Bei der Generierung von KI-Videos kommt es bei Requisiten häufig zu Verformungen, abweichenden Materialien oder schwankenden Größen. Um denselben Gegenstand über verschiedene Einstellungen hinweg konsistent zu halten, reicht es nicht aus, im Prompt wiederholt auf „Konsistenz“ hinzuweisen – man muss vorab geeignete Referenzbilder vorbereiten. Was auf einem Referenzbild zu sehen ist und wie detailliert es sein muss, hängt von der Art des Videos und den Informationen ab, die eine Einstellung vermitteln soll.
1. Anforderungen an Requisiten nach Videotyp bestimmen
Bevor man Referenzbilder erstellt, sollte man klären, ob es sich um eine Produktpräsentation oder um eine narrative Szene handelt. Beide Videotypen erfordern unterschiedliche Prioritäten.
In Produkt- oder Werbevideos steht der Gegenstand selbst im Mittelpunkt, und das Publikum muss klar erkennen, dass es sich um dasselbe reale Produkt handelt. Für solche Referenzen sollten vorrangig echte Produktfotos verwendet werden, für die entsprechende Nutzungsrechte vorliegen. Zudem muss sichergestellt sein, dass alle Bilder exakt dasselbe Modell, dieselbe Farbe und dieselbe Version zeigen. Bilder aus verschiedenen Chargen oder mit unterschiedlichem Zubehör sollten nicht gemischt werden, damit das Modell keine nicht existierenden Produktstrukturen zusammenfügt. Lichtwechsel dürfen zwar die Oberflächenreflexion verändern, aber gebürstetes Metall nicht in glatten Kunststoff verwandeln oder die reale Struktur zugunsten einer schöneren Optik abändern.
Wenn beispielsweise ein Video für einen Thermosbecher erstellt werden soll, lassen sich die Referenzbilder nach den Aufgaben der jeweiligen Einstellungen aufteilen:
- Hauptbild des realen Produkts: Zeigt die vollständige Kurve des Flaschenkörpers, die Proportionen des Deckels, die Position des Griffs und das Markenlogo ohne starke Verdeckungen oder übertriebene Perspektive, um das grundlegende Erscheinungsbild in Stillleben-Einstellungen festzulegen.
- Detail- und Zustandsbilder: Ergänzen je nach Handlung im Skript das Deckelgewinde, die Tastenmechanik oder die Öffnung des Innenteils im geöffneten Zustand. Wenn im Video der Deckel zum Trinken geöffnet wird, aber keine Referenz für den geöffneten Zustand vorliegt, zeigt das generierte Ergebnis möglicherweise eine Innenstruktur, die nicht dem realen Objekt entspricht.
- Maßstabsbild in der Hand: Zeigt, wo die Hand den Flaschenkörper greift und wie groß der Becher im Verhältnis zum menschlichen Körper ist, damit der Thermosbecher beim Schnitt auf eine Einstellung mit einer Person nicht plötzlich wie ein Eimer oder ein Miniaturbecher wirkt.
In Filmen oder Kurzserien dienen Requisiten hingegen vor allem den Charakteren, der Handlung und der Geschichte. Das Publikum muss nicht zwingend jede Schraube auf der Rückseite erkennen, aber es muss sofort sehen, zu welchem Charakter der Gegenstand gehört, wie er benutzt wird und welche Rolle er in der Geschichte spielt. Bei einer mitgeführten Waffe kommt es etwa darauf an, ob die Silhouette markant ist und ob das Greifen und Ziehen flüssig wirkt; bei einer Schlüsselkarte als Hinweis oder einem alten Erinnerungsstück ist entscheidend, ob das Publikum in der Großaufnahme die Kerbe, die Seriennummer oder den Riss erkennen kann, der die Handlung vorantreibt.
Nicht jede narrative Requisite muss als technische Dreiseitenansicht gezeichnet werden. Es reicht oft, zunächst die Merkmale festzulegen, die in der Einstellung tatsächlich zu sehen sind, und Form, Material sowie zentrale Erkennungsmerkmale klar darzustellen. Anhand des generierten Ergebnisses lässt sich dann entscheiden, ob weitere Referenzen nötig sind. Enthält eine Kurzserie eine Produktplatzierung, muss dieses Produkt dennoch nach den Maßstäben für reale Waren vorbereitet werden, während der Aufwand für andere Umgebungsrequisiten in derselben Szene nach ihrer Bedeutung für die Handlung verteilt wird.
2. Gesamterscheinung und wichtige Details
Für eigens entworfene zentrale Requisiten in Filmen oder Kurzserien empfiehlt es sich, zunächst ein Konzeptblatt mit einer Gesamtansicht und vergrößerten Detailausschnitten zu erstellen. Die Gesamtansicht legt die Silhouette, die Grundfarben und die strukturellen Proportionen fest; die Detailausschnitte fixieren die Materialien und Verzierungen, die in Nah- oder Großaufnahmen sichtbar werden. Eine starre Anordnung aus Vorder-, Seiten- und Rückansicht ist dafür nicht nötig. Wichtig ist vielmehr, dass alle Detailausschnitte exakt von demselben Gegenstand stammen, damit das Modell bei der Vergrößerung nicht plötzlich eine andere Wickeltechnik oder abweichende Bauteile erfindet.
Das folgende englischsprachige Waffen-Konzeptblatt zeigt einen frei entworfenen Säbel. Im oberen Bereich befindet sich die vollständige Hauptansicht im Dreiviertelprofil, während darunter vier Bereiche vergrößert dargestellt sind: die Klingentextur, der Ledergriff, die Parierstange und der Knauf.
Dieses Konzeptblatt liefert für das spätere Video visuelle Vorgaben auf vier Ebenen:
- Klingentextur (BLADE TEXTURE): Definiert die leichte Krümmung der Klinge, die fließende Stahlmaserung und eine schmale Zierkante nahe dem Klingenrücken. Diese Muster müssen fest in der Metalloberfläche liegen, damit sie in bewegten Bildern nicht zu Rissen oder leuchtenden Streifen werden.
- Ledergriff (LEATHER GRIP): Legt die Narbung des dunkelbraunen Leders, die schräg überlappende Wicklung und die abgenutzten Kanten fest. In Nahaufnahmen einer greifenden Hand fallen Unstimmigkeiten in der Wickellogik des Griffs schneller auf als feine Muster in der Totale.
- Detail der Parierstange (GUARD DETAIL): Zeigt den Farbton des gealterten Messings, die geschwungene Form sowie den Übergang zu Klinge und Griff, sodass alle Materialien erkennbar zu einem einheitlichen Design gehören.
- Detail des Knaufs (POMMEL DETAIL): Fixiert die Merkmale des facettierten Messingknaufs und des dunklen eingefassten Steins, die sich in Großaufnahmen beim Ziehen oder Drehen der Waffe als visuelle Ankerpunkte eignen.
Für ein solches Konzeptblatt kann der folgende englische Prompt als Orientierung dienen: Zuerst wird die gesamte Waffe beschrieben, danach werden die vier vergrößerten Detailbereiche und das Layout festgelegt. Die Beschreibung des Hintergrunds entspricht hier der final verwendeten hellgrau-weißen Variante:
Create an English weapon concept sheet for an original fictional saber.
Show the complete weapon once as a large three-quarter hero illustration.
Design: a gently curved blade with flowing steel grain and a narrow decorative border near the spine; a dark brown leather-wrapped grip; an aged-brass guard; and a faceted brass pommel with a dark inset stone.
Add four enlarged detail callouts taken from this exact weapon:
1. Blade texture and decorative border.
2. Leather grain, overlapping wrap and worn edges of the grip.
3. Guard shape, surface wear and its visible junction with the grip and blade.
4. Pommel shape and inset stone.
Keep the same shapes, materials and decorative details in the main illustration and every callout. Use fine graphite and sepia ink linework with restrained material shading on a near-white background with a faint neutral light-gray tint. Wide landscape composition with clear spacing.
English title: SABER CONCEPT STUDY
Callout labels: BLADE TEXTURE, LEATHER GRIP, GUARD DETAIL, POMMEL DETAIL.
No front-side-back views, no turnaround sheet, no dimensions, no characters and no action scene.
Wenn man zuerst das Design der Requisite für sich allein mit einem Konzeptblatt festlegt und erst danach Aufnahmen mit Charakteren generiert, lassen sich Probleme deutlich gezielter eingrenzen. Entwirft man Requisite und Charakterbewegung hingegen gleichzeitig in einer komplexen Actionszenen-Illustration, bei der die Hand die Parierstange verdeckt oder das Licht das Material verfälscht, fehlt für nachfolgende Einstellungen schnell eine einheitliche Referenz.
3. Realfilm-Beispiel mit mehreren Einstellungen beim Ziehen des Säbels
Mit einem klaren Einzel-Konzeptblatt lässt sich nun testen, wie sich die Requisite im bewegten Video verhält. Für die erste Videoversion wurde ausschließlich das obige Säbel-Konzeptblatt als Referenzbild eingegeben. Ziel war ein Realfilm-Video mit mehreren Einstellungen: das Ziehen der Klinge aus der Scheide, das Betrachten der Klinge, eine Großaufnahme der Klingenmaserung und des Griffs sowie abschließend der Schnitt zurück auf den Charakter mit dem gezogenen Säbel.
Für diesen Test wurde das über WaveSpeed gehostete Open-Source-Modell MiniMax H3 (kein SOTA-Modell) verwendet. Die Ausgabe erfolgte in 768p bei einer Dauer von rund 15 Sekunden inklusive nativ generiertem Ton.
Verwendeter Video-Prompt
Photorealistic live-action cinema, 16:9. Use <Picture 1> ONLY as the exact physical SABER object design reference: one elegant curved single-edged blade with flowing watered-steel grain and delicate engraved spine border, dark brown leather-wrapped grip, aged brass curved knuckle-bow guard, faceted brass pommel with a dark oval inset. The image is a design sheet, NOT a frame or storyboard. Transform that object into a convincing real metal film prop. Do not reproduce the sheet, illustration style, labels, panel layout, or lettering. No text on screen.
A real adult man in his thirties, wearing a plain charcoal linen shirt, calmly examines this saber in a softly lit pale gray-white studio. Natural skin texture, realistic hands and weight, restrained cinematic lighting, beautiful tactile close-ups. Same man, same clothing, same saber throughout. A simple dark leather scabbard fits the curved blade. He is peacefully admiring craftsmanship, never attacking or swinging.
Create FOUR clearly distinct shots with clean editorial cuts, coherent physical continuity:
[0s-5s] Medium three-quarter shot, waist to head. The man holds the scabbard securely in his left hand, grasps the leather grip in his right, and slowly draws the entire curved blade completely free in one continuous physically plausible motion. Camera gently pushes in. Hands remain on grip and scabbard, not the edge. End with the saber visibly fully unsheathed.
[5s-8s] Cut to a close three-quarter view of his face and the blade. He raises the saber at a comfortable distance, quietly admires the blade, and slowly rotates his wrist a few degrees so a broad soft highlight travels over the watered-steel texture. Natural subtle expression of appreciation.
[8s-12s] Cut to a cinematic macro insert tracking from the flowing steel grain and engraved border near the base of the blade to the aged brass guard and leather wrapping. Preserve the distinctive guard and pommel design from <Picture 1>. Shallow depth of field; realistic metal, leather pores, tiny wear. Only one blade, no duplication or morphing.
[12s-15s] Cut back to a medium close-up from the opposite three-quarter angle, maintaining screen direction. He looks down at the guard and pommel, gently turns the grip to inspect the craftsmanship, then holds the saber still with a quiet appreciative half-smile. Keep blade shape, length, guard, leather and pommel consistent.
Audio: Native synchronized stereo production sound throughout. At 0-5s, clearly audible textured steel sliding out of a leather scabbard, a delicate brass click at release, soft sleeve and leather creaks. At 5-12s, subtle movement of clothing and grip, light natural breathing, quiet indoor room tone. At 12-15s a small leather creak as the grip turns; soft room ambience continues across cuts. Intimate realistic foley, no music, no dialogue, no subtitles. No exaggerated sword swooshes or combat sounds. Real human live action, not animation, not a sketch, no illustration overlays.
Obwohl nur ein einziges Waffen-Konzeptblatt bereitgestellt wurde, gelingt es diesem Video bereits recht gut, die wichtigsten äußeren Merkmale der Requisite beizubehalten und das Ziehen sowie Betrachten darzustellen. Prüft man das Ergebnis Einstellung für Einstellung, zeigen sich sowohl die Stärken als auch die Grenzen des Referenzbildes in den verschiedenen Einstellungsgrößen:
In der halbnahen Einstellung beim Ziehen zu Beginn und der anschließenden Nahaufnahme beim Betrachten bleiben die Gesamtkrümmung des Säbels und die fließende Maserung auf der Metalloberfläche erhalten; auch das allmähliche Gleiten der Klinge aus der Scheide wird nachvollziehbar dargestellt. Beim Schnitt auf die Detail-Großaufnahme lassen sich die Wicklung des dunkelbraunen Leders, der Farbton der Messing-Parierstange und die Klingentextur klar denselben Materialien aus dem Konzeptblatt zuordnen. Als die Kamera wieder zurück auf den Charakter mit dem Säbel schneidet, schließen auch die Griffposition und der Zustand der Requisite weitgehend stimmig an.
Vergleicht man das Video jedoch genauer mit dem Konzeptblatt, weisen feine Gravuren in der Nahaufnahme, einzelne Biegungen der Parierstange sowie die Verzierung des Knaufs noch gewisse Vereinfachungen oder Verformungen auf. In diesem Durchlauf hält das Referenzbild zwar die grobe Silhouette, die Hauptmaterialien und die Kernstruktur in einem plausiblen Rahmen, garantiert aber nicht, dass jedes kleinste Muster bei dynamischen Schnitten exakt identisch bleibt. Bei der Kontrolle des fertigen Videos sollte man in Totalen und halbnahen Einstellungen vor allem auf Silhouette, Farbgebung und Greiflogik achten, während Großaufnahmen gesondert darauf geprüft werden müssen, ob die wichtigsten Erkennungsmerkmale ausreichend getroffen wurden.
4. Größenverhältnis zwischen Charakter und Requisite
Dass eine Requisite wie derselbe Säbel aussieht, bedeutet noch nicht, dass sie in der Hand des Charakters durchgehend eine plausible Größe behält. In der ersten Videoversion blieben zwar Material und Merkmale stabil, doch wirkte die gesamte Waffe in der Hand des Mannes etwas zu kurz – eher wie ein Kurzschwert als wie der beabsichtigte lange Säbel. Über mehrere Schnitte hinweg sind auch die Dicke des Griffs und die Klingenlänge im Verhältnis zum Oberkörper Dimensionen, die gesondert gesteuert werden müssen.
Frühere Versuche, Maßangaben und Proportionen direkt als Textnotizen in das Referenzbild einzutragen, brachten nicht den gewünschten Effekt. Ein Einzelbild zeigt zwar das Design der Waffe, liefert aber keinen gemeinsamen Bildausschnitt mit einer menschlichen Hand, einem Oberkörper oder der Umgebung als Vergleichsmaßstab. Bei der Vorbereitung von Referenzen sollte man nicht davon ausgehen, dass eingetragene Maßzahlen die tatsächliche Größe im Video zuverlässig festlegen.
Auch in der Community berichten viele Creator von ähnlichen Problemen. In einer Reddit-Diskussion über die Größenverhältnisse von Personen und Objekten bei MiniMax H3 Ref2V erwähnte der Ersteller des Beitrags, dass es selbst bei Angaben zur relativen Körpergröße zu Maßstabsabweichungen kam; in den Kommentaren wurde vorgeschlagen, direkt Referenzbilder zu nutzen, auf denen der Charakter den Gegenstand hält, maßstabsgetreu zusammengesetzte Vergleichsbilder bereitzustellen oder einfache 3D-Blockmodelle als Größenplatzhalter zu verwenden. In einem anderen Thread über die Proportionen zwischen Charakteren und Umgebung hatten einige den Eindruck, dass konkrete Zentimeterangaben helfen, während andere berichteten, dass Zahlenwerte vom Modell komplett ignoriert wurden. Solche Diskussionen spiegeln zwar individuelle Erfahrungen wider, zeigen aber deutlich: Größenverhältnisse direkt als sichtbares Bild darzustellen, funktioniert in der Regel unmittelbarer, als sich allein auf Zahlen zu verlassen.
Wenn neben der Charakter- und der Requisitenreferenz klare Anforderungen an das relative Größenverhältnis bestehen, lässt sich zusätzlich ein gemeinsames Storyboard- oder Konzeptbild mit Charakter und Requisite erstellen, das gezielt als Maßstabsanker dient.
Um das Erscheinungsbild des Mannes aus dem Originalvideo beizubehalten und gleichzeitig die Klinge zu verlängern, wurde hier zunächst ein Einzelbild aus der ersten Videoversion extrahiert, um daraus ein Charakter-Referenzbild zu generieren. Dieses Bild bewahrt die Gesichtszüge, die Frisur und das dunkelgraue Hemd aus dem ersten Video und ergänzt Hose sowie Schuhe, die zuvor nicht im Bild waren, zu einer vollständigen Ganzkörperansicht samt Nahaufnahme des Gesichts. Wie man Ganzkörper-, Seiten- und Gesichtsaufnahmen sinnvoll aufbaut, wird im Leitfaden Wie man ein Charakter-Turnaround-Sheet entwirft: Von der Basisreferenz zur Charakter-Asset-Verwaltung erläutert.
Anschließend wurde dieses Charakter-Referenzbild mit dem ursprünglichen Säbel-Konzeptblatt kombiniert, um ein Ganzkörper-Maßstabsbild des Charakters mit gezogener Waffe zu generieren. In diesem neuen Bild haben wir die Klinge bewusst verlängert, während die Stahlmaserung, der dunkelbraune Ledergriff und die Messing-Parierstange erhalten blieben. Die Darstellung zeigt den gesamten Körper des Mannes, das Verhältnis der greifenden Hand zum Griff und die Gesamtlänge des Säbels gleichzeitig klar erkennbar. Zudem befinden sich Person und Waffe auf einer ähnlichen Schärfeebene, was perspektivische Verzerrungen vermeidet, wie sie entstehen, wenn die Klingenspitze direkt in die Kamera zeigt.
Mit diesem vorbereiteten Maßstabsanker-Bild haben wir die zweite Videoversion generiert. Auch hier kam wieder das über WaveSpeed gehostete Open-Source-Modell MiniMax H3 (768p, ca. 15 Sekunden, nativer Ton) zum Einsatz, wobei der englische Prompt, die Generierungsparameter und der Zufalls-Seed der ersten Version vollständig übernommen wurden (der feste Seed dient hier vor allem dazu, die Testvariablen zu reduzieren; ein fester Seed allein garantiert noch keine konsistenten Bilder oder Proportionen).
Bei der Eingabe der Referenzbilder diente das obige Ganzkörper-Charakterbild lediglich als Zwischenschritt und wurde nicht separat an das Videomodell übergeben. Tatsächlich in die zweite Videoversion eingespeist wurden das ursprüngliche Einzel-Konzeptblatt des Säbels (als <Picture 1>) und das neue Ganzkörper-Maßstabsbild mit gezogener Waffe (als <Picture 2>). Der Prompt der ersten Version wurde lediglich um folgenden Satz ergänzt:
Use <Picture 2> as the reference for the saber's size relative to the person, including the blade length and grip-to-hand proportions.
Das generierte Ergebnis sieht wie folgt aus:
In der obigen Abbildung zeigt die linke Spalte die erste Version und die rechte Spalte die zweite Version mit der zusätzlichen Maßstabsreferenz; die obere Reihe stammt jeweils von Sekunde 4,5, die untere Reihe von Sekunde 6,5. Die Bilder wurden direkt aus den Originalvideos extrahiert, ohne die Waffe nachträglich zu skalieren. Da Körperhaltung und Klingenausrichtung in beiden Versionen variieren, dient dieser Vergleich der visuellen Einschätzung und nicht als exakte Abmessung.
Sobald das Requisiten-Konzeptblatt und das Maßstabsbild mit dem Charakter bereitstehen, kann man im MiniMax H3 Videogenerator die Referenzmedien hinzufügen, im Prompt angeben, wofür jedes Bild zuständig ist, und anschließend Bewegungen wie das Ziehen, Halten oder Präsentieren testen.
Vergleicht man die beiden fertigen Videos, führt auch die zweite Version das Ziehen, Betrachten und die Detail-Großaufnahme sauber aus, wobei die Klinge optisch deutlich länger und schlanker wirkt als in der ersten Version. Das Verhältnis von Griff zu Handfläche bleibt dabei ein wichtiger Punkt für die anschließende Prüfung der einzelnen Einstellungen. Es sei darauf hingewiesen, dass dieses Video ausschließlich aus halbnahen Einstellungen und Großaufnahmen besteht und keine vollständige Ganzkörperaufnahme mit gezogener Waffe enthält. Daher lässt sich allein anhand dieses Ergebnisses nicht beweisen, dass das exakte Verhältnis von Klingenlänge zu Körpergröße vollständig fixiert ist. Dieser Durchlauf liefert ein konkretes Beispiel für den Nutzen einer zusätzlichen gemeinsamen Maßstabsreferenz, erfordert aber weitere Tests über verschiedene Einstellungen hinweg, um die Stabilität zu überprüfen.
Wenn man die Größenwirkung in solchen Videos überprüft, sollte man nicht direkt die Pixellänge auf dem Bildschirm zwischen einer Großaufnahme und einer halbnahen Einstellung vergleichen – dass der Säbel im Bild größer wird, wenn die Kamera näher heranrückt, ist ein normaler perspektivischer Effekt. Verlässlicher ist es, jeweils ein Einzelbild aus dem Ziehen, dem Anheben der Klinge, der Großaufnahme und dem Rückschnitt auf die Person heranzuziehen und innerhalb desselben Bildes zu prüfen, ob „die Dicke des Griffs im Verhältnis zur Handfläche“, „die Breite der Parierstange im Verhältnis zum Handrücken“ sowie „die Länge der Klinge im Verhältnis zu Brust und Schulter“ schlüssig fortgeführt werden.
5. Aufgeteilte Referenzen bei mehreren Charakteren organisieren
Wenn in einem Video mehrere Charaktere auftreten und jeder eine eigene Waffe oder Requisite in der Hand hält, führt der Versuch, alle Informationen in ein einziges Bild zu packen, oft zu Kompromissen: Auf einer gemeinsamen Totalen sind die Materialdetails der einzelnen Requisiten kaum zu erkennen, während reine Einzelbilder leicht dazu führen, dass Größenunterschiede zwischen den Personen und die Längen der Waffen im Video durcheinandergeraten.
Für solch komplexe Szenen schlugen Community-Mitglieder in der bereits erwähnten Reddit-Diskussion zu den Proportionen in MiniMax H3 vor, die Größenverhältnisse über eine Kombination aus „einzelnen Charakter-Konzeptblättern + einem gemeinsamen Größenvergleichsbild aller Charaktere“ zu steuern. Überträgt man diesen Gedanken auf Szenen mit mehreren Personen und mehreren Requisiten, lassen sich die Referenzmaterialien als Kombination aus „aufgeteilten Einzelreferenzen + gemeinsamer Maßstabsübersicht“ strukturieren (diese Methode für mehrere Personen dient hier als weiterführender Denkansatz und wurde in den praktischen Tests dieses Artikels noch nicht überprüft):
- Aufgeteilte Referenzen für einzelne Charaktere und ihre Requisiten: Bereite für jeden Charakter separat Bilder zum Aussehen und zum Halten der Requisite vor oder ordne den Charakter und seinen Gegenstand eindeutig einander zu. Wenn etwa Charakter A einen langen Säbel führt und Charakter B eine alte Taschenuhr hält, dienen die aufgeteilten Bilder vor allem dazu, die jeweiligen Gesichtszüge, die Kleidung sowie die Textur und Haltung der betreffenden Requisite festzulegen, damit das Modell nicht versehentlich Verzierungen von A auf die Waffe von B überträgt.
- Gemeinsames Maßstabs-Übersichtsbild mit mehreren Personen: Erstelle zusätzlich ein Ganzkörperbild, auf dem alle Charaktere mit ihren jeweiligen Requisiten nebeneinanderstehen. Achte darauf, dass die Füße auf derselben horizontalen Grundlinie stehen, sich die Personen in einer ähnlichen Schärfeebene befinden und keine extremen Auf- oder Untersichten verwendet werden. Dieses Bild muss keine winzigen Gravuren auf den Requisiten zeigen, sondern hat ausschließlich die Aufgabe, dem Modell zu vermitteln: Wer von A und B ist größer, und wie lang ist der Säbel von A im Verhältnis zum Körper von B?
Beim Verfassen des Video-Prompts gibt man dann anhand der Bildnummern jeweils an, welches Bild für die optischen Details bestimmter Charaktere und Requisiten zuständig ist und welches Bild die gesamten Körpergrößen- und Maßstabsverhältnisse regelt. Zudem sollte man bei aufeinanderfolgenden Einstellungen genau darauf achten, wie Requisiten gehalten oder zwischen Charakteren übergeben werden, damit Gegenstände beim Schnitt nicht grundlos die Hand wechseln oder verschwinden.
Bei der Vorbereitung von Requisiten-Referenzbildern empfiehlt es sich, von der geplanten Einstellung aus rückwärts zu überlegen, welche Informationen benötigt werden: Zuerst legt man mit einem Einzelbild das äußere Erscheinungsbild fest, klärt dann mit Detailausschnitten die wichtigsten Merkmale und ergänzt bei spezifischen Größenanforderungen eine gemeinsame Maßstabsreferenz von Charakter und Requisite. Nach der Generierung muss man dennoch anhand der konkreten Einstellungen prüfen, ob diese Verhältnisse erhalten geblieben sind, um anschließend zu entscheiden, welches Referenzbild ergänzt oder welche Bewegung angepasst werden muss.
