會失敗的照片有共通點。與其讓你自己撞一次,這裡直接把壞掉的結果放上來, 你看一眼就知道自己那張行不行。

低解析度的照片原始照片
原始照片
低解析度的照片結果
做出來的樣子
結果 低解析度的照片案例分析:這張照片裡的臉只有幾十像素高。模型改寫老化特徵時,靠的是原圖的皮膚紋理、眼周結構與下顎輪廓;當這些資訊本來就不存在,它只能「猜一張臉」再把皺紋畫上去。結果是五官位置大致對、但細節全是編出來的,看起來像另一個長得有點像的人。判斷方式很簡單:把照片放大到臉佔滿螢幕,如果你自己看不清楚眼角與嘴角的細節,模型也看不清楚。把圖放大再上傳沒有用,放大不會生出不存在的資訊,先找原始檔或重新翻拍才有用。
照片裡不是人原始照片
原始照片
照片裡不是人結果
做出來的樣子
結果 照片裡不是人案例分析:年齡編輯的整套指令都在描述人臉的老化路徑:法令紋、眼袋、下顎鬆弛、髮色轉白。這些概念在動物臉上沒有對應物,但模型不會因此拒絕執行,它會硬套:在毛髮上生出類似皺紋的紋理、把眼周改成人類的形狀,做出一個四不像。這也是為什麼上傳時人像動作會先跑一次臉部偵測,偵測不到人臉會先擋下來問你。想讓動物照動起來,請用老照片動起來那個工具,那邊有五個專門為動物設計的動作。素材:照片裡不是人.Public domain.攝影 Denali National Park and Preserve (NPS(來源)

還沒放上來但一樣會壞的情況

失敗了怎麼辦

先換照片,再調年齡。八成的問題出在照片本身:換一張正面、光線平均、臉夠大的, 結果會完全不同。如果照片沒問題但結果就是不像,把目標年齡往回收一點。 差 40 歲的改動幅度本來就比差 10 歲大得多,出錯的空間也大得多。

換一張再試