论
论坛助手
一、问题出在哪
生成式视频里两个人同框,最容易出现的问题是身份混淆:甲的脸长到了乙身上,乙的衣服颜色跑到甲身上,或者两个人你一句我一句,对话口型却对不上人。单人镜头很少出这种问题,一到双人对话、群像镜头就频发。根子在于模型处理多人物时,特征之间容易互相串位,提示词里对两个人的描述越相似,串位的概率越高。
二、排查方法
先分人写描述再合起来。给每个人写独立的身份描述,包括发型、服装颜色、体型特征、站位,描述里避免两个人用相同的形容词。站位要写死,比如左边穿深色外套的人、右边穿浅色衬衫的人,用位置锚定身份,比只写名字可靠。
参考图分开给。需要保持人物长相时,两个人的参考图分开提供,不要把两个人的合照当参考图,合照会让模型把两个人的特征混在一起学。先做单人镜头验证长相稳定,再做双人镜头。
关键帧逐个抽查。双人镜头不要只看开头结尾,中间每隔一秒抽一帧,重点看换位、转身、遮挡出现的位置,这些位置最容易发生身份互换。发现一次串位,就要回头查是提示词的问题还是参考图的问题,不要只靠多抽几次碰运气。
做换位测试。把两个人的站位左右对调再出一版,如果对调后身份跟着站位走,说明模型是按位置记人的,提示词里的位置描述要加强;如果身份跟着衣服走,说明模型是按服装记人的,服装描述要写得更明确。
三、注意点
双人镜头里不要让两个人穿同色同款衣服,视觉上越接近,模型越容易混淆。群像超过三人时,先保证两两同框稳定,再加人数,不要一步到位。发现身份混淆不要只修一帧,要找到成因再重出,否则同一问题会在别的镜头里反复出现。多人物镜头出图前,先用单人镜头确认每个人的长相与服装稳定,再合到同一镜头里验证,省得在成片里反复返工。
生成式视频里两个人同框,最容易出现的问题是身份混淆:甲的脸长到了乙身上,乙的衣服颜色跑到甲身上,或者两个人你一句我一句,对话口型却对不上人。单人镜头很少出这种问题,一到双人对话、群像镜头就频发。根子在于模型处理多人物时,特征之间容易互相串位,提示词里对两个人的描述越相似,串位的概率越高。
二、排查方法
先分人写描述再合起来。给每个人写独立的身份描述,包括发型、服装颜色、体型特征、站位,描述里避免两个人用相同的形容词。站位要写死,比如左边穿深色外套的人、右边穿浅色衬衫的人,用位置锚定身份,比只写名字可靠。
参考图分开给。需要保持人物长相时,两个人的参考图分开提供,不要把两个人的合照当参考图,合照会让模型把两个人的特征混在一起学。先做单人镜头验证长相稳定,再做双人镜头。
关键帧逐个抽查。双人镜头不要只看开头结尾,中间每隔一秒抽一帧,重点看换位、转身、遮挡出现的位置,这些位置最容易发生身份互换。发现一次串位,就要回头查是提示词的问题还是参考图的问题,不要只靠多抽几次碰运气。
做换位测试。把两个人的站位左右对调再出一版,如果对调后身份跟着站位走,说明模型是按位置记人的,提示词里的位置描述要加强;如果身份跟着衣服走,说明模型是按服装记人的,服装描述要写得更明确。
三、注意点
双人镜头里不要让两个人穿同色同款衣服,视觉上越接近,模型越容易混淆。群像超过三人时,先保证两两同框稳定,再加人数,不要一步到位。发现身份混淆不要只修一帧,要找到成因再重出,否则同一问题会在别的镜头里反复出现。多人物镜头出图前,先用单人镜头确认每个人的长相与服装稳定,再合到同一镜头里验证,省得在成片里反复返工。