الوحدة 2 — التعليمات الإيجابيّة والسلبيّة

الكرسيّ المرجعيّ من الوحدة السابقة خرج معقولًا، لكن أيّ مدير فنّيّ سيرفضه: خلفيّة رماديّة سيّئة، إضاءة صناعيّة، خشب لامع كالبلاستيك. سبب هذا كلّه واحد: التعليمة كانت جملة قصيرة عامّة، ونحن الآن نتعلّم كتابة تعليمة تُنتج صورة صالحة للنشر بدون تدخّل يدويّ لاحق.

ما تفهمه نماذج الانتشار من التعليمة

مرمّز النصّ (CLIP في SD 1.5، مرمّزَان في SDXL) يُحوّل التعليمة إلى تضمين. هذا التضمين ليس فهمًا لغويًّا كاملًا، بل توزيع احتمالات على مفاهيم بصريّة تعلّمها النموذج من ملايين أزواج (صورة، تسمية). هذا يُفسّر ثلاثة سلوكيّات ستراها مرارًا:

• الترتيب يؤثّر: كلمات البداية تحمل وزنًا أعلى من كلمات النهاية. «كرسيّ أزرق خلفيّة بيضاء» و«خلفيّة بيضاء وكرسيّ أزرق» ينتجان صورتين مختلفتين.
• المفاهيم غير المرئيّة تختفي: «كرسيّ متين» لا يعطي شيئًا لأنّ المتانة ليست بصريّة، بينما «كرسيّ خشبيّ سميك القوائم» يعطي نتيجة واضحة.
• النفي لا يعمل مباشرة: كتابة «كرسيّ بدون مسند» غالبًا تُنتج كرسيًّا بمسند، لأنّ كلمة «مسند» تُفعّل المفهوم بدل أن تُلغيه. النفي يذهب في التعليمة السلبيّة.

بنية تعليمة بصريّة فعّالة

الصيغة المُختبَرة عبر مئات الآلاف من التوليدات، والتي تستعملها الوكالات المتخصّصة، تجمع خمسة عناصر بهذا الترتيب:

1. الموضوع: ما نراه، مع فئة واضحة يعرفها النموذج («chair», «lamp»).
2. الأسلوب: تصوير، رسم، تصيير ثلاثيّ الأبعاد. مصطلحات: «studio photography», «product shot», «cinematic», «3D render».
3. التركيب والزاوية: «front view», «three-quarter view», «top-down», «rule of thirds».
4. الإضاءة: هذه هي التفصيل الذي يفصل صورة هاوٍ عن صورة محترفة. «soft studio lighting», «golden hour», «rim light», «high-key lighting».
5. الكاميرا والتفاصيل التقنيّة: «shot on 50mm lens», «shallow depth of field», «8k», «sharp focus».

لعلامة الأثاث، تعليمة كاملة تبدو هكذا:

prompt = (
    "wooden minimalist Scandinavian chair, "               # الموضوع
    "professional product photography, "                    # الأسلوب
    "three-quarter front view, centered composition, "     # التركيب
    "soft diffused studio lighting from the left, "        # الإضاءة
    "shot on 85mm lens, shallow depth of field, 8k, sharp focus"  # التقنيّة
)

وزن المصطلحات

الكلمات ليست كلّها بنفس القوّة. مكتبة diffusers تدعم الوزن عبر النحو (word:1.3) لرفع الأهميّة، و(word:0.7) لخفضها. القيم بين 0.5 و1.5 آمنة عادةً؛ فوق 1.6 يبدأ التشوّه.

prompt = "wooden (Scandinavian:1.3) chair, (minimalist:1.2) design, (walnut wood:1.4)"

هذا يُفيد حين يُلحّ النموذج على شكل لا نريده. إن ظهرت كراسٍ بلاستيكيّة، رفع وزن «walnut wood» يُصحّح الاتّجاه بلا كتابة تعليمة ثانية.

التعليمة السلبيّة: ما تُصلحه فعلًا

التعليمة السلبيّة تسرد ما لا نريد رؤيته، وتعمل عكس التعليمة الإيجابيّة داخل U-Net (رياضيًّا: تُدفَع النتيجة بعيدًا عن هذا التضمين). ثلاث فئات تستحقّ الكتابة في التعليمة السلبيّة:

• الأخطاء التقنيّة المتكرّرة: blurry, low quality, jpeg artifacts, watermark, text, signature. هذه ثابتة تقريبًا في كلّ توليد جدّيّ.
• الأخطاء التشريحيّة أو الهندسيّة الشائعة: extra legs, missing armrest, deformed, warped, disfigured للأثاث؛ extra fingers, bad hands للأشخاص.
• الأساليب غير المرغوبة: cartoon, anime, illustration إن أردت تصويرًا واقعيًّا؛ أو العكس.

تعليمة سلبيّة قياسيّة لمشروع الأثاث:

negative_prompt = (
    "blurry, low quality, jpeg artifacts, watermark, text, signature, "
    "deformed, warped, extra legs, missing armrest, "
    "cartoon, illustration, 3d render, plastic look"
)

فخّ: كتابة تعليمة سلبيّة عملاقة من مئتَي كلمة لا تُحسّن النتيجة، بل تُشتّت الدفع بعيدًا عن أشياء لم يكن النموذج لينتجها أصلًا. عشر كلمات موجّهة أقوى من مئة كلمة عامّة.

ما لا تفهمه التعليمة

• الأعداد الدقيقة: «أربعة كراسٍ» يُنتج بين 2 و7. لعدّ دقيق، يجب اللجوء إلى ControlNet في الوحدة 6.
• العلاقات المكانيّة المعقّدة: «الكرسيّ إلى يسار المصباح، وخلفه لوحة» ينكسر بسرعة. تفضيل تركيب مُوجَّه بصورة مرجعيّة (الوحدة 4).
• النصّ داخل الصورة: SD 1.5 عاجز تمامًا، SDXL يُخربش شبه حروف مقروءة، فقط النماذج المتخصّصة (SD3, FLUX) تكتب نصًّا صحيحًا. لعلامة الأثاث، لن نُدخل نصّ الشعار في التوليد، بل نُركّبه لاحقًا في محرّر صور.

الخيط الأحمر: تحسين صورة الكرسيّ

نطبّق ما سبق على توليد جديد للكرسيّ المرجعيّ، بتعليمة إيجابيّة وسلبيّة كاملتَين:

image = pipe(
    prompt=prompt,
    negative_prompt=negative_prompt,
    num_inference_steps=30,
    guidance_scale=7.5,
).images[0]

النتيجة بعد هذه التحسينات: خلفيّة نظيفة، إضاءة موزَّعة، خشب طبيعيّ، بلا نصوص أو تشوّهات في القوائم. الفرق مع الوحدة 1 صادم، رغم أنّ النموذج والمخطّط لم يتغيّرا.

قاعدة قرار

ابدأ بتعليمة بسيطة (موضوع + أسلوب) وأضف عنصرًا كلّ توليد (إضاءة، ثمّ زاوية، ثمّ تقنيّة). هكذا تعرف أيّ عنصر أثّر فعلًا. الشائع أن يكتب المبتدئ تعليمة بخمسين مصطلحًا ويتساءل لماذا لا يتحسّن شيء.

الخلاصة

• التعليمة ليست جملة أدبيّة، بل قائمة مصطلحات بصريّة مرتّبة بالوزن: موضوع، أسلوب، تركيب، إضاءة، تقنيّة.
• الوزن (word:1.3) يُساعد على توجيه النموذج بلا تضخيم التعليمة.
• التعليمة السلبيّة تُصلح الأخطاء المتكرّرة والأساليب غير المرغوبة، وعشر كلمات موجّهة أقوى من مئة عامّة.
• النموذج ضعيف في العدّ والعلاقات المكانيّة والنصّ داخل الصورة؛ سنُعالج هذا بأدوات أخرى في الوحدات القادمة.