Co to jest
Kroki (ang. steps) to liczba iteracji, przez ktore model przechodzi, generujac obraz. Modele dyfuzyjne, na ktorych dziala wiekszosc generatorow AI, nie tworza obrazu od razu w calosci - startuja od losowego szumu i stopniowo, krok po kroku, usuwaja ten szum, az wylania sie z niego obraz zgodny z opisem (promptem). Kazdy krok to jedno takie "przejscie" siatki neuronowej po calym obrazie.
Im wiecej krokow, tym wiecej czasu model ma na doprecyzowanie detali - ale nie oznacza to, ze wiecej zawsze znaczy lepiej. Po przekroczeniu pewnego progu obraz przestaje sie realnie poprawiac, a czasem wrecz traci na jakosci (nadmierne "dopalenie" detali, sztuczne artefakty). To bardziej pokretlo do strojenia niz prosty przelacznik "wiecej = lepiej".
Warto tez wiedziec, ze liczba krokow dziala w parze z innym parametrem - CFG / guidance scale (sila trzymania sie promptu). Te dwie wartosci trzeba dobierac razem, a nie osobno.
Do czego sluzy przy modelkach AI
Przy budowaniu spojnej wirtualnej postaci liczba krokow ma bezposrednie przelozenie na jakosc twarzy i skory - a to najbardziej wymagajacy element, bo widz od razu wylapuje niedoskonalosci twarzy (tzw. uncanny valley). Zbyt mala liczba krokow czesto daje rozmazane rysy, dziwne oczy, niesymetryczna twarz - dokladnie to, co zdradza "sztucznosc" postaci i odstrasza obserwatorow w social mediach.
Ma to tez znaczenie praktyczne przy pracy na duza skale. Jesli generujesz dziesiatki lub setki zdjec tej samej modelki (rozne stroje, tla, pozy), liczba krokow wplywa na czas generowania i koszt (zwlaszcza jesli placisz za obliczenia w chmurze). Znalezienie minimalnej liczby krokow, przy ktorej jakosc twarzy jest juz akceptowalna, pozwala oszczedzic realne pieniadze przy skalowaniu produkcji tresci.
Kroki wplywaja rowniez na powtarzalnosc - jesli pracujesz nad utrzymaniem spojnego wygladu modelki miedzy zdjeciami (ten sam twarz, inne sceny), trzymanie stalej liczby krokow (obok innych parametrow, jak seed) jest jednym z elementow, ktore pomagaja zachowac spojnosc.
Jak sie tego uzywa
Konkretna optymalna liczba krokow zalezy od modelu (kazdy silnik generowania - roznego typu i wersji - ma inne zalecane zakresy) oraz od samplera/schedulera, ktorego uzywasz - niektore sa zaprojektowane tak, by dawac dobre rezultaty przy mniejszej liczbie krokow, inne potrzebuja ich wiecej. Dlatego zamiast szukac jednej "magicznej liczby", warto kierowac sie zasadami:
- Zaczynaj od wartosci domyslnej sugerowanej przez narzedzie/model, ktorego uzywasz - to punkt startowy, nie ostateczna decyzja.
- Testuj na jednym promptcie z rosnaca liczba krokow i porownuj wyniki obok siebie - w pewnym momencie roznice miedzy kolejnymi wynikami staja sie ledwo zauwazalne. To sygnal, ze dalsze zwiekszanie jest strata czasu i mocy obliczeniowej.
- Do szybkich testow kompozycji, pozy czy tla mozna uzywac mniejszej liczby krokow (szybsze podglady), a finalny render w wyzszej rozdzielczosci robic z wieksza liczba krokow.
- Przy generowaniu masowym (wiele wariantow tej samej modelki) male oszczednosci na krokach mnoza sie przez liczbe generacji - warto to policzyc, jesli platnisz za czas obliczeniowy.
Najczestszy blad
Najczestszy blad to przekonanie "wiecej krokow = lepsza jakosc" i ustawianie maksymalnej mozliwej wartosci przy kazdej generacji. W praktyce po przekroczeniu progu optymalnego dla danego modelu obraz sie nie poprawia, a jedynie rosnie czas generowania i zuzycie zasobow (a wiec i koszt). Czasem pojawiaja sie tez efekty uboczne - przesadne wyostrzenie, sztuczne tekstury skory, "plastikowy" wyglad twarzy.
Drugi typowy blad to zmiana liczby krokow bez zmiany innych parametrow (np. CFG czy samplera) i wyciaganie z tego wnioskow - w efekcie trudno ocenic, co naprawde wplynelo na wynik. Testujac liczbe krokow, zmieniaj tylko ten jeden parametr na raz, trzymajac reszte ustawien (w tym seed) bez zmian - inaczej porownanie nie bedzie miarodajne.