Compor uma cena: primeiro plano, sujeito, fundo

A associação de moradores de um vilarejo quer uma ilustração para o cartaz do banquete de verão. O prompt inicial cabe numa linha: “banquete de vilarejo ao ar livre com pessoas rindo, uma mesa comprida, lanternas, uma igreja ao fundo”. A imagem tem todos esses elementos, empilhados no mesmo nível, todos do mesmo tamanho e todos igualmente nítidos. Parece um inventário, não uma cena.

Uma imagem se lê em profundidade. O olhar entra pelo primeiro plano, para no sujeito e depois explora o fundo. Se você não descreve esses três níveis, a ferramenta os distribui ao acaso.

Os três planos

O primeiro plano é o que está mais perto de você. Ele enquadra a imagem e dá a escala: galhos, um copo sobre uma toalha, uma mão que serve. Costuma ficar um pouco desfocado, o que destaca o sujeito.

O sujeito é o elemento que o olhar deve alcançar primeiro. Um só, de preferência. Diga onde ele está (no centro, no terço esquerdo) e o que está fazendo.

O fundo situa a cena: o cenário, a profundidade, às vezes um ponto de referência distante, como um campanário. Ele é mais calmo e mais desfocado que o resto, senão compete com o sujeito.

Para o banquete, o prompt fica assim:

illustration of a summer village banquet at dusk, in the foreground a few blurred paper lanterns and a glass of wine on a checkered tablecloth, in the middle ground a long wooden table with a group of neighbors laughing around a roast, the table slightly left of center, in the background a small stone church and a row of plane trees fading into soft evening haze, warm string lights overhead, gouache style, calm empty sky on the right for a title

O sujeito é o grupo em volta da mesa: ele é nomeado, localizado e está fazendo alguma coisa. O primeiro plano desfoca e enquadra. O fundo se dissolve na névoa, o que o coloca no seu devido lugar.

O que ajuda a ferramenta a respeitar seus planos

• Use palavras de distância. “Em primeiro plano”, “no meio”, “ao longe”, “dissolvido na névoa”.
• Descreva a profundidade de campo. Um primeiro plano desfocado e um sujeito nítido dizem à ferramenta que a atenção vai para o meio. O vocabulário de fotografia traz termos como “baixa profundidade de campo” ou “plano médio”.
• Não passe de três ou quatro elementos por plano. Cada objeto acrescentado dilui os outros. Uma mesa, os convidados e uma luz bastam.
• Mantenha uma única fonte de luz. Se você cita o pôr do sol e os neons da festa, a imagem fica indecisa. Uma luz dominante e, no máximo, uma secundária.
• Reserve um espaço livre se a imagem for levar um título. É melhor prever isso já na composição: o texto se encaixa melhor à mão do que na geração.

Quando os planos se misturam

Os erros mais comuns são fáceis de reconhecer. O sujeito some porque você citou quatro. O fundo está tão nítido quanto o primeiro plano, e a imagem parece achatada. Um elemento do fundo cresce e passa para a frente. Algumas respostas:

1. Fique com um só sujeito e depois acrescente os outros elementos um a um, em novas gerações.
2. Indique a posição (“à esquerda”, “ao longe”) em vez de listar os objetos.
3. Acrescente “fundo desfocado” ou “fundo esmaecido” se o cenário estiver presente demais.
4. Se um elemento pequeno continuar errado, corrija-o localmente com o inpainting.

Para mudar uma variável de cada vez e entender o que está agindo, a lógica da iteração sobre um prompt vale também para imagens.

Um exercício com uma imagem que você conhece

Escolha uma cena real que você poderia descrever de memória, como o terraço de um café que você frequenta. Escreva três linhas: o que se vê em primeiro plano, quem ou o que ocupa o meio, o que se perde ao fundo. Junte tudo num único prompt, terminando com a luz e a paleta, por exemplo com a ajuda do artigo sobre cores e atmosfera. Gere quatro imagens e anote aquela em que o olhar sabe imediatamente para onde ir.