ทำไมภาพที่สร้างด้วย AI ถึงมัก 'ขาดอะไรไปนิดหนึ่ง': ความเป็นภาพยนตร์มาจากไหนกันแน่
หลายคนคงเคยมีประสบการณ์คล้ายกัน: ใช้ AI สร้างภาพขึ้นมาหนึ่งภาพ มองเดี่ยว ๆ ก็สวยมาก แทบหาข้อติไม่ได้ แต่พอเอาหลายภาพมาต่อกัน หรือวางเทียบกับภาพจากภาพยนตร์จริง ๆ ก็จะรู้สึกทันทีว่า 'ไม่เหมือนหนัง' ปัญหามักไม่ได้อยู่ที่ความคมชัด และไม่ได้อยู่ที่การจัดองค์ประกอบ โมเดลสร้างภาพในปัจจุบันเติบโตมากแล้วทั้งด้านความละเอียดและรสนิยมทางภาพ สิ่งที่มักขาดไปคือองค์ประกอบในระดับลึกกว่าเล็กน้อย ซึ่งไม่ได้ปรากฏในคำถามว่าภาพนั้น 'วาดอะไร' แต่ปรากฏในคำถามว่าภาพนั้น 'ถูกถ่ายออกมาอย่างไร' บทความนี้จะลองแยกชั้นนี้ออกมาอธิบายให้ชัด และชวนคุยไปพร้อมกันว่าองค์ประกอบเหล่านี้สัมพันธ์กับขั้นตอนไหนบ้างในการสร้างงานจริง
หนึ่ง อัตราส่วนแสง: ส่วนที่ควรมืด มืดลงจริงหรือไม่
ภาพยนตร์แทบไม่ค่อยเป็นภาพที่ 'สว่างเท่ากันทั้งภาพ' มันมีอัตราส่วนแสงที่ชัดเจน คือส่วนสว่างไม่ถึงขั้นโอเวอร์ ส่วนมืดยังเก็บรายละเอียดเป็นชั้น ๆ และโดยปกติส่วนมืดมักครองพื้นที่ค่อนข้างมากในเฟรม การจัดการแบบนี้ไม่ได้ทำเพื่อประหยัดไฟ แต่เป็นความต้องการของการเล่าเรื่อง ส่วนมืดทำให้ผู้ชมมองไม่ชัด เมื่อมองไม่ชัดก็จะยิ่งจดจ่อ ส่วนสว่างจึงทำหน้าที่ยึดความสนใจไว้ตรงจุดที่ควรมอง อารมณ์ของภาพหนึ่งภาพถูกกำหนดอย่างมากจากการกระจายของสว่างและมืด ความคลาดเคลื่อนที่พบบ่อยที่สุดในภาพที่ AI สร้างก็อยู่ตรงนี้พอดี: โมเดลมีแนวโน้มจะส่องตัวแบบให้สว่าง และอธิบายรายละเอียดให้ชัด ผลลัพธ์คือแสงแบนทั่วทั้งภาพ ภาพมีข้อมูลเต็มไปหมด แต่ไม่มีการนำสายตา เมื่อเจอสถานการณ์แบบนี้ การเขียนพรอมป์ใหม่มักช่วยได้จำกัด เพราะตัวคำถามว่า 'ตรงไหนควรมืด และมืดแค่ไหน' อธิบายด้วยภาษาได้ยากอยู่แล้ว วิธีจัดการของ NadouPro คือแยกเรื่องการจัดแสงออกมาให้ทำต่างหาก: ทิศทาง ตำแหน่ง และความสว่างของแสงสามารถปรับได้ โดยรวมถึงความสว่าง สี แหล่งกำเนิดแสงหลัก ประเภทแหล่งกำเนิดแสง และแสงริมขอบ กล่าวคือ โครงสร้างสว่างมืดของภาพไม่จำเป็นต้องเดิมพันให้จบในครั้งเดียวตอนสร้างภาพ หลังสร้างแล้วก็ยังจัดสรรใหม่ได้สอง ระยะชัดลึก: เลนส์เลือกแทนผู้ชมว่าจะให้มองอะไร
สายตามนุษย์มองโลกด้วยการโฟกัสอัตโนมัติ แต่เลนส์จำเป็นต้องเลือก และการเลือกนี้เองเป็นส่วนหนึ่งของภาษาภาพ ระยะชัดลึกกำหนดการกระจายความสนใจ: ระยะชัดตื้นตัดตัวแบบออกจากฉากหลัง ทำให้ฉากหลังเบลอเป็นก้อนสี ส่วนระยะชัดลึกทำให้ทั้งฉากหน้าและฉากหลังคมชัด เหมาะกับการอธิบายความสัมพันธ์ของสภาพแวดล้อม ในภาพยนตร์ใช้ทั้งสองแบบ ขึ้นอยู่กับว่าฉากนั้นต้องการให้ผู้ชม 'เห็นคนชัด' หรือ 'เห็นสถานการณ์ชัด' ปัญหาที่มักเกิดในภาพ AI คือทั้งภาพคมชัดเท่ากัน รายละเอียดทุกจุดถูกปั้นมาเต็มที่ จนกลับทำให้ภาพเสียจุดโฟกัส ความคลาดเคลื่อนแบบนี้แก้ด้วยตัวอักษรได้ยากเช่นกัน: คุณเขียนว่า 'ฉากหลังเบลอ' โมเดลอาจเข้าใจเพียงว่า 'ทำให้มัว' แต่จะมัวถึงระดับไหน และขอบตัวแบบควรเปลี่ยนผ่านอย่างไร มันให้คำตอบที่เสถียรไม่ได้ NadouPro จึงแยกระยะชัดลึกออกมาเป็นพารามิเตอร์อิสระ ใช้ค่า T ควบคุมความสัมพันธ์ของความคมชัดระหว่างฉากหน้า ตัวแบบ และฉากหลังโดยตรง การต้องการให้ตัวแบบเด้งออกมาจากภาพ กับการต้องการอธิบายสภาพแวดล้อมอย่างครบถ้วน เป็นแนวทางค่า T คนละแบบ เลือกอย่างใดอย่างหนึ่งก็พอ ไม่ต้องคลำทางด้วยคำคุณศัพท์อีกสาม ทางยาวโฟกัส: ที่มาของความรู้สึกเรื่องพื้นที่
องค์ประกอบเดียวกัน ถ่ายด้วยช่วงเลนส์ต่างกันจะให้ความรู้สึกที่ต่างกันโดยสิ้นเชิง ความแตกต่างหลักที่เกิดจากทางยาวโฟกัสต่างกันมีสามข้อ: มุมรับภาพ (ภาพมองเห็นได้มากแค่ไหน), การบิดเบือนของเปอร์สเปกทีฟ (ความสัมพันธ์ด้านสัดส่วนระหว่างวัตถุใกล้ไกล) และความรู้สึกบีบอัดพื้นที่ (ฉากหน้าและฉากหลังถูกดึงเข้าหากันหรือถูกผลักออกจากกัน) สิ่งนี้อธิบายได้ว่าทำไมบางภาพจึง 'มีแรงตึง' ขณะที่บางภาพกลับ 'แบน' ความต่างอาจไม่ได้อยู่ที่เนื้อหา แต่อยู่ที่ตรรกะด้านพื้นที่เบื้องหลังการเลือกช่วงเลนส์ ทั้งสามเรื่องนี้ก็เป็นส่วนที่อธิบายด้วยคำพูดได้เหนื่อยที่สุดเช่นกัน การควบคุมทางยาวโฟกัสของ NadouPro ในขั้นตอนสร้างภาพควบคุมมุมมองของเลนส์ การบิดเบือนของเปอร์สเปกทีฟ และความรู้สึกบีบอัดพื้นที่โดยตรง ทำให้ 'ความสัมพันธ์ของพื้นที่' กลายเป็นสิ่งที่ระบุได้ชัดเจน แทนที่จะปล่อยให้โมเดลตีความเองสี่ วิทยาศาสตร์สี: ไม่ใช่ฟิลเตอร์ แต่คือสีพื้นฐาน
หลายคนเข้าใจการเกรดสีว่าเป็นฟิลเตอร์ที่เติมในขั้นตอนหลังการผลิต แต่ในอุตสาหกรรมภาพยนตร์ สิ่งที่อยู่ลึกกว่านั้นคือวิทยาศาสตร์สี หรือพื้นฐานสีของกล้องเอง มันกำหนดหน้าตาของฟุตเทจตั้งแต่ 'ตอนเกิด' กล้องฟิล์มและกล้องดิจิทัลซินีมาต่างก็มีบุคลิกสีของตัวเอง ความแตกต่างไม่ได้อยู่ที่ความอิ่มสีสูงหรือต่ำ แต่อยู่ที่สีพื้นรวมและแนวโน้มของโทนภาพ ผู้สร้างที่มีประสบการณ์เมื่อเลือกพื้นฐานสี จะเริ่มจากกำหนดอารมณ์ของฉากนั้นก่อน แล้วค่อยย้อนกลับมาคิดว่าควรใช้แบบใด: บทสนทนาในฉากกลางคืนกับความทรงจำในฉากกลางวัน ไม่ควรใช้ตรรกะสีแบบเดียวกันตั้งแต่ต้นห้า ชุดเลนส์: ความเป็นหนึ่งเดียวของบุคลิกเชิงออปติก
นอกจากช่วงเลนส์และระยะชัดลึกแล้ว ตัวเลนส์เองก็มี 'บุคลิก' ด้วย เลนส์ภาพยนตร์แต่ละซีรีส์มีความแตกต่างด้านภาพที่เห็นได้ชัด โดยหลัก ๆ แสดงออกในห้าด้าน: ความคมชัด ซอฟต์โฟกัส โบเก้นอกระยะโฟกัส แฟลร์ และแนวโน้มการบิดเบือน เลนส์บางตัวคมและสะอาด บางตัวนุ่มพร้อมสัมผัสครีมมี่ บางตัวสร้างฮาโลของแสงที่เป็นเอกลักษณ์ หากนำลักษณะเหล่านี้มาปนกันในฉากเดียว ภาพจะดูไม่เป็นเอกภาพ และความเป็นเอกภาพนี่เองคือที่มาของความเป็นภาพยนตร์ที่ผู้ชมรับรู้ได้ง่ายที่สุด ดังนั้น NadouPro จึงทำชุดเลนส์ให้เป็นตัวเลือกอิสระด้วย ใช้สำหรับเลือกแนวโน้มของซีรีส์เลนส์ภาพยนตร์ในห้าด้านข้างต้น เมื่อรวมกับฟังก์ชันอย่างการควบคุมทางยาวโฟกัสและการควบคุมระยะชัดลึก มันจึงประกอบกันเป็นระบบพารามิเตอร์การถ่ายภาพบนแพลตฟอร์ม ซึ่งอยู่ใน 'พารามิเตอร์การถ่ายภาพ' ภายใต้โหมดสร้างภาพจากข้อความและโหมดผสานภาพหก ทำไมสิ่งเหล่านี้จึงทำได้ยากเป็นพิเศษใน AI
เมื่อนำประเด็นข้างต้นมาดูรวมกัน จะเห็นจุดร่วมอย่างหนึ่ง: ทั้งหมดไม่ใช่เรื่องว่า 'ในภาพมีอะไร' แต่เป็นเรื่องว่า 'ภาพเกิดขึ้นได้อย่างไร' และข้อมูลประเภทนี้กลับเป็นสิ่งที่สื่อสารด้วยภาษาได้ยากที่สุด คำว่า 'ความเป็นภาพยนตร์' แทบไม่มีแรงบังคับต่อโมเดล เพราะมันเป็นคำในระดับความหมาย แต่สิ่งที่สอดคล้องกับมันกลับเป็นชุดพารามิเตอร์ทางออปติกและโทนภาพ คุณเขียนในพรอมป์ว่า 'รูรับแสงกว้าง ระยะชัดตื้น' โมเดลอาจเข้าใจเป็นเพียง 'ฉากหลังเบลอ'; เขียนว่า 'แฟลร์ของเลนส์แบบหนึ่ง' ก็อาจได้แค่จุดสว่างแนวนอนกลับมา ผลลัพธ์คือทุกครั้งที่สร้างจะได้ภาพที่ 'ใกล้เคียง' แต่ยากจะทำซ้ำได้อย่างเสถียร ทว่าความเป็นภาพยนตร์พึ่งพาความสม่ำเสมออย่างยิ่ง ตรรกะอัตราส่วนแสง สไตล์ระยะชัดลึก และสีพื้นของโทนภาพในฉากเดียวกันต้องต่อเนื่องกันตลอด การเปลี่ยนพารามิเตอร์การถ่ายภาพจาก 'คำคุณศัพท์' ให้เป็น 'มิติที่ระบุได้' จึงแก้ปัญหาความเสถียรนี้โดยตรง นี่จึงเป็นเหตุผลว่าทำไมใน NadouPro ทางยาวโฟกัส ระยะชัดลึก การ์ดสี และชุดเลนส์จึงเป็นพารามิเตอร์สี่ตัวที่แยกจากกัน ไม่ใช่เทมเพลตพรอมป์หนึ่งย่อหน้า: เมื่อชุดวัสดุหนึ่งใช้การตั้งค่าเชิงออปติกชุดเดียวกันร่วมกัน มันจึงดูเหมือน 'ภาพยนตร์หนึ่งเรื่อง' ไม่ใช่ 'กองรูปภาพ'เจ็ด หลังสร้างภาพแล้ว ยังมีขั้นตอนไหนที่ช่วยแก้ได้บ้าง
ต่อให้พารามิเตอร์ละเอียดแค่ไหน ก็ย่อมมีเวลาที่ต้องย้อนกลับมาปรับแก้ สิ่งที่ควรรู้ในตอนนี้คือ ภาพไม่ได้จำเป็นต้องสร้างใหม่ทั้งภาพเสมอไป หากเป็นปัญหาด้านการคอมโพสิต เช่น ต้องการย้ายตัวแบบ เสื้อผ้า ฉาก หรือสไตล์จากวัสดุที่มีอยู่ให้มาอยู่ในภาพเดียวกัน โหมดผสานภาพจะรวมข้อมูลจากภาพอ้างอิงหลายภาพเข้าด้วยกัน ซึ่งตรงกว่าอธิบายจากศูนย์มาก หากปัญหารวมอยู่ที่บางส่วน เครื่องมือลบในชุดเครื่องมือแก้ไขสามารถลบวัตถุหรือพื้นที่ที่กำหนดและเติมฉากหลังให้สมบูรณ์ ส่วนการวาดใหม่จะใช้มาสก์และพรอมป์เพื่อสร้างพื้นที่ที่เลือกขึ้นมาใหม่ นอกจากนี้ยังมีการไดคัท การครอป และการทำเครื่องหมาย ข้อบกพร่องเล็ก ๆ ส่วนใหญ่ไม่จำเป็นต้องโละทั้งภาพทิ้ง ความเป็นหนึ่งเดียวด้านสีก็มีอีกเส้นทางหนึ่ง: พาเลตสีใช้สำหรับดึงหรือจัดระเบียบสีอ้างอิงของภาพ เมื่อชุดวัสดุหนึ่งสว่างเกินไปหรือเย็นเกินไปจนไม่สอดคล้องกัน มันสามารถให้จุดอ้างอิงที่ชัดเจนได้ ยังมีปัญหาอีกประเภทที่เกิดในระดับฉาก คือฉากเดียวกันต้องรักษาความสัมพันธ์หน้าและหลังไว้ในหลายช็อต หากพึ่งการสร้างภาพเดี่ยวอย่างเดียวก็หลุดความต่อเนื่องได้ง่าย สำหรับเรื่องนี้ การสร้างภาพพาโนรามาสามารถสร้างภาพพาโนรามาที่ใช้เพื่อรักษาความสอดคล้องของฉากหลายมุมมองได้ในคลิกเดียว ส่วนการสร้างหลายมุมมองจะเปลี่ยนมุมกล้องเพื่อสร้างภาพหลายมุมของตัวแบบหรือฉากเดียวกัน รองรับการปรับแนวนอนเองได้ 0–315 องศา ก้มเงย -30 ถึง 90 องศา และมีมุมมองเฉียงด้านข้าง มุมมองเอียง มุมเงยด้านหน้า มุมมองด้านบน มุมมองด้านหลัง และมุมมองฟิชอาย เมื่อต้องวางหลายตำแหน่งกล้องให้ฉากหนึ่ง วิธีนี้ควบคุมได้มากกว่าการสร้างใหม่ซ้ำ ๆแปด เช็กลิสต์ง่าย ๆ สำหรับตรวจงานตัวเอง
หลังสร้างภาพหนึ่งชุดเสร็จ สามารถไล่ตรวจอย่างรวดเร็วตามข้อเหล่านี้:- ส่วนมืดพอหรือไม่ ลองเปลี่ยนเป็นขาวดำเพื่อดูสัดส่วนของส่วนมืด หากทั้งภาพสว่างทั่วกัน ให้พิจารณาใช้การจัดแสงเพื่อจัดสรรจุดตกกระทบของแสงใหม่ก่อน ไม่ใช่เพิ่มความสว่างตรง ๆ
- จุดโฟกัสอยู่ที่ไหน ภาพมีตัวแบบที่คมชัดอย่างชัดเจนหรือไม่ หรือทุกจุดคมชัดเท่ากันหมด หากเป็นอย่างหลัง ให้เลือกแนวทางระยะชัดลึกใหม่
- ช่วงเลนส์รับใช้การเล่าเรื่องหรือไม่ ต้องการความรู้สึกพื้นที่แบบใดก็เลือกทางยาวโฟกัสที่สอดคล้องกัน ไม่ใช่ใช้ค่าเริ่มต้นไปตามความเคยชิน
- โทนภาพเป็นหนึ่งเดียวหรือไม่ ในฉากเดียวกัน วิทยาศาสตร์สีสอดคล้องกันหรือเปล่า มีครึ่งหนึ่งเป็นพื้นดิจิทัล อีกครึ่งเป็นพื้นฟิล์มหรือไม่
- บุคลิกเลนส์ขัดกันหรือไม่ แนวโน้มด้านความคมชัด ซอฟต์โฟกัส โบเก้นอกระยะโฟกัส แฟลร์ และการบิดเบือน ต่อเนื่องตลอดฉากเดียวกันหรือไม่
ส่งท้าย
ท้ายที่สุดแล้ว องค์ประกอบทางเทคนิคเหล่านี้ล้วนเป็นเครื่องมือ ไม่ใช่เป้าหมาย สิ่งที่ตัดสินว่าภาพดีหรือไม่ยังคงเป็นเจตนาในการเล่าเรื่อง นั่นคือคุณอยากให้ผู้ชมรู้สึกอะไรในวินาทีนั้น ความกดดัน ความใกล้ชิด ความห่างเหิน หรือความไม่สบายใจ อัตราส่วนแสง ระยะชัดลึก ทางยาวโฟกัส และโทนภาพ เป็นเพียงวิธีแปลเจตนานั้นให้กลายเป็นภาษาภาพ การคิดให้ชัดก่อนว่าต้องการอารมณ์แบบไหน แล้วค่อยหาอาการแสดงออกทางออปติกที่สอดคล้องกัน ย่อมได้ผลกว่าการทำกลับกันด้วยการกองพารามิเตอร์เข้าไปมากมาย นี่จึงเป็นเหตุผลว่าทำไมพารามิเตอร์ชุดเดียวกัน เมื่ออยู่ในมือคนต่างกัน ผลลัพธ์จึงแตกต่างกันได้มากเนื้อหานี้มีข้อมูลที่สร้างโดย AI ซึ่งอาจไม่ถูกต้อง โปรดตรวจสอบด้วยตนเอง