4.6 Protokół QA spójności tożsamości: jak mierzyć zamiast zgadywać

Każdy operator ocenia twarz, patrząc na nią. Problem pojawia się w skali tygodni: osąd dryfuje razem z twarzą, aż „to wygląda jak ona" znaczy co innego w szóstym miesiącu niż w pierwszym.

Pomiar to naprawia. Ten rozdział to bateria generacji, rubryka oceny i próg akceptacji: dość małe, by zmieścić się w godzinie, i dość konkretne, by dwa przebiegi w odstępie sześciu miesięcy dały się porównać.

Dlaczego bateria, a nie próbka

Jedna generacja nie mówi o tożsamości nic. Tożsamość jest właściwością rozkładu: czy twarz wytrzymuje kąty, światła i emocje, których naprawdę będzie wymagał twój kalendarz treści?

Dlatego test jest ustrukturyzowany, a nie losowy. Za każdym razem generujesz ten sam zestaw kadrów, oceniasz je według tej samej rubryki i porównujesz liczby, a nie wrażenia.

Bateria podstawowa

Dziewięć kadrów, trzy warunki oświetlenia. Dwadzieścia siedem generacji, około godziny razem z ocenianiem.

Warunki oświetlenia, stosowane w całym zestawie:

1. Światło z okna — miękkie, kierunkowe, punkt odniesienia
2. Ring albo lampa błyskowa w aparacie — płaskie, frontalne, nie wybacza tekstury skóry
3. Cień w plenerze — chłodne, niski kontrast, tu wychodzi dryf koloru

Dwa warunki opcjonalne, warte uruchomienia raz na tożsamość, a nie co kwartał: studyjny setup z softboxem i twardy bezpośredni błysk. Razem pokrywają skraje.

Przegląd emocji i póz

Tożsamość może się trzymać w statycznym kadrze i rozsypać w ruchu: emocja zmienia geometrię policzków i oczu, a poza zmienia to, jak czyta się żuchwa.

Pięć emocji, trzy pozy, po jednym kadrze:

Emocje: neutralna, uśmiech, śmiech, mówienie (otwarte usta), powaga.

Pozy: ręce skrzyżowane, dłonie przy twarzy (bez zasłaniania — dłonie poniżej linii żuchwy), w połowie obrotu od kamery.

Kolejne szesnaście generacji — i to one ujawniają LoRA, która zapamiętała z datasetu jedną emocję, czyli echo emocji z 4.3 w formie wytrenowanej.

Minimum praktyczne, jeśli nie ma godziny: kadry 1, 2, 3, 8, 9 w świetle z okna plus neutralna, uśmiech i śmiech. Osiem generacji, piętnaście minut. Pełną baterię uruchamiaj zawsze, gdy publikujesz nową tożsamość albo trenujesz od nowa.

Rubryka oceny

Oceń każdy kadr od 1 do 5 w czterech wymiarach. Trzymaj wymiary osobno; wczesne ich zsumowanie ukrywa diagnozę.

Potem zasady akceptacji. To właśnie je ludzie pomijają — i przez nie średnie mylą:

Zasada 1 — średnia musi przekroczyć próg. Średnia ≥ 4.0 w strukturze twarzy i ≥ 4.0 w „ta sama osoba". Poniżej tego nie publikuj tożsamości; wróć do 4.4 albo 4.5.

Zasada 2 — żaden pojedynczy kadr nie może dostać 2 ani mniej. Ta zasada waży więcej niż średnia. Średnie ukrywają jeden zły kąt, a ten jeden zły kąt to dokładnie ten kadr, który trafi do posta, zostanie zrzutem ekranu i wywoła wątek w komentarzach. Tożsamość ocenia się po najgorszym kadrze, nie po średnim.

Zasada 3 — wymiar skóry i tekstury to test pułapu. Ocena powyżej 4 nie jest tu celem; 5 z widocznymi porami jest w porządku, a 5 bez porów to 3 w ubraniach 5. Nadmiar detalu to tryb porażki z 3.2.

Zasada 4 — proporcje ciała ocenia się tylko na kadrach całej sylwetki. Ocena gdzie indziej to zgadywanie.

Zapis ocen dla każdego kadru, nie tylko zbiorczo, sprawia, że rejestr jest użyteczny w szóstym miesiącu.

Uczciwe ocenianie

Cztery nawyki, dzięki którym liczby coś znaczą:

Oceniaj w ciemno, porównując wersje. Zmień nazwy plików, przetasuj je i oceniaj, nie wiedząc, który checkpoint dał który. Inaczej wybierzesz ten, na który poświęciłeś więcej czasu.

Oceniaj na tle wzorca referencyjnego, obok siebie. Nie z pamięci. Pamięć twarzy jest rekonstrukcyjna i dopasuje się do tego, na co właśnie patrzysz.

Korzystaj z drugiego oceniającego, gdy możesz. Kogoś, kto widział posty persony, ale nie proces treningu. Jego oceny są bardziej zaszumione i wyłapuje błędy, których ty już nie widzisz.

Nigdy nie oceniaj na obrazach treningowych. Zbiór odłożony z 4.4 albo świeże generacje. LoRA oceniana na własnym datasecie mierzy zapamiętywanie, czyli dokładnie to, co czyni personę sztywną.

Rejestr iteracji

Jeden wiersz na wersję tożsamości. To artefakt, który zamienia QA w pamięć instytucjonalną.

Rejestr robi dwie rzeczy poza QA. Gdy pojawi się problem widoczny dla obserwujących — seria komentarzy o twarzy, spadek engagementu na postach portretowych — możesz sprawdzić, czy koreluje z nim bieżąca wersja tożsamości. A gdy wycofujesz wersję tożsamości, masz zapis tego, co zostało pod nią opublikowane, czego potrzebuje rejestr ujawnień z 11.3.

Jeszcze jedno zastosowanie baterii

Bateria to nie tylko bramka przed publikacją. To także diagnostyka, którą uruchamiasz po zmianie, celowo, żeby sprawdzić, co ta zmiana zrobiła.

Trzy przykłady warte wpisania do harmonogramu. Gdy aktualizujesz sterownik albo framework, uruchom baterię podstawową i porównaj z poprzednim przebiegiem: regresja środowiska pokaże się jako przesunięcie tekstury albo koloru, zanim pojawi się w czymkolwiek, co zauważysz okiem. Gdy dodajesz do biblioteki nowy szablon promptu, uruchom kadry, w których ten szablon będzie używany. A gdy zmieniasz łańcuch post-processingu — upscaler, detailer, korekcję barwną z 5.5 — uruchom kadry zbliżenia i profilu, bo tam uszkodzenia od obróbki wychodzą najpierw.

Każdy z tych przebiegów to piętnaście minut i zastępuje spór o to, czy coś wygląda gorzej, liczbą, która mówi, czy tak jest.

Kiedy uruchamiać baterię

Przebieg kwartalny wyłapuje dryf z 4.1 narastający z kwartału na kwartał — migrację niewidoczną w pojedynczej generacji i oczywistą w skali roku.

Gdzie to się psuje

Ocena jednego obrazu. Zmierzyłeś próbkę, nie tożsamość.

Uśrednianie złego kąta. Zasada 2 istnieje, bo średnia kłamie.

Nagradzanie zbliżenia bez porów. To syntetyczny wygląd, który kosztuje cię w tierach realizmu platformy z 11.2.

Ocenianie z pamięci. Zamiast tego ocenisz na tle ostatniego obrazu, na który patrzyłeś.

Brak zapisu ocen dla kadrów. Zbiorczy wynik nie powie ci, który kąt naprawić.

Jednorazowy przebieg. Wartością jest porównanie; pojedynczy przebieg to migawka.

Testowanie na obrazach treningowych. Zapamiętywanie czyta się jak doskonałość.

Bramka

1. Czy uruchomiłeś baterię podstawową, we wszystkich trzech warunkach oświetlenia?
2. Jaka jest twoja średnia struktury i średnia „ta sama osoba"?
3. Który pojedynczy kadr jest najgorszy i jaką dostał ocenę?
4. Czy przegląd emocji i póz jest czysty, czy jedna emocja rozsypuje tożsamość?
5. Czy rejestr iteracji jest wypełniony, z hashem modelu bazowego i wybranym steps?
6. Kiedy wypada następny zaplanowany przebieg?

Z czym wychodzisz

Bateria podstawowa z 27 generacjami i trzema warunkami oświetlenia oraz przegląd emocji i póz z 16 generacjami, praktyczne minimum ośmiu kadrów, rubryka na czterech wymiarach, cztery zasady akceptacji — z zasadą najgorszego kadru jako tą, która niesie ciężar — cztery nawyki, które czynią ocenianie uczciwym, i rejestr iteracji zamieniający każdą wersję tożsamości w porównywalny zapis.