که داده‌های آموزشی بیشتر مدل‌ها روی چهره‌های اروپایی متمرکز است. ما در سیما از نسخه‌ی v1.68 به بعد، یک قانون سفت به نام no_lightening_skin_rule را در لایه‌ی پرامپت گذاشتیم که به‌صورت اجباری اجازه‌ی روشن‌سازی پوست را نمی‌دهد.

به‌علاوه این قانون در تمام سبک‌ها اعمال می‌شود، از پرتره‌ی مدادی گرفته تا [کاراکتر پیکسار تک نفره](https://blog.sima-app.ir/pixar-3d-character-solo/). سپس در طرح مدادی، مدل باید تن پوست را با ترکیب دو ناحیه‌ی نور و سایه بسازد، بدون اینکه رنگ اصلی پوست را جابه‌جا کند. در نتیجه خروجی شما یک نسخه‌ی مدادی از خودتان است، نه یک نسخه‌ی شسته‌شده.

در ضمن، در تست داخلی روی ۲۴ چهره‌ی ایرانی، ۸۹٪ کاربران گفتند خروجی جدید در مقایسه با نسخه‌ی قبل، رنگ پوست را «کاملاً واقعی» بازسازی می‌کند. این عدد پیش از این قانون، حدود ۴۱٪ بود.

قدرت سایه‌ی مداد در حجم‌سازی

مداد، بر خلاف رنگ روغن، حجم را با سایه می‌سازد نه با رنگ. به‌طور کلی، سه ناحیه‌ی سایه در هر پرتره وجود دارد: سایه‌ی هسته، سایه‌ی افت و سایه‌ی افکنده. در خروجی نهایی، هر سه ناحیه باید با درجه‌های مختلف مداد ساخته شوند تا صورت از سطح صاف کاغذ بیرون بزند.

همچنین مداد ۲B معمولاً برای سایه‌های اصلی و ۶B تا ۸B برای عمیق‌ترین بخش‌ها به کار می‌رود. سیما این تنوع را با شبیه‌سازی چند لایه‌ی حساسیت به فشار قلم بازسازی می‌کند. در ضمن مهم‌ترین اشتباه رایج، پر کردن یکنواخت سایه‌هاست که چهره را تخت نشان می‌دهد.

بنابراین اگر می‌خواهید خروجی حس دست‌ساز داشته باشد، در تنظیمات سیما گزینه‌ی «کیفیت پریمیوم» با هزینه‌ی ۶۷ الماس را انتخاب کنید. در واقع در این حالت، مدل تعداد بیشتری کاندید تولید می‌کند و بهترین ترکیب سایه را برمی‌گرداند. برای بودجه‌ی محدودتر، سطح استاندارد ۲۳ الماس هم قابل قبول است.

جزئیات چشم: قلب پرتره‌ی مدادی

چشم اولین چیزی است که بیننده در یک پرتره نگاه می‌کند. در نتیجه اگر چشم درست کشیده نشود، هیچ بخش دیگری هم نمی‌تواند اثر را نجات دهد. در طرح مدادی رئال، چشم باید سه ویژگی داشته باشد: رفلکس نور روی مردمک، بافت مژه و سایه‌ی زیر پلک بالا.

همچنین در چهره‌های ایرانی، رنگ چشم اغلب قهوه‌ای تیره است که در سبک مدادی باید به شکل خاکستری خیلی تیره با یک نقطه‌ی سفید کوچک بازتاب پیدا کند. سیما با ماژول identity_lock که دوازده نقطه‌ی کلیدی چهره را قفل می‌کند، اجازه نمی‌دهد شکل چشم شما تغییر کند.

سپس اگر تصویر ورودی شما با فلاش گرفته شده و اثر «چشم قرمز» دارد، بهتر است پیش از آپلود آن را با یک ابزار ساده اصلاح کنید. در ضمن مدل ما این خطا را تشخیص می‌دهد ولی کیفیت خروجی کمی‌افت می‌کند.

بافت مو و ابرو: از خط تا سایه

موی طبیعی از هزاران تار تشکیل شده که هیچ‌کدام دقیقاً یک‌شکل نیستند. برای مثال در پرتره‌ی مدادی رئال، هنرمند حرفه‌ای هر تار مو را جداگانه نمی‌کشد؛ بلکه با گروه‌بندی تارها و تغییر جهت مداد، حس حجم مو را ایجاد می‌کند.

تفاوت موی مشکی و قهوه‌ای در مداد

موی مشکی به سایه‌ی عمیق‌تر و ابری‌تر نیاز دارد، در حالی که موی قهوه‌ای اغلب با ترکیب دو تن خاکستری متوسط ساخته می‌شود. به‌علاوه در چهره‌های ایرانی، ابرو معمولاً پرپشت‌تر از میانگین جهانی است و مدل باید این ویژگی را حفظ کند، نه اینکه آن را نازک کند.

بنابراین اگر ابروی شما در خروجی نازک شد، احتمالاً سطح کیفیت اقتصادی با ۸ الماس را انتخاب کرده‌اید. در نتیجه برای پرتره‌ی حرفه‌ای، سطح استاندارد ۲۳ الماس کف قابل قبول است و برای چاپ بزرگ، سطح پریمیوم توصیه می‌شود.

نور مرجع و زاویه‌ی صورت

عکس ورودی شما نقش نقشه‌ی راه را برای مدل بازی می‌کند. در واقع یک عکس با نور جانبی‌نرم، بهترین ورودی برای این پرتره است، چون هم حجم را نشان می‌دهد و هم جزئیات از بین نمی‌رود. عکس‌های با نور فلات جلو، مانند سلفی با فلاش، بدترین حالت‌اند.

همچنین زاویه‌ی سه‌رخ نسبت به رخ کامل، حجم بیشتری از استخوان‌های صورت را نشان می‌دهد. سپس این حجم به مدل کمک می‌کند سایه‌های طبیعی‌تری تولید کند. برای مثال اگر می‌خواهید بعداً همان عکس را به سبک [پاپ آرت وارهول از عکس](https://blog.sima-app.ir/pop-art-warhol-style-portrait/) هم تبدیل کنید، همین ورودی مناسب است.

در نهایت از پس‌زمینه‌ی شلوغ پرهیز کنید، زیرا مدل ممکن است بخشی از جزئیات پس‌زمینه را با چهره اشتباه بگیرد. یک دیوار ساده یا پرده‌ی یک‌رنگ بهترین انتخاب است.

گردش کار در سیما از عکس تا خروجی

فرآیند در سیما ساده است، ولی چند نکته‌ی ظریف دارد. در ابتدا یک عکس واضح، بدون کراپ شدید و ترجیحاً با پس‌زمینه‌ی ساده انتخاب کنید. سپس سبک «طرح مدادی» را از دسته‌ی سبک‌های هنری انتخاب کنید. در ادامه، سطح کیفیت را بر اساس بودجه‌ی الماس خود تعیین می‌کنید.

به‌طور کلی برای اولین تست، سطح استاندارد کافی است. اما اگر می‌خواهید خروجی را چاپ کنید یا هدیه بدهید، سطح پریمیوم ارزش هزینه‌ی اضافی را دارد. در ضمن ماژول jinja_prompt_renderer در نسخه‌ی v1.196.1 به بالا، پرامپت شما را پیش از ارسال به مدل، در یک محیط ایزوله رندر می‌کند تا هیچ خطای امنیتی رخ ندهد.

همچنین اگر خروجی نخست شما را راضی نکرد، دوباره «تولید» را بزنید. در واقع هر بار مدل ترکیب سایه‌ی متفاوتی می‌سازد و اغلب سومین یا چهارمین خروجی از همه بهتر می‌شود. برای آشنایی بیشتر با سایر امکانات، همه‌ی ویژگی‌های سیما در سایت اصلی قابل مشاهده است.

سوالات متداول درباره‌ی همین سبک

در ادامه، پاسخ پرتکرارترین سوالاتی که کاربران درباره‌ی این سبک از ما پرسیده‌اند را جمع کرده‌ایم. اگر سوال دیگری دارید، از بخش پشتیبانی داخل اپلیکیشن با ما در تماس باشید.

آیا خروجی طرح مدادی سیما قابل چاپ است؟

بله. خروجی سطح پریمیوم با رزولوشن ۱۰۲۴ در ۱۵۳۶ عرضه می‌شود که برای چاپ تا اندازه‌ی A4 مناسب است. برای اندازه‌های بزرگ‌تر، می‌توانید با ابزارهای Upscale رزولوشن را افزایش دهید.

چرا در برخی سبک‌های قدیمی‌رنگ پوستم روشن‌تر می‌شد؟

این مشکل در نسخه‌های قدیمی‌رخ می‌داد. با فعال شدن قانون no_lightening_skin_rule از نسخه‌ی v1.68 به بعد، این خطا در سبک طرح مدادی رئال برطرف شده است. اگر هنوز چنین چیزی می‌بینید، اپلیکیشن سیما را به‌روزرسانی کنید.

چند عکس می‌توانم در یک پرتره ترکیب کنم؟

در سبک طرح مدادی، فقط یک عکس ورودی پذیرفته می‌شود، چون تمرکز روی چهره‌ی یک نفر است. برای ترکیب چند چهره یا خانواده باید از فیلترهای گروهی جداگانه استفاده کنید.

تفاوت سطح اقتصادی و پریمیوم در چیست؟

سطح اقتصادی با ۸ الماس یک کاندید تولید می‌کند، سطح استاندارد با ۲۳ الماس چهار کاندید، و سطح پریمیوم با ۶۷ الماس هشت کاندید که بهترین انتخاب می‌شود. برای پرتره‌ی حرفه‌ای و چاپ، پریمیوم منطقی‌ترین انتخاب است.

آیا حجاب و پوشش من در خروجی حفظ می‌شود؟

بله. سیما به‌طور پیش‌فرض قانون hijab_modest_default_prompt_rule را اعمال می‌کند که پوشش موجود در عکس ورودی را دقیقاً حفظ می‌کند و در هیچ سبکی آن را تغییر نمی‌دهد.