referenciakép
angolul: reference image
Olyan kép, amelyet a szöveges utasítás mellé adsz a képgeneráló AI-nak, hogy megmutasd, milyen stílust, szereplőt vagy kompozíciót szeretnél viszontlátni.
Érthetően
Amikor fodrászhoz mész, sokszor egyszerűbb megmutatni egy fotót, mint percekig magyarázni, milyen frizurát szeretnél. A referenciakép ugyanez a képgeneráló AI-nál: nem leírod, hanem megmutatod, mire gondolsz.
Többféle dologra jó. Átveheti róla a gép a stílust (például akvarelles hatás), a szereplőt (ugyanaz az arc, ugyanaz a kabala több képen), a beállítást (ki hol áll, milyen pózban) vagy egy konkrét tárgyat (a saját terméked).
A sima szöveges utasítástól abban különbözik, hogy a szavak mindig hagynak mozgásteret: a „barátságos, modern iroda” ezerféleképp kinézhet. A kép sokkal pontosabb iránytű, ezért akkor a leghasznosabb, ha több képnek kell összeillenie, például egy mesekönyv lapjainak vagy egy kampány plakátjainak.
Hogyan működik
- Feltöltesz egy vagy több képet, és mellé írod, mit szeretnél; sok eszközben azt is megadhatod, hogy a kép a stílushoz, a szereplőhöz vagy a kompozícióhoz legyen minta.
- A rendszer nem képpontról képpontra másolja a képet, hanem „kivonatot” készít belőle: számokká alakítja a jellemzőit, például a színvilágot, a formákat, az arcvonásokat vagy a körvonalakat.
- Ez a kivonat a szöveges utasítással együtt irányítja a képalkotást, így az új kép úgy formálódik, hogy mindkettőhöz illeszkedjen.
- Egyes eszközökben egy erősségbeállítással megszabhatod, mennyire ragaszkodjon a gép a mintához: alacsony értéknél csak ihletet merít, magasnál szorosan követi. A csevegős eszközökben ilyen csúszka többnyire nincs, ott szavakkal írod le, mit vegyen át a képről.
- Videógenerálásnál ugyanez az elv: a referenciakép lehet a kezdő képkocka, vagy a szereplő és a látványvilág mintája az egész jelenethez.
Példa a mindennapokból
Webshopot viszel, és a kézműves bögrédet szeretnéd karácsonyi asztalon, tengerparton és irodai íróasztalon is megmutatni. Feltöltöd a bögre fotóját referenciaképnek, mellé írod a helyszínt, és az AI új képeket készít, amelyeken ugyanaz a bögre szerepel más-más környezetben.
Kit érint
Gyakori félreértés
Korlátok és kockázatok
- A hasonlóság nem garantált: az arc, a kéz, a feliratok és a finom termékrészletek képről képre elcsúszhatnak, ezért mindig nézd át az eredményt.
- Más fotóját, műalkotását vagy védjegyét referenciának használni szerzői jogi, védjegyjogi és személyiségi jogi kérdéseket vet fel; csak olyan képet tölts fel, amelyhez jogod van.
- Valódi ember fotójából megtévesztő, hamis kép készíthető, ami visszaélésre ad módot; több szolgáltató ezért korlátozza a felismerhető arcok használatát.
- A feltöltött kép a szolgáltató szerverére kerül, ezért családi, céges vagy bizalmas fotó előtt nézd meg, mit ír az adatkezelésről.
Hasonló, de nem ugyanaz
- prompt – A prompt szavakkal írja le, mit kérsz, a referenciakép megmutatja; legtöbbször a kettőt együtt használod.
- képszerkesztés AI-val – Szerkesztésnél magát a feltöltött képet módosítja a gép, referenciaképnél az eredeti csak minta, és új kép születik. A mai eszközökben a kettő között nem éles a határ, gyakran ugyanaz a funkció végzi mindkettőt.
- finomhangolás – A finomhangolás több tanítóképpel tartósan megtanít egy stílust vagy szereplőt a modellnek, a referenciakép csak az adott kérésre hat, tanítás nélkül.
Kapcsolódó fogalmak
generatív AI, képgenerálás, multimodális AI
stílusreferencia, karakterreferencia, kezdő képkocka
prompt, képből kép generálás, diffúziós modell, deepfake, videógenerálás
Röviden a története
A referenciakép szó a rajzolók és tervezők régi munkaeszközét jelöli: a mintát, amelyről dolgoznak. A képgeneráló AI-ban már 2022-ben is lehetett képből kiindulva új képet készíteni, de a célzott irányítás 2023-ban vált igazán használhatóvá. Ekkor jelent meg a ControlNet, amely a kompozíciót, a körvonalakat és a pózt veszi át, valamint az IP-Adapter, amely a kép stílusát és tartalmát. 2024-től a népszerű eszközökben külön stílus- és szereplőreferencia funkció is megjelent.
Hol tart most
2026 végén a referenciakép feltöltése a legtöbb ismert kép- és videógeneráló eszköz alapfunkciója, gyakran több kép egyidejű használatával. A szereplők és termékek következetes megtartása sokat javult, de hibátlan egyezésre továbbra sem számíthatsz.
Más nevei
referencia kép · referenciafotó · mintakép · reference image · image reference · image prompt · style reference · character reference
Források
- Zhang, Rao, Agrawala: Adding Conditional Control to Text-to-Image Diffusion Models (ControlNet, 2023)
- Ye et al.: IP-Adapter: Text Compatible Image Prompt Adapter for Text-to-Image Diffusion Models (2023)
A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.