ADetailer Single Character Focus - Cara Menargetkan Wajah Tertentu dalam Gambar Multi-Karakter 2025

Anda telah menghasilkan gambar dengan banyak karakter, tetapi hanya satu yang membutuhkan peningkatan wajah. ADetailer terus memperbaiki semua wajah dengan pengaturan yang sama, atau lebih buruk, menerapkan karakteristik yang salah kepada orang yang salah. Panduan ini menunjukkan kepada Anda cara menargetkan wajah tertentu untuk perawatan individual.

Jawaban Cepat: Di ADetailer A1111, gunakan kata kunci [SEP] untuk menerapkan prompt berbeda ke wajah berbeda sesuai urutan kemunculan. Di FaceDetailer ComfyUI (Impact Pack), sesuaikan threshold bbox untuk menargetkan wajah tertentu, atau gunakan pass FaceDetailer terpisah dengan mask untuk mengisolasi karakter individual.

Apa Tantangan Dengan Wajah Multi-Karakter?

Ketika ADetailer atau FaceDetailer berjalan pada gambar dengan banyak orang, ia memproses semua wajah yang terdeteksi dengan pengaturan yang sama. Ini menciptakan masalah ketika karakter memerlukan perlakuan berbeda.

Masalah Umum:

Semua wajah mendapatkan prompt peningkatan yang sama, menyebabkan pendarahan sifat antar karakter. Fitur khusus karakter (warna mata, ekspresi) berlaku untuk orang yang salah. Kualitas bervariasi di seluruh wajah dengan pengaturan tunggal.

Mengapa Ini Terjadi:

Pendetail wajah bekerja dengan mendeteksi wajah dan menerapkan peningkatan dalam loop. Tanpa penargetan spesifik, setiap wajah menerima pemrosesan identik.

Bagaimana Anda Menggunakan [SEP] di ADetailer?

Ekstensi ADetailer Automatic1111 mendukung kata kunci [SEP] untuk menerapkan prompt berbeda ke wajah berbeda.

Sintaks Dasar:

Di bidang prompt ADetailer, pisahkan prompt dengan [SEP]:

"green eyes, blonde hair [SEP] blue eyes, dark hair [SEP] brown eyes, red hair"

Cara Kerjanya:

ADetailer memproses wajah sesuai urutan deteksi (biasanya kiri-ke-kanan, wajah lebih besar terlebih dahulu). Wajah pertama yang terdeteksi mendapat prompt pertama. Wajah kedua yang terdeteksi mendapat prompt kedua. Wajah tambahan melanjutkan pola.

Contoh:

Gambar memiliki tiga orang: wanita di kiri, pria di tengah, anak di kanan.

Prompt: "beautiful woman, green eyes [SEP] handsome man, beard [SEP] cute child, freckles"

Setiap wajah menerima deskripsi spesifiknya.

Keterbatasan:

Urutan deteksi wajah tidak selalu dapat diprediksi. Wajah yang sangat mirip mungkin menukar urutan antar generasi. Wajah latar belakang mungkin terdeteksi secara tidak terduga.

Bagaimana Anda Menargetkan Wajah di ComfyUI FaceDetailer?

FaceDetailer ComfyUI dari Impact Pack memerlukan pendekatan berbeda karena tidak memiliki sintaks [SEP].

Penyesuaian Threshold:

Threshold bbox mengendalikan wajah terdeteksi mana yang diproses.

Threshold	Efek
Tinggi (0.7+)	Hanya wajah yang jelas, menonjol diproses
Sedang (0.5)	Sebagian besar wajah yang terlihat diproses
Rendah (0.3)	Bahkan wajah kecil/tidak jelas diproses

Menargetkan Wajah Menonjol:

Tingkatkan threshold bbox untuk memproses hanya wajah yang paling jelas terdefinisi. Ini biasanya memilih wajah terbesar atau paling menghadap ke depan.

Termasuk Wajah Latar Belakang:

Turunkan threshold untuk menangkap wajah yang lebih kecil dalam kerumunan atau latar belakang. Perhatikan ini mungkin mencakup deteksi yang tidak diinginkan.

Pemrosesan Sekuensial:

Jalankan banyak pass FaceDetailer dengan pengaturan berbeda. Pass pertama menargetkan karakter utama. Pass kedua menargetkan karakter sekunder dengan threshold yang disesuaikan.

Bagaimana Pendekatan Berbasis Mask Bekerja?

Mask memberikan penargetan wajah yang paling presisi.

Membuat Mask Karakter:

Hasilkan mask yang mengisolasi setiap wilayah wajah karakter. Gunakan segmentasi, gambar manual, atau pass deteksi terpisah.

Menerapkan Mask ke FaceDetailer:

Hubungkan mask khusus karakter ke input FaceDetailer. Setiap pass FaceDetailer bermasker hanya memproses wilayah yang ditentukan.

Contoh Alur Kerja:

Gunakan SAM atau serupa untuk membuat mask untuk setiap karakter. Buat cabang FaceDetailer paralel, satu per karakter. Setiap cabang memiliki prompt dan pengaturan sendiri. Gabungkan hasil.

Manfaat:

Kontrol lengkap di atas wajah mana yang mendapat perawatan mana. Tidak ada ketergantungan pada urutan deteksi. Bekerja terlepas dari posisi atau ukuran wajah.

Kekurangan:

Pengaturan alur kerja lebih rumit. Memerlukan langkah pembuatan mask. Waktu pemrosesan lebih banyak.

Untuk pengguna yang menginginkan peningkatan wajah tanpa alur kerja multi-karakter yang kompleks, Apatero.com menyediakan fitur peningkatan wajah yang disederhanakan.

Apa yang Mempengaruhi Urutan Deteksi Wajah?

Memahami urutan deteksi membantu memprediksi wajah mana yang mendapat prompt mana.

Prioritas Deteksi Tipikal:

Ukuran wajah dalam gambar (lebih besar terdeteksi terlebih dahulu). Posisi (bervariasi menurut detektor). Kejelasan dan visibilitas. Sudut wajah (menghadap ke depan lebih disukai).

Faktor Yang Mengubah Urutan:

Nilai seed berbeda mungkin sedikit menggeser posisi. Regenerasi dapat mengubah urutan deteksi. Detektor berbeda memiliki perilaku berbeda.

Membuat Urutan Dapat Diprediksi:

Gunakan mask untuk penargetan terjamin. Posisikan karakter berbeda kiri-ke-kanan. Buat perbedaan ukuran signifikan. Uji dengan detektor spesifik Anda.

Apa Masalah Umum dan Solusinya?

Pengguna mengalami masalah yang dapat diprediksi dengan penargetan multi-wajah.

Masalah: Wajah Salah Mendapat Prompt

Prompt yang dimaksudkan untuk karakter A diterapkan pada karakter B.

Solusi:

• Verifikasi urutan deteksi dengan pengujian
• Gunakan mask untuk penargetan terjamin
• Tukar urutan prompt untuk mencocokkan deteksi aktual
• Sesuaikan threshold untuk mengecualikan wajah yang salah

Masalah: Beberapa Wajah Tidak Terdeteksi

Wajah karakter sepenuhnya dilewati.

Solusi:

• Turunkan threshold bbox
• Pastikan wajah terlihat jelas
• Periksa oclusion atau sudut ekstrem
• Gunakan model detektor wajah berbeda

Masalah: Wajah Latar Belakang Diproses

Wajah latar belakang yang tidak penting menerima peningkatan.

Solusi:

• Tingkatkan threshold bbox
• Gunakan mask untuk mengecualikan latar belakang
• Gunakan batas wajah maksimal
• Pertimbangkan inpainting untuk menghapus wajah yang tidak diinginkan

Masalah: Hasil Tidak Konsisten Antar Generasi

Penargetan wajah bervariasi antar generasi.

Solusi:

• Gunakan mask untuk konsistensi
• Perbaiki seed untuk tata letak yang lebih dapat diprediksi
• Tingkatkan threshold deteksi untuk stabilitas

Bagaimana Anda Membuat Prompt Per-Karakter yang Efektif?

Konstruksi prompt mempengaruhi keberhasilan penargetan.

Detail Khusus Karakter:

Sertakan pengenal unik untuk setiap karakter. "Character with glasses [SEP] character with beard" bekerja lebih baik daripada prompt generik.

Istilah Kualitas:

Sertakan istilah kualitas di setiap bagian prompt. "detailed eyes, high quality, beautiful woman [SEP] detailed eyes, high quality, handsome man"

Menghindari Konflik:

Jangan gunakan istilah yang bisa berlaku untuk karakter yang salah. Pertahankan deskripsi saling eksklusif jika mungkin.

Pengujian Urutan Prompt:

Hasilkan gambar tes untuk memverifikasi wajah mana yang menerima prompt mana. Sesuaikan urutan berdasarkan perilaku deteksi aktual.

Pertanyaan yang Sering Diajukan

Apakah [SEP] berfungsi di FaceDetailer ComfyUI?

Tidak, [SEP] khusus untuk ADetailer Automatic1111. ComfyUI memerlukan penyesuaian threshold atau pendekatan berbasis mask.

Berapa banyak wajah yang dapat ditangani [SEP]?

Tidak ada batas ketat, tetapi lebih banyak wajah berarti lebih banyak potensi untuk kebingungan urutan. Mask menjadi lebih praktis dengan banyak wajah.

Bisakah saya menargetkan wajah berdasarkan posisi?

Tidak langsung. Urutan deteksi berkorelasi dengan posisi tetapi tidak dijamin. Mask menyediakan penargetan berbasis posisi.

Bagaimana jika wajahnya sangat mirip?

Wajah yang sangat mirip menantang pemesanan deteksi. Mask atau pembeda visual yang jelas (kacamata, warna rambut) membantu.

Apakah ini berfungsi dengan wajah anime/bergaya?

Ya, meskipun deteksi mungkin kurang dapat diandalkan. Gunakan detektor yang dirancang untuk anime jika tersedia.

Bisakah saya melewati wajah tertentu sepenuhnya?

Gunakan threshold lebih tinggi untuk mengecualikan wajah yang kurang menonjol, atau gunakan mask untuk memproses hanya wajah tertentu.

Bagaimana cara menangani wajah yang saling tumpang tindih?

Wajah yang tumpang tindih menantang semua pendekatan. Pertimbangkan menghasilkan dengan pemisahan yang lebih baik atau masking.

Apa pendekatan terbaik untuk karakter yang konsisten?

Mask memberikan penargetan paling konsisten. Untuk kebutuhan yang lebih sederhana, penyesuaian threshold dengan positioning konsisten berfungsi.

Kesimpulan

Menargetkan wajah tertentu dalam gambar multi-karakter memerlukan pemahaman tentang cara kerja deteksi wajah dan penerapan teknik yang sesuai. Kata kunci [SEP] ADetailer menangani kasus terurut sederhana, sementara ComfyUI memerlukan penyesuaian threshold atau alur kerja berbasis mask.

Pendekatan Kunci:

Gunakan [SEP] di A1111 untuk prompt wajah terurut. Sesuaikan threshold bbox FaceDetailer untuk pemrosesan selektif. Buat mask untuk penargetan terjamin dari wajah tertentu.

Praktik Terbaik:

Uji urutan deteksi sebelum mengandalkannya. Gunakan mask untuk aplikasi kompleks atau penting. Sertakan pengenal khusus karakter dalam prompt. Verifikasi hasil cocok dengan niat.

Memulai:

Mulai dengan penyesuaian threshold untuk kasus sederhana. Pelajari pembuatan mask untuk kebutuhan presisi. Dokumentasikan apa yang berfungsi untuk alur kerja spesifik Anda.

Untuk pengguna yang menginginkan peningkatan wajah yang disederhanakan tanpa kompleksitas penargetan, Apatero.com menyediakan peningkatan wajah intuitif yang menangani kebutuhan peningkatan umum secara otomatis.

Menguasai penargetan wajah mengubah generasi multi-karakter dari yang membuat frustrasi menjadi dapat dikontrol. Teknik yang tepat tergantung pada kebutuhan spesifik Anda dan toleransi kompleksitas alur kerja.