GenEvolve 改图越改越偏,先把主体描述固定住再谈迭代

文章导读
多轮改图越改越偏,常见原因不是模型突然变差,而是每一轮输入里的主体描述被追加或被改写,而输入本身没有逐轮留底。想继续迭代,先把第一版满意图拆成主体、姿态、材质、光照四段固定文字,之后每轮只允许改其中一段,并把改动记下来。这样漂移出现在哪一轮、该退回哪一轮,都是可查的,而不是凭手感反复重试。适用场景是连续改三轮以上、主体开始走形或风格漂移;边界是这套办法只约束文字描述,管不了采样随机性带来的差异。
📋 目录
  1. 壹 把第一版满意的图拆成主体、姿态、材质、光照四段文字
  2. 贰 把四段模板套进每轮输入,只允许本轮改动指定的一段
  3. 叁 把两轮输出并排比对,逐项确认锁定段是否被改动
  4. 肆 确认漂移后回退到上一轮输入描述重跑一次
  5. 伍 把验证过的描述组合存成模板供后续复用
A A

多轮改图越改越偏,常见原因不是模型突然变差,而是每一轮输入里的主体描述被追加或被改写,而输入本身没有逐轮留底。想继续迭代,先把第一版满意图拆成主体、姿态、材质、光照四段固定文字,之后每轮只允许改其中一段,并把改动记下来。这样漂移出现在哪一轮、该退回哪一轮,都是可查的,而不是凭手感反复重试。适用场景是连续改三轮以上、主体开始走形或风格漂移;边界是这套办法只约束文字描述,管不了采样随机性带来的差异。

判断方向:先固定主体描述,再谈迭代。操作上把满意图拆成主体、姿态、材质、光照四段,主体身份、画幅比例、朝向属于锁定段,每轮原样保留,只放开姿态或光照中的一段。验证方式是把相邻两轮输出并排比对构图、色调、主体轮廓,并逐轮记录输入原文;发现锁定段被改动,就回退到上一轮输入原样重跑一次,再用同一输入重复一次确认结果是否可复现。边界:描述固定解决不了采样随机性,也替代不了主观审美判断。

把第一版满意的图拆成主体、姿态、材质、光照四段文字

从那张满意的图往回倒推,把描述分四段写。四段里凡是每轮都必须原样保留的词,单独标成锁定段;只有姿态或光照允许每轮替换。建议先落成下面这个骨架,再按自己的题材替换括号内容。

主体:橘白相间的短毛猫(主体身份)
      坐姿正面朝向镜头,视线看向镜头(朝向)
      4:5 竖构图,主体居中,头顶留白小于一成(画幅与构图)

姿态:前肢并拢,尾巴绕在身侧(姿态)
      头部向右微倾,幅度很小(姿态细节)

材质:短毛绒感,鼻头有湿润反光(材质)
      胡须细而清晰,边缘有轻微逆光轮廓(材质细节)

光照:左上 45 度柔光,暖白主光(光照)
      背景浅灰渐变,无明显硬阴影(光照)

四段里写死的具体词通常是:主体身份(物种、品种、外观特征)、画幅比例与构图、朝向和视线方向、材质主属性。这几项一旦在某轮被改写,输出就会整体偏移,而且很难只靠肉眼判断是哪一项引起的。

把四段模板套进每轮输入,只允许本轮改动指定的一段

每轮输入按固定顺序拼接,锁定段原样复制,放开段写本轮要试的新内容。顺序不要换来换去,否则无法判断差异来自内容还是来自位置。

GenEvolve 改图越改越偏,先把主体描述固定住再谈迭代
[锁定段]
主体:橘白短毛猫,坐姿正面朝镜头,视线看向镜头
画幅与构图:4:5 竖构图,居中,头顶留白小于一成

[放开段|本轮只改这一段]
光照:左上 45 度柔光,暖白主光,背景浅灰渐变

[锁定段]
材质:短毛绒感,鼻头湿润反光,胡须清晰

负向:不要改变主体身份、物种、朝向、画幅比例

拼接位置固定为“锁定—放开—锁定—负向”。本轮改光照,姿态段就整段照抄上一轮;本轮改姿态,光照段就整段照抄上一轮。改动范围事先定好,比边看边加词更容易定位问题。

把两轮输出并排比对,逐项确认锁定段是否被改动

相邻两轮输出摆在一起看,重点查三项,而不是凭整体感觉。

  • 构图:主体在画面中的位置、占比、留白是否和上一轮一致。占比变了,多半是画幅或构图描述被改动。
  • 色调:背景明暗、主光冷暖是否整体偏移。色调整片变化,通常对应光照段被修改或被负向词影响。
  • 主体轮廓:耳形、肢体数量、边缘走向是否走形。轮廓变化一般意味着主体身份或姿态段被改写。

发现改动时按行记录,字段固定:轮次编号、本轮完整输入描述、锁定段是否与上一轮完全一致、构图差异、色调差异、主体轮廓差异、判定(保留或回退)。输入描述建议整段粘贴存档,不要只记“改了一下光照”这类摘要,否则回退时拼不回原样。

确认漂移后回退到上一轮输入描述重跑一次

回退的目的不是把图改回来,而是验证漂移是否由本轮输入改动引起。

GenEvolve 改图越改越偏,先把主体描述固定住再谈迭代
  1. 找到最后一次判定为“保留”的轮次,记为第 N 轮,取出第 N 轮的完整输入描述原文。
  2. 不要在第 N 轮描述上做任何润色,原样提交重跑一次。
  3. 把重跑结果与第 N 轮原图并排比对构图、色调、主体轮廓三项。
  4. 如果重跑结果仍与第 N 轮原图明显不同,说明漂移早于本轮,继续往回查第 N-1 轮。
  5. 如果重跑结果接近原图,说明本轮输入改动确实是漂移来源,把放开段恢复到第 N 轮的内容继续迭代。

还有一步容易被跳过:用完全相同的输入再跑一次。两次结果差异明显,属于采样随机性,此时应先固定种子、降低随机强度这类不确定项,再讨论描述问题;两次结果接近,说明输入描述本身是稳定的,可以放心作为模板复用。

把验证过的描述组合存成模板供后续复用

验证通过的组合不要只留在聊天记录里,存成纯文本文件,方便对比和版本回溯。命名建议带上主体、构图和用途,例如 cat-sit-4x5-portrait-lightbox.txt,日期前缀可选,避免不同题材互相覆盖。

存放位置可以放在仓库的 prompts 目录,或者团队共享的文档空间,关键是能直接看到两版之间的文字差异。下次调用时只替换放开段:主体、画幅构图、朝向等锁定段保持原样,姿态段和光照段按需二选一替换,替换后照旧写一条对照记录。这样每轮改动的范围始终有限,回退也有据可依。