OGOS

micro-imperfection rendering

Istilah yang digunakan supaya image nampak macam bukan Ai generated

Antara pencapaian yang paling menarik sekarang:

1. Micro-skin realism — model semakin mampu menghasilkan pori yang tidak seragam, fine lines, peach fuzz, freckles, sedikit kemerahan, bawah mata dan variasi warna kulit. Ini penting kerana kulit terlalu licin masih menjadi salah satu petanda utama gambar AI.
2. Controlled imperfection — bukan sekadar menambah “noise”. Prompt boleh meminta muka sedikit asymmetric, rambut terkeluar beberapa helai, pakaian berkedut, bibir sedikit kering atau pencahayaan yang tidak sekata. Komuniti AI juga mendapati unsur-unsur begini boleh membuat portrait terasa jauh lebih hidup.
3. Camera imperfection simulation — pendekatan photorealism sekarang turut meniru sifat kamera: high ISO, sensor noise, grain, motion blur, imperfect crop, phone-camera distortion, flash keras, chromatic aberration dan exposure yang sedikit tidak sempurna.
4. Material microstructure — konsep sama sudah melangkaui kulit. Untuk kain, kayu, logam, dinding dan objek lain, sasaran realism ialah irregularities kecil seperti serat kain, calar mikro, debu, uneven roughness dan kesan penggunaan. Jadi objek tidak kelihatan seperti model 3D yang baru dibuat.
5. Realism-preserving upscale — satu perkembangan menarik ialah gambar dijana dahulu, kemudian bahagian tertentu diregenerasi pada resolusi lebih tinggi untuk membina kembali high-frequency detail. Contohnya pores boleh ditambah tanpa perlu mengubah keseluruhan wajah.
6. Physical lighting realism — AI semakin bagus memahami bahawa kulit bukan permukaan plastik. Cahaya perlu menghasilkan highlight, shadow falloff dan variasi warna bawah permukaan yang munasabah. Pendekatan terkini menggabungkan microtexture dengan sifat pencahayaan kulit untuk mendapatkan close-up lebih meyakinkan

7. Jadi saya akan bezakan tiga tahap:

   Photorealism → nampak macam foto.
   Micro-imperfection realism → nampak macam foto kerana ada ketidaksempurnaan manusia/bahan.
   Camera-authentic realism → bukan sahaja subjek realistik, malah keseluruhan gambar mempunyai “kesalahan” optik, sensor, exposure dan framing yang selari dengan kamera sebenar.

   Gambar wanita 40 tahun yang saya buat tadi sebenarnya baru berada sekitar tahap 1–2. Kita boleh push eksperimen seterusnya jauh lagi: wanita 40 tahun + extreme micro-imperfection + iPhone candid photography + natural Malaysian skin + zero beauty-filter look. Itu akan menunjukkan perbezaannya dengan lebih jelas.

8. Optical-physics consistency — AI mula dinilai bukan sekadar “nampak cantik”, tetapi sama ada cahaya benar-benar mematuhi optik: arah bayang, reflection pada cermin, refraction melalui kaca/air dan hubungan antara sumber cahaya dengan objek. GOBench 2026 menunjukkan model kuat pun masih boleh gagal pada perkara ini.
9. Physics-aware image editing — apabila objek dibuang atau dipindahkan, AI sepatutnya turut membetulkan bayang, pantulan dan interaksinya dengan objek lain. PICABench 2026 secara khusus menguji fenomena ini merentasi optik, mekanik dan perubahan keadaan.
10. True shadow coherence — bayang bukan lagi sekadar tompok gelap di bawah objek. Penyelidikan baharu cuba menghasilkan bentuk, kedudukan dan intensiti bayang yang konsisten dengan objek serta sumber cahaya. Malah terdapat model khusus seperti LumiShadDiffusion yang memberi fokus kepada shadow realism.
11. Intrinsic-scene understanding — model semakin bergerak ke arah memahami bahawa foto mempunyai komponen tersembunyi seperti depth, surface normals, material dan pencahayaan. PRISM daripada Adobe Research, diterbitkan 17 Ogos 2026, menghasilkan RGB bersama intrinsic layers secara serentak supaya hubungan antara lapisan kekal konsisten.
12. Generative Photography / real camera control — bukan sekadar memasukkan perkataan “85mm DSLR” dalam prompt. Penyelidikan Generative Photography membolehkan aperture, shutter speed, focal length dan color temperature mempengaruhi foto sambil cuba mengekalkan scene yang sama. Contohnya perubahan 24mm → 70mm sepatutnya menghasilkan perubahan field-of-view yang logik, bukan mengubah orang atau bangunan.
13. Geometric consistency — AI semakin diarahkan memahami bentuk 3D tersirat di sebalik foto. Ini penting supaya meja, tangan, bangunan atau muka tidak berubah struktur secara pelik apabila viewpoint berubah. GeoDiffuser 2026 menggunakan geometric reasoning untuk meningkatkan konsistensi antara beberapa viewpoint.
14. Multi-view human realism — satu gambar seseorang boleh digunakan untuk menghasilkan sudut depan, sisi atau ¾ sambil mengekalkan ciri individu tersebut. Cabaran besarnya ialah wajah dan tubuh tidak boleh “bertukar orang” apabila kamera bergerak. Penyelidikan 2026 menunjukkan kemajuan dalam memisahkan identity daripada pose/viewpoint.
15. Identity-with-natural-variation — AI dahulu cenderung “copy-paste” muka reference. Pendekatan baharu seperti WithAnyone cuba mengekalkan identiti seseorang sambil membenarkan perubahan semula jadi pada expression, pose dan lighting. Ini menjadikan hasil lebih seperti sesi fotografi orang yang sama, bukannya muka reference yang dilekatkan.
16. Multi-person identity consistency — apabila terdapat lima orang dalam satu gambar, AI perlu memastikan A kekal A, B kekal B dan ciri mereka tidak bercampur. UMO di CVPR 2026 secara khusus menangani identity confusion dalam generasi berbilang individu.
17. Occlusion-aware realism — AI semakin memahami siapa/apa berada di depan atau belakang. Kalau tangan berada di depan baju, rambut melintasi muka atau seseorang berdiri di belakang orang lain, sempadan dan struktur perlu betul. PositionIC menggunakan mekanisme visibility-aware untuk menghasilkan penempatan multi-subjek yang mengambil kira occlusion.
18. Spatially precise generation — arahan seperti “wanita A di kiri depan, lelaki B dua meter di belakang, kerusi di sebelah kanan” semakin boleh dikawal tanpa menyebabkan identiti atau objek bercampur. SIGMA-GEN Adobe Research 2026 misalnya menggabungkan kawalan spatial dengan identity preservation.
19. Cross-image consistency — bukan lagi menghasilkan satu gambar sahaja. AI perlu memahami beberapa reference serentak dan menghasilkan imej baharu yang konsisten dengan semuanya. MICON-Bench CVPR 2026 diwujudkan khusus untuk mengukur contextual reasoning, composition dan identity preservation merentasi beberapa imej.
20. PBR → perceptual photorealism bridging — satu perkembangan yang sangat menarik ialah menyatukan physically based rendering dengan generative AI. GeRM 2026 cuba mengambil maklumat fizikal seperti geometry/G-buffers dan menggunakan model generatif untuk merapatkan jurang antara render yang “secara fizik betul” dengan gambar yang benar-benar terasa seperti foto dunia sebenar.

SLASH COMMAND POPULAR UNTUK DESIGN INFOGRAFIK & VISUAL

Format penggunaan:
/command + kandungan
atau
/command + gambar

1. Infografik & Pendidikan

1. /infographic — Infografik lengkap berdasarkan bahan diberi.
2. /studyguide — Study guide visual, konsep utama & rumusan.
3. /mindmap — Peta minda bercabang.
4. /timeline — Timeline visual mengikut kronologi.
5. /process — Proses langkah demi langkah.
6. /comparison — Perbandingan dua atau lebih perkara.
7. /cheatsheet — Cheat sheet padat untuk rujukan pantas.
8. /flashcards — Set kad soal jawab visual.

2. Nota Kreatif

9. /handwritten — Nota tulisan tangan seperti buku nota.
10. /make-sticky-notes — Nota gaya sticky notes berwarna.
11. /sketchnotes — Nota gaya doodle & sketch.
12. /notebook — Visual seperti halaman notebook.
13. /whiteboard — Nota seperti pada whiteboard.
14. /cornellnotes — Nota menggunakan struktur Cornell.
15. /visualnotes — Nota visual dengan ikon dan blok maklumat.

3. Poster & Promosi

16. /poster — Poster umum.
17. /eventposter — Poster program atau acara.
18. /promoposter — Poster promosi produk/perkhidmatan.
19. /motivationalposter — Poster motivasi.
20. /quoteposter — Quote utama dengan visual menarik.
21. /announcement — Poster pengumuman.
22. /campaignposter — Poster kempen.

4. Storytelling & Storyboard

23. /storyboard — Storyboard visual mengikut panel.
24. /comicstrip — Komik beberapa panel.
25. /manga — Halaman manga.
26. /sceneboard — Beberapa scene utama dalam satu board.
27. /characterboard — Character design/reference board.
28. /moodboard — Moodboard untuk sesuatu konsep.

5. Presentation & Pengajaran

29. /teachingslide — Satu slide pengajaran.
30. /diagram — Diagram berdasarkan penerangan.
31. /stepbystep — Visual tutorial berpanduan.
32. /howto — Tutorial visual langkah demi langkah.
33. /explainer — Visual penerangan satu konsep.

6. Data & Research

34. /datainfographic — Data diubah kepada infografik.
35. /researchposter — Poster penyelidikan.
36. /statistics — Statistik utama dalam bentuk visual.
37. /resultsvisual — Visual keputusan kajian.
38. /chartstory — Data & carta disusun sebagai cerita visual.

7. Media Sosial

39. /socialpost — Visual posting media sosial.
40. /instagram — Post Instagram.
41. /carousel — Beberapa panel carousel.
42. /story — Story format 9:16.
43. /thumbnail — Thumbnail video.
44. /youtube — YouTube thumbnail.

8. Transformasi Gambar

45. /anime — Tukar gambar kepada gaya anime.
46. /cartoon — Tukar gambar kepada cartoon.
47. /3d — Tukar kepada gaya 3D.
48. /sketch — Tukar kepada pencil sketch.
49. /sticker — Jadikan gambar sebagai sticker.
50. /avatar — Hasilkan avatar berdasarkan gambar.

9. Design Profesional

51. /brochure — Brochure visual.
52. /flyer — Flyer.
53. /certificate — Design sijil.
54. /bookcover — Kulit buku.
55. /menu — Menu visual.
56. /reportcover — Cover laporan.
57. /ui — Mockup antaramuka.
58. /webmockup — Website visual mockup.

Contoh Penggunaan

• /infographic jenis-jenis ayat bahasa Arab
• /studyguide Juzuk
• /handwritten fiil dalam bahasa Arab
• /movieposter + gambar
• /storyboard idea video pendidikan
• /timeline sejarah tamadun Islam

Tips Tambahan

• Gabungkan command untuk hasil lebih spesifik.
  Contoh: /infographic 7:3 /datatext
• Tambah gaya seperti /minimal, /premium, /kids, /academic.
• Utamakan visual dengan /visual-first atau /less-text.
• Semakin jelas arahan dan kandungan, semakin tepat hasil yang diperoleh.

CARA GUNA COMMAND

Arahan ini sebenarnya boleh digunakan sebagai kata kunci ringkas untuk beritahu saya rupa visual yang anda mahu. Selepas command, terus masukkan tajuk + isi.

Contohnya, kalau topik anda Rukun Iman, cara gunanya:

1. /handwritten — bila mahu nota nampak seperti ditulis tangan dalam buku.
   Contoh:
   /handwritten Rukun Iman: Beriman kepada Allah, Malaikat, Kitab, Rasul, Hari Akhirat dan Qada' dan Qadar.
2. /make-sticky-notes — bila mahu setiap isi diletakkan dalam sticky note berwarna-warni.
   Contoh:
   /make-sticky-notes Rukun Iman. Buat 6 sticky notes, satu sticky note untuk setiap Rukun Iman.
3. /sketchnotes — bila mahu nota berbentuk tulisan + doodle + anak panah + ikon/lakaran kecil.
   Contoh:
   /sketchnotes Rukun Iman. Buat nota ringkas untuk murid sekolah rendah dengan doodle dan ikon yang sesuai.
4. /notebook — bila mahu visual seperti satu halaman buku nota pelajar.
   Contoh:
   /notebook Rukun Iman. Tajuk besar di atas, senaraikan 6 Rukun Iman dengan penerangan ringkas.
5. /whiteboard — bila mahu nota kelihatan seperti guru menulis pada papan putih.
   Contoh:
   /whiteboard Rukun Iman. Susun seperti nota guru di papan putih, tulisan besar dan mudah dibaca murid.
6. /cornellnotes — bila mahu menggunakan format Cornell Notes, iaitu ada bahagian kata kunci, nota utama dan rumusan.
   Contoh:
   /cornellnotes Rukun Iman. Bahagian kiri untuk kata kunci, kanan untuk penerangan dan bawah untuk rumusan.
7. /visualnotes — ini paling sesuai kalau mahu nota cantik berbentuk infografik, dengan ikon, kotak dan susunan maklumat yang kemas.
   Contoh:
   /visualnotes Rukun Iman. Buat nota visual untuk murid sekolah rendah. Gunakan ikon bagi setiap Rukun Iman, tulisan besar, kurang teks dan mudah difahami.

Formula paling mudah:
/command + tajuk + isi + sasaran + gaya yang dikehendaki

Contohnya:

/visualnotes Adab Belajar. Sasaran murid Tahun 4. Isi: ikhlas kerana Allah, menghormati guru, memberi perhatian, rajin bertanya dan mengulang kaji. Gaya kartun pendidikan, tulisan besar, ceria, A4 menegak.

Kelas Multimedia

Pertama, kena betulkan satu salah faham.

Simbol seperti #, ###, *, [], — dan | bukan “kod rahsia” yang unlock 90% kemampuan ChatGPT.

ChatGPT masih boleh faham prompt biasa tanpa simbol ini.

Tapi simbol-simbol ni sangat berguna untuk STRUCTURE prompt.

Bila arahan panjang, banyak syarat atau banyak data, struktur yang jelas membantu bezakan:

• apa peranan AI

• apa tugasnya

• apa konteksnya

• apa yang wajib dipatuhi

• mana bahan rujukan

• bagaimana output perlu disusun

Maksudnya, bukan simbol yang buat ChatGPT lebih pandai.

Ia buat arahan kita lebih kemas dan kurang ambiguous.

Ini cara guna satu per satu 

• 1d
• Reply

Author

Kelas Multimedia

1. # untuk heading utama

Contoh:

“# ROLE

You are a senior direct-response copywriter.

# TASK

Rewrite the Facebook post provided below.

# RULES

Keep the tone conversational and concise.”

# membantu pecahkan prompt kepada bahagian yang jelas.

Sangat berguna bila prompt anda ada Role, Context, Task, Constraints dan Output Format.

Bukan sebab # mempunyai kuasa khas.

Ia cuma menjadikan hierarchy arahan lebih mudah dibaca.

• 1d
• Reply

Author

Kelas Multimedia

2. ## dan ### untuk subheading

Kalau # ialah bahagian utama, ## dan ### boleh digunakan untuk pecahkan bahagian itu lagi.

Contoh:

“# TASK

Analyze the research paper.

## Methodology

Identify the research design and sampling method.

## Findings

Summarize the main findings.

### Limitations

Identify methodological weaknesses.”

Ini sangat berguna untuk prompt kompleks.

Daripada campak 10 arahan dalam satu perenggan, kita beri AI hierarchy yang jelas.

• 1d
• Reply

Author

Kelas Multimedia

3. * atau – untuk bullet points

Contoh:

“# RULES

* Write in Bahasa Melayu Malaysia.

* Keep paragraphs short.

* Preserve technical English terms.

* Do not invent statistics.

* Avoid unnecessary repetition.”

Bullet membantu jadikan setiap constraint berasingan dan mudah scan.

Tapi penting:

Bullet bukan automatik menjadikan sesuatu arahan sebagai “hard rule”.

Kalau sesuatu memang wajib, tulis secara eksplisit:

“MUST NOT invent facts.”

atau

“Do not proceed if the required information is missing.”

Clarity lebih penting daripada simbol.

• 1d
• Reply

Author

Kelas Multimedia

4. “Quotation marks” untuk asingkan teks tertentu

Contoh:

“Rewrite the following sentence for a professional audience:

‘Our product is really good and can help businesses save time.'”

Quotation marks berguna apabila anda mahu tunjuk dengan jelas teks yang perlu:

• ditulis semula

• dianalisis

• diterjemahkan

• dikritik

• diklasifikasikan

Untuk teks sangat panjang, delimiter seperti triple quotes atau tag khusus juga boleh digunakan.

Tujuannya sama:

Bezakan INSTRUCTION dengan CONTENT.

• 1d
• Reply

Author

Kelas Multimedia

5. [Square brackets] untuk placeholder

Ini antara yang paling berguna kalau selalu reuse prompt.

Contoh:

“Create a Facebook campaign for [PRODUCT].

Target audience: [AUDIENCE]

Main problem: [PROBLEM]

Offer: [OFFER]

Tone: [TONE]”

Hari ini:

[PRODUCT] = skincare

Esok tukar:

[PRODUCT] = kelas online

Prompt asal tak perlu ditulis semula.

Square brackets bukan command khas kepada ChatGPT.

Ia cuma convention yang sangat praktikal untuk bina reusable prompt template.

• 1d
• Reply

Author

Kelas Multimedia

6. — untuk delimiter atau pemisah

Contoh:

“# TASK

Summarize the information below into 5 key findings.

Do not add information that is not provided.

—

BACKGROUND INFORMATION

[paste information here]

—“

Sangat berguna apabila prompt mengandungi banyak background information.

AI boleh nampak dengan lebih jelas:

Bahagian atas = arahan.

Bahagian bawah = bahan yang perlu diproses.

Anda juga boleh guna delimiter lain seperti:

“””

CONTENT

“””

atau:

<source>

CONTENT

</source>

Yang penting ialah consistency.

• 1d
• Reply

Author

Kelas Multimedia

7. | untuk struktur table Markdown

Contoh:

“Return the comparison using this structure:

| Tool | Best For | Strength | Limitation |

|—|—|—|—|

| [Tool] | [Use Case] | [Strength] | [Limitation] |”

Ini berguna kalau anda mahukan output yang konsisten dalam bentuk table.

Contohnya:

• perbandingan produk

• literature matrix

• content calendar

• feature comparison

• research findings

• competitor analysis

Tapi | bukan arahan ajaib yang “mengaktifkan table”.

Ia sebenarnya sebahagian daripada syntax Markdown untuk menentukan struktur jadual.

• 1d
• Reply

Author

Kelas Multimedia

Bila digabungkan, prompt boleh jadi jauh lebih kemas.

Contoh:

“# ROLE

You are a senior recruitment consultant specializing in ATS-friendly CV optimization.

# OBJECTIVE

Rewrite my CV to better match the job description provided below while remaining completely truthful.

# REQUIREMENTS

* Keep the CV concise and professional.

* Prioritize experience relevant to the target role.

* Use strong action verbs.

* Quantify achievements only when numbers are provided.

* Do not invent skills, experience, qualifications, metrics, or achievements.

* Preserve important factual details from my original CV.

# OUTPUT

Return:

1. Professional summary

2. Core skills

3. Rewritten work experience

4. Recommended improvements

—

## TARGET JOB

[Paste job description]

—

## CURRENT CV

[Paste CV]

—“

Bezanya bukan sekadar nampak cantik.

Prompt ni mengurangkan kerja meneka kerana Role, Objective, Requirements, Output dan bahan sumber sudah dipisahkan dengan jelas.

• 1d
• Reply

Author

Kelas Multimedia

Formula mudah yang boleh anda simpan:

“# ROLE

[Siapa AI perlu bertindak sebagai]

# CONTEXT

[Apa yang AI perlu tahu]

# OBJECTIVE

[Hasil akhir yang anda mahu]

# TASK

[Apa yang perlu dilakukan]

# REQUIREMENTS

* [Syarat 1]

* [Syarat 2]

* [Syarat 3]

# OUTPUT FORMAT

[Bagaimana jawapan perlu diberikan]

—

# INPUT

[Masukkan bahan anda di sini]

—“

Tak semestinya setiap prompt perlukan semua bahagian ni.

Untuk soalan mudah, satu ayat pun cukup.

Tapi bila tugas semakin kompleks, struktur macam ni boleh buat prompt jauh lebih jelas, reusable dan senang diperbaiki.

Save template ni. Nanti cuma tukar bahagian dalam [ ].