Relire les résultats d'une transformation d'image par IA : une liste de vérification avant de réitérer

La plupart des sessions de transformation d'image ratées ne sont pas des problèmes de prompt. Ce sont des problèmes de relecture. Quelqu'un génère un résultat, sent qu'il ne va pas sans pouvoir dire en quoi, réécrit tout le prompt et génère à nouveau, en perdant cette fois les trois choses qui étaient déjà justes. Dix minutes plus tard, il y a cinq images, chacune fausse d'une manière différente, et aucune trace de la modification qui a produit quoi.

L'étape manquante est une façon de regarder un résultat qui se termine par l'une de trois décisions : l'accepter, changer la formulation ou changer la force. Cette routine se place entre les générations plutôt qu'à l'intérieur. Elle suppose aussi que vous savez déjà ce que vous voulez tirer de la photo, ce qui est une compétence distincte de celle qui consiste à juger si vous l'avez obtenu.

Écrire la condition de réussite avant de générer

Une relecture a besoin d'une norme, et la norme doit exister avant l'image. Écrivez d'abord une phrase : ce qui doit être vrai pour que cette image soit terminée. La même bouteille sur la même surface de pierre avec la même direction d'ombre, mais un fond en sable chaud au lieu de gris. Cette phrase a deux moitiés et toutes deux comptent : le changement que vous voulez et les choses qui doivent y survivre.

La phrase filtre aussi les mauvaises demandes. Si votre condition de réussite exige trois propositions sur l'ambiance, l'éclairage et un nouveau matériau, le travail consiste en trois retouches qui prétendent n'en être qu'une, et aucune relecture unique ne pourra vous dire quelle partie a échoué. Découpez la demande, gardez la source et exécutez les parties dans l'ordre. C'est ainsi que l'éditeur de prompt textuel d'Adobe Firefly est censé s'utiliser : son propre tutoriel empile une instruction sur le résultat précédent, en recolorant un vase, puis en ajoutant du papier peint, puis en ajoutant des fleurs à un quatrième vase. Chaque étape porte sa propre condition de réussite et sa propre relecture.

Si vous ne pouvez pas écrire la phrase, vous n'êtes pas prêt à juger quoi que ce soit. À ce stade, générer ressemble à deviner, parce que c'en est.

Poser deux questions sur chaque résultat, dans l'ordre

Regardez la sortie et répondez séparément.

Premièrement, la chose que j'avais demandée a-t-elle réellement changé ? Deuxièmement, tout ce que je n'avais pas demandé est-il resté là où il était ?

Ce sont deux questions distinctes parce qu'elles échouent séparément, et les deux échecs ont des causes opposées. Un changement absent alors que la préservation tient signifie que l'instruction était trop molle ou la transformation trop timide : le modèle a traité votre photo comme la réponse et le prompt comme une suggestion. Un changement obtenu alors que la préservation cède signifie l'inverse : le modèle avait de la liberté et l'a dépensée, en restylant la surface, l'éclairage et la géométrie parce que rien ne les retenait en place.

Les pipelines image to image fondés sur la diffusion rendent cela mécanique. La documentation de Hugging Face décrit l'image initiale comme encodée, bruitée, puis débruitée en direction du prompt, le réglage de force décidant de la part de l'original qui survit au trajet. L'échelle de guidage régit ensuite la rigueur avec laquelle le résultat suit le texte, des valeurs plus élevées produisant un alignement plus étroit sur le prompt et moins de latitude pour s'en écarter. Quand vous relisez, vous lisez ces deux forces sur l'image. Trop peu de changement, c'est une poussée faible. Trop de dégâts collatéraux, c'est une poussée forte que rien n'ancre.

Ne déplacer qu'un seul réglage à la fois, et la force est généralement ce réglage

L'instinct, après un résultat décevant, est de réécrire le prompt. C'est souvent le mauvais premier geste, parce que cela change plusieurs choses à la fois et ne vous apprend rien sur celle qui comptait.

Si le prompt est exact et que le changement n'a simplement pas pris, augmentez la force de transformation. Si le prompt est exact et que la composition a trop dérivé, diminuez-la. La même documentation précise ce que signifie le chiffre : une force plus élevée laisse au modèle plus de latitude pour produire quelque chose de différent de l'image de départ, et une force de 1,0 signifie que l'image initiale est plus ou moins ignorée, tandis que des valeurs plus basses gardent la sortie proche de la photo que vous avez apportée.

Le réglage n'est pas de l'arithmétique pure, mais l'arithmétique vaut la peine d'être connue. La force détermine combien d'étapes de débruitage sont appliquées, si bien qu'une force de 0,8 sur cinquante étapes ajoute et retire quarante étapes de bruit. Un déplacement près du haut de la plage change beaucoup ; le même déplacement près du bas change très peu.

L'outil image to image de KOOX expose ce contrôle directement et le décrit de la même façon : une force plus élevée pour des changements plus spectaculaires, une force plus faible pour rester plus près de l'original. C'est la première chose à déplacer quand votre relecture dit bonne direction, pas assez. Ce qu'il ne faut pas faire, c'est déplacer la force et réécrire la phrase dans la même tentative. Si le résultat s'améliore, vous ne saurez pas quelle modification en est responsable, et l'image suivante part d'une supposition.

Nommer le défaut avant de réécrire la phrase

L'insatisfaction vague produit des reprises vagues. Donnez un nom au défaut, et chaque nom a son correctif spécifique.

Des coutures sur les bords ou un halo là où un élément remplacé rencontre son environnement : la modification locale est plus grande que ce que le modèle sait fondre, alors réduisez la zone ou baissez la force. Une texture répétée, un motif en carreaux, ou une surface qui semble tissée là où elle devrait sembler pleine : décrivez la matière et son fini plutôt que le motif, car les noms de motifs sont recopiés au lieu d'être interprétés. Un texte corrompu, des étiquettes inventées, des lettres brouillées : cessez de demander à un modèle génératif de reproduire une typographie qu'il ne sait pas lire, et composez la vraie typographie après coup. Des lignes droites devenues courbes, des doigts fusionnés, des objets flottants : les problèmes de géométrie viennent généralement d'un prompt qui a dépensé ses mots sur le style plutôt que sur la structure, alors dites ce qui est où et ce qui repose sur quoi. Une lumière qui arrive de deux directions, ou une ombre qui pointe du mauvais côté : nommez la direction, la douceur et le moment de la journée en une seule phrase, pour que le modèle reçoive une lumière au lieu d'une description de la lumière. Des objets supplémentaires que personne n'avait demandés : la scène était sous-décrite et s'est remplie, alors nommez l'espace vide exprès.

Deux minutes de nommage remplacent généralement trois cycles de régénération. Cela transforme aussi une tentative ratée en information, ce qui est le seul coût qu'une reprise devrait vous prendre.

Juger à la taille à laquelle l'image sera utilisée

Toute image paraît acceptable en vignette. Les coutures disparaissent, le détail inventé se lit comme une texture, et une ombre qui pointe du mauvais côté est invisible. Jugez deux fois : une fois en taille réelle pour inspecter les bords, les visages et les lettres, et une fois à la taille à laquelle le fichier apparaîtra réellement, une carte de boutique, un en-tête, un écran de téléphone. Un détail qui survit en taille réelle peut disparaître à trois cents pixels de large, et un détail qui ne paraît rien à trois cents pixels peut être la raison pour laquelle un tirage est refusé.

Comparez à l'original plutôt qu'à la tentative précédente. La mémoire est une mauvaise référence : chaque génération réinitialise votre idée de ce à quoi ressemblait la source, et après quatre tentatives, la chose que vous protégez a dérivé dans votre tête autant que dans le fichier. Les éditeurs qui gardent un panneau d'historique règlent cela en vous laissant ouvrir n'importe quelle version antérieure à côté de la version actuelle ; utilisez-le donc délibérément comme un outil de comparaison plutôt que comme un endroit où faire défiler.

Un autre truc bon marché consiste à retourner l'image en miroir, ou à la laisser cinq minutes et à revenir. Les deux cassent la correspondance de motifs dans laquelle votre œil s'installe après trente secondes à fixer, et les deux font remonter le défaut que vous aviez cessé de voir.

S'arrêter au premier résultat qui passe

Les générations sont des échantillons, pas des réparations. Relancer le même prompt est un nouveau pile ou face sur une image nouvelle plutôt qu'un correctif progressif, et le dixième échantillon n'est pas meilleur que le quatrième, seulement différent.

Définissez donc l'arrêt. Si l'image satisfait la condition de réussite et que les défauts que vous avez trouvés n'apparaissent pas à la taille de sortie, c'est terminé. Utilisez-la et passez à la suite. Itérer au-delà de ce point, c'est ainsi qu'une session devient un après-midi, et qu'un bon résultat se retrouve remplacé par un résultat légèrement moins bon que vous vous êtes convaincu d'accepter.

Le corollaire compte davantage. Si deux tentatives consécutives échouent sur le même axe, arrêtez de générer et corrigez quelque chose en amont. Soit la photo source ne peut pas soutenir le changement, à cause de la résolution, du flou ou d'un objet orienté dans le mauvais sens, soit la demande était trop grande pour une seule passe et doit être découpée. D'autres tentatives sur un dispositif inchangé produisent le même échec avec un bruit différent.

Gardez le fichier accepté. Ne gardez une tentative rejetée que si elle vous a appris quelque chose, et préférez des noms de version qui disent ce qui a changé à final, final2 et final-v3.

Tenir une note de relecture en cinq lignes

Rien de tout cela ne prend longtemps quand c'est écrit, et la note s'amortit la deuxième fois que vous retouchez le même genre de photo.

Cinq lignes suffisent : le fichier source, la demande, la force utilisée, le verdict sur les deux questions et la décision. Bouteille de studio, force moyennement basse, changement obtenu, étiquette décalée, à accepter pour le social et à ne pas utiliser pour l'impression. C'est une phrase que vous pouvez confier à un collègue et une note que vous pouvez relire le mois prochain, quand le même client envoie le même produit.

Les équipes y gagnent un second bénéfice. Un verdict écrit met fin à la boucle où trois personnes décrivent la même image différemment et où personne ne peut dire ce qui la rendrait acceptable. La condition de réussite de la première étape devient le langage commun dans lequel se fait la relecture.

La routine est volontairement ennuyeuse : une phrase avant, deux questions pendant, une décision parmi trois après, une note à la fin. L'ennui est le but. La transformation est désormais assez rapide pour que le goulot d'étranglement soit passé de la génération au jugement, et le jugement est la partie que vous pouvez systématiser.

Commencez par une photo que vous aimez déjà, écrivez la phrase et lancez une passe avec la force là où la relecture dit qu'elle doit être. Si vous voulez tester la routine sur quelque chose de réel, ouvrez l'outil image to image de KOOX, et si la formulation reste la question ouverte, ces cinq recettes de prompt et cette routine en quatre passes couvrent cette moitié du travail.