Istotnym wyzwaniem dla artystów wizualnych jest realizacja ich specyficznej wizji twórczej przy użyciu generatywnych modeli AI. Chociaż podpowiedzi tekstowe są potężnym narzędziem, generowane obrazy często odbiegają od zamierzonej koncepcji artysty. W niniejszej prezentacji zbadano metody, które ułatwiają artystom większą kontrolę nad wynikami generowanymi przez sztuczną inteligencję, przezwyciężając w ten sposób ograniczenia konwencjonalnych technik podpowiedzi. Omówiono potencjał ControlNet i podpowiedzi regionalnych jako rozwiązań transformacyjnych, umożliwiających precyzyjne dopasowanie ostatecznego dzieła sztuki do wizji artysty. Poprzez ilustrujące przykłady i spostrzeżenia wykład ten podkreśla ewoluującą rolę sztucznej inteligencji jako narzędzia współpracy w procesie twórczym.
A significant challenge for visual artists lies in the realisation of their specific creative vision using generative AI models. Although text-based prompts are a powerful tool, the images generated often deviate from the artist's intended concept. This presentation examines methods that facilitate greater control for artists over the outputs generated by AI, thereby overcoming the constraints of conventional prompting techniques. The potential of ControlNet and regional prompting as transformative solutions is discussed, enabling precise alignment of the final artwork with the artist's vision. Through illustrative examples and insights, this lecture highlights the evolving role of AI as a collaborative tool in the creative process.