Hình ảnh tham chiếu là hình ảnh mẫu dùng để xác định trực quan phong cách, bố cục, diện mạo con người, v.v. khi tạo hình ảnh AI. Nó được sử dụng để tạo ra một hình ảnh nhất quán khó truyền tải chỉ bằng lời nhắc bằng văn bản.
Hình ảnh tham chiếu là hình ảnh được đưa vào để hướng dẫn trực quan hướng đầu ra khi tạo hình ảnh bằng AI. Công nghệ này được sử dụng trong các tình huống mà bạn muốn tái tạo một phong cách, diện mạo, bố cục hoặc tông màu cụ thể khó thể hiện chỉ bằng lời nhắc văn bản và đã trở thành một tính năng tiêu chuẩn của AI tạo hình ảnh trong những năm gần đây.
Các phương pháp triển khai chính rất đa dạng, bao gồm Bộ điều hợp IP/ControlNet của Stable Diffusion, Nhắc hình ảnh của Midjourney (tham số --iw) và chức năng Hình ảnh tham chiếu của Runway Gen-4. Việc sử dụng `` cố định ký tự '', duy trì sự nhất quán về hình thức giữa các cảnh bằng cách chuyển một bảng ký tự (hình toàn thân) làm hình ảnh tham chiếu, sẽ đặc biệt phổ biến trong lĩnh vực này vào năm 2026.
Có ba cạm bẫy cần lưu ý trong hoạt động thực tế: (1) rủi ro bản quyền khi sử dụng tác phẩm của người khác làm tài liệu tham khảo, (2) lời nhắc bị bỏ qua do nhầm lẫn trong việc điều chỉnh cường độ (trọng lượng) tham chiếu và (3) suy giảm chất lượng do sử dụng hình ảnh nén/độ phân giải thấp. Về giá cả, Midjourney có sẵn cho các gói bắt đầu ở mức 10 đô la một tháng và tính năng Hình ảnh tham chiếu của Runway có sẵn cho các gói bắt đầu ở mức 15 đô la một tháng và gói miễn phí được giới hạn ở vài chục lần sử dụng mỗi tháng. Tiêu chí chính để lựa chọn trên trang web là ``giới hạn trên của số lượng hình ảnh tham chiếu (1 đến 5 tùy thuộc vào công cụ)'' và ``ứng dụng kiểu chi tiết (toàn bộ so với một phần).''