GEMINI LEVEL 2 • LESSON 8

Images: Generate, Analyze និង Refine

by Sot Dimong

១២ កញ្ញា ២០២៦

ពិពណ៌នា Subject, Composition, Style និងការកែ Visual ជាច្រើនជុំដោយការពារទិន្នន័យ។

រយៈពេលប្រហែល ១៧ នាទី

Gemini Mission • Level 2 🌈 Multimodal Explorer

0 XP

ចាប់ផ្តើម

សេចក្តីផ្តើមមេរៀន
មេរៀនទី៨ ៖ «Images: Generate, Analyze និង Refine» នឹងណែនាំអ្នកឱ្យយល់ច្បាស់ពី ពិពណ៌នា Subject, Composition, Style និងការកែ Visual ជាច្រើនជុំដោយការពារទិន្នន័យ។

១. វដ្តការងាររូបភាពទាំង ៣ ៖ Generate, Analyze និង Refine

នៅក្នុង Gemini អ្នកមិនត្រឹមតែអាចមើលរូបភាព ឬបង្កើតរូបភាពនោះទេ ប៉ុន្តែអ្នកអាចដំណើរការ Visual Intelligence Lifecycle ពេញលេញមួយដែលរួមបញ្ចូលគ្នា ៣ ដំណាក់កាល៖

Generate (ការបង្កើតរូបភាព)៖ ប្រើប្រាស់ម៉ូដែល Google Imagen 3 ដើម្បីបង្កើតរូបភាពកម្រិតខ្ពស់ពីអត្ថបទ (Text-to-Image) ដែលមាន Photorealism ខ្ពស់ និងសរសេរអក្សរលើរូបភាពបានយ៉ាងច្បាស់។
Analyze (ការវិភាគរូបភាព)៖ ប្រើប្រាស់ Native Vision ដើម្បីអានប្លង់ ពណ៌ សមាសធាតុ និងស្រង់ទិន្នន័យពីក្រាហ្វិក ឬ Screenshot។
Refine (ការកែសម្រួលច្រើនជុំ)៖ ធ្វើការកែសម្រួលរូបភាពជាបន្តបន្ទាប់ (Iterative Visual Refinement) ដោយបញ្ជាក់ពីអ្វីដែលត្រូវបន្ថែម បន្ថយ ឬផ្លាស់ប្តូរ ដោយមិនបាច់ចាប់ផ្តើមពីសូន្យឡើងវិញ។

ដើម្បីបញ្ជា Imagen 3 ឱ្យបង្កើតរូបភាពស្រស់ស្អាតដូចការថតស្ទូឌីយោអាជីព អ្នកត្រូវពិពណ៌នាធាតុផ្សំស្នូលទាំង ៤៖ Subject (តួអង្គ), Composition (ការរៀបចំប្លង់), Style (រចនាប័ទ្មសិល្បៈ), និង Lighting/Camera (ពន្លឺនិងមុំថត)។

Imagen 3 Generation បង្កើតរូបភាពកម្រិត Photorealistic និងមានអក្សរច្បាស់ៗលើស្លាកសញ្ញា ឬផលិតផល។

Visual Analysis & Breakdown វិភាគសមាសធាតុរូបភាព ប្លង់ និងពណ៌ដើម្បីយល់ពីប្រសិទ្ធភាពនៃការរចនា។

Iterative Refinement កែប្រែរូបភាពជាច្រើនជុំ (បន្ថែមពន្លឺ ប្តូរផ្ទៃខាងក្រោយ កែសម្លៀកបំពាក់) តាមរយៈការសន្ទនា។

Data Privacy & SynthID ការពារទិន្នន័យផ្ទាល់ខ្លួន និងភ្ជាប់ SynthID Watermark ដើម្បីបញ្ជាក់ពីប្រភព AI។

២. កាយវិភាគវិទ្យានៃ Prompt បង្កើត និងកែសម្រួលរូបភាពកម្រិតអាជីព

ដើម្បីទទួលបានរូបភាពពាណិជ្ជកម្មកម្រិតខ្ពស់ ចូររៀបចំ Prompt តាមរូបមន្ត ៤ ផ្នែកខាងក្រោម៖

១. Subject (តួអង្គចម្បង)៖ ពិពណ៌នាលម្អិតពីមនុស្ស វត្ថុ ឬផលិតផល (ឧ. «A luxury cold-brew coffee bottle with a minimalist label displaying the word 'AURORA' in crisp typography»)。

២. Composition & Angle (ប្លង់ និងមុំថត)៖ កំណត់ការរៀបចំ (ឧ. «Centered composition, eye-level angle, placed on wet dark volcanic rock with fresh mint leaves around it»)。

៣. Lighting & Atmosphere (ពន្លឺ និងបរិយាកាស)៖ ជ្រើសរើសពន្លឺ (ឧ. «Dramatic side studio rim lighting, soft morning golden hour glow, delicate water condensation droplets»)。

៤. Style & Camera Lens (រចនាប័ទ្ម និងកញ្ចក់)៖ កំណត់បច្ចេកទេស (ឧ. «Commercial advertising photography, 85mm macro lens, f/2.0 aperture, creamy blurred background bokeh, 8k resolution»)。

៣. ដំណើរការកែសម្រួលរូបភាពជាច្រើនជុំ (Iterative Refinement)

កម្រមានរូបភាពណាដែលចេញមកល្អឥតខ្ចោះតាំងពីជុំដំបូងណាស់។ ជំនាញពិតប្រាកដគឺស្ថិតលើ Iterative Refinement (ការកែតម្រូវបន្តបន្ទាប់)៖

ជុំទី ១ (First Draft)៖ បង្កើតរូបភាពគ្រោងដំបូងដោយផ្តោតលើ Subject និង Style។
ជុំទី ២ (Modify Environment)៖ សុំកែប្រែផ្ទៃខាងក្រោយ (ឧ. «សូមរក្សារូបដបដដែល ប៉ុន្តែប្តូរផ្ទៃខាងក្រោយពីតុឈើ មកជាឆ្នេរសមុទ្រពេលថ្ងៃលិច»)។
ជុំទី ៣ (Lighting & Atmosphere)៖ បន្ថែមពន្លឺ និងព័ត៌មានលម្អិត (ឧ. «សូមបន្ថែមតំណក់ទឹក condensation លើដបឱ្យកាន់តែច្បាស់ និងធ្វើឱ្យពន្លឺចាំងកាន់តែរលោង»)។

គន្លឹះភាសាសម្រាប់ Imagen 3៖ ការសរសេរ Prompt បង្កើតរូបភាពជា ភាសាអង់គ្លេស នឹងផ្តល់នូវគុណភាព និងភាពលម្អិតខ្ពស់ជាង ដោយសារតែទិន្នន័យ Visual Art និងវាក្យសព្ទថតរូប (Aperture, Bokeh, Shutter) ភាគច្រើនត្រូវបានបណ្តុះបណ្តាលជាភាសាអង់គ្លេស។

៤. ការប្រៀបធៀប៖ Prompt រូបភាពខ្លី vs Prompt លម្អិតបែបអាជីព

ចូរពិនិត្យមើលភាពខុសគ្នានៃរូបភាពដែលទទួលបាន៖

Prompt ខ្លីពេក (រូបភាពទូទៅ ខ្វះការគ្រប់គ្រង) «A picture of a perfume bottle.» → AI នឹងបង្កើតរូបដបទឹកអប់ទូទៅ គ្មានបរិយាកាសច្បាស់លាស់ មើលទៅដូចជារូបភាព Clip-art ឬ Stock Photo ធម្មតា។

Full Architectural Prompt (រូបភាពពាណិជ្ជកម្មកម្រិតខ្ពស់) «Commercial advertising photography of an elegant crystal perfume bottle with gold accents. The bottle is inscribed with the word 'LUMEN'. Standing on polished black marble with faint ripples of water. Cinematic warm sunset side lighting, 100mm macro lens, f/1.8, luxurious mood.»

៥. ក្រមសីលធម៌ សុវត្ថិភាពរូបភាព និងបច្ចេកវិទ្យា SynthID

Google អនុវត្តគោលការណ៍សុវត្ថិភាពយ៉ាងម៉ឺងម៉ាត់បំផុតលើការបង្កើតរូបភាព។ គ្រប់រូបភាពទាំងអស់ដែលបង្កើតឡើងដោយ Imagen 3 នៅក្នុង Gemini ត្រូវបានបំពាក់ដោយ SynthID ដែលជា Digital Watermark បង្កប់ក្នុងភីកសែល (Pixel Level) ដែលភ្នែកមនុស្សមើលមិនឃើញ ប៉ុន្តែប្រព័ន្ធសុវត្ថិភាពអាចស្កេនដឹងភ្លាមៗថាជារូបភាព AI។

ហាមឃាត់ដាច់ខាតការបង្កើតរូបភាពក្លែងបន្លំ (Deepfake) បុគ្គលសាធារណៈ រូបភាពហិង្សា ឬរូបភាពដែលរំលោភលើកម្មសិទ្ធិបញ្ញា និងឯកជនភាពរបស់អ្នកដទៃ។

អ្វីដែលគួរធ្វើ (Image Generation Best Practices) បញ្ជាក់ Subject, Composition, Lighting និង Camera Lens ឱ្យបានច្បាស់លាស់ និងប្រើការកែសម្រួលបន្តបន្ទាប់ដើម្បីសម្រេចរូបភាពចុងក្រោយ។

អ្វីដែលត្រូវជៀសវាង (Safety Guardrails) កុំព្យាយាមបង្កើតរូបភាពដែលប៉ះពាល់ដល់កិត្តិយសបុគ្គល ឬរូបភាពបោកប្រាស់សាធារណៈជន (Misinformation)។

LIVE GEMINI LAB • INTERACTIVE WORKSPACE

Live Gemini Lab • Image Studio & Refinement

READY

ជ្រើសរើសទម្រង់រូបភាពខាងក្រោមដើម្បីមើលពីរូបមន្ត Prompt នៃ Imagen 3 សម្រាប់បង្កើត និងកែសម្រួលរូបភាព។

Commercial Beverage ដបតែបៃតងធម្មជាតិ

Gemini Engine Multimodal + Grounding

Product Asset Typography + Condensation

លទ្ធផលគំរូ៖ រូបភាពដបតែបៃតងមានស្លាកសញ្ញាអក្សរ 'ZEN TEA' យ៉ាងច្បាស់ មានតំណក់ទឹកត្រជាក់លើដប និងពន្លឺព្រះអាទិត្យព្រឹកព្រលឹមជះពីចំហៀង យ៉ាងទាក់ទាញ។

៦. លំហាត់អនុវត្ត PROMPT លើ GEMINI

អនុវត្តតាមរូបមន្តអាជីព៖ ROLE (តួនាទី) → CONTEXT (បរិបទ) → CONSTRAINTS (ដែនកំណត់) → FORMAT (ទម្រង់ចម្លើយ)។

សាកអនុវត្ត • PROMPT គំរូជាភាសាខ្មែរ

Create a high-end commercial product photograph of a modern organic honey jar. The glass jar has a clean minimalist label with the word "AMBER HONEY" in elegant golden typography. Placed on a rustic wooden table with fresh honeycombs, wild yellow flowers, and soft morning sunlight streaming from the window. Macro close-up shot, 85mm lens, f/2.0, shallow depth of field, warm cinematic advertising style.

៧. ពិនិត្យការយល់ដឹង (QUIZ)

QUIZ ខ្លីប្រចាំមេរៀនទី៨

តើអ្វីទៅជាធាតុផ្សំសំខាន់ទាំង ៤ ដែលគួរតែមាននៅក្នុង Prompt សម្រាប់បង្កើតរូបភាពកម្រិតអាជីពជាមួយ Imagen 3?

✓ ត្រឹមត្រូវឥតខ្ចោះ! ការបញ្ជាក់ Subject, Composition, Style, និង Lighting/Camera ជួយឱ្យ AI យល់ពីទស្សនវិស័យរបស់អ្នក និងបង្កើតរូបភាពដែលស្របតាមស្តង់ដារពាណិជ្ជកម្មខ្ពស់បំផុត។

៨. ចំណុចសំខាន់ដែលត្រូវចងចាំ

Imagen 3 ផ្តល់នូវសមត្ថភាពបង្កើតរូបភាព Photorealistic និងការសរសេរអក្សរលើរូបភាព (In-image Typography) យ៉ាងច្បាស់។
អនុវត្តវដ្ត ៣ ដំណាក់កាល៖ Generate → Analyze → Refine ដើម្បីទទួលបានលទ្ធផលដែលត្រូវចិត្តបំផុត។
គោរពសុវត្ថិភាពទិន្នន័យ និងដឹងថាគ្រប់រូបភាពទាំងអស់ត្រូវបានការពារដោយបច្ចេកវិទ្យា SynthID Watermark។

អនុសាសន៍អនុវត្ត៖ យកទ្រឹស្តីក្នុងមេរៀនទី៨នេះ ទៅសាកល្បងជាមួយកិច្ចការងារជាក់ស្តែងរបស់អ្នកថ្ងៃនេះភ្លាមៗ ដើម្បីបង្កើនល្បឿន និងភាពស្ទាត់ជំនាញ។

GEMINI EXPLORER BADGE