L’une de mes peintures de bruit a commencé par le portrait de mariage de quelqu’un. Des inconnus sur Facebook. La pièce de départ était une vraie photo, mais elle avait ce côté étrange, presque inquiétant, qui m’a touchée.
Imaginez un couple du Sud profond des États-Unis, le jour de son mariage, debout sur un porche tout ce qu’il y a de plus banal. Ils ont tous les deux la petite quarantaine, et à voir leur tête, on sait que quelque chose cloche, et pas qu’un peu.
Alors, j’ai importé la photo dans Krita et je l’ai coupée en trois sections, haut et bas le long du milieu, en laissant une section centrale minuscule de seulement quelques pixels de haut.
Après ça, j’ai collé un dessin au trait que j’avais fait et je l’ai fusionné avec le mode de fusion Incrustation sur un nouveau calque, pour qu’il soit transparent.
Je fais ça parce que ça donne à l’image une texture qu’on peut déplacer ou tordre plus tard.
Et voilà comment j’ai obtenu ma peinture de bruit, ou image « buvard ».
D’après mon expérience, un bon buvard contient des lignes et des artefacts qui sortent de la distribution qu’on considérerait comme « normale ».
Ensuite, j’ai passé le buvard dans Stable Diffusion.
Parfois, j’utilise ComfyUI quand je veux un processus technique plus complexe. Mais cette fois, j’ai pris AUTOMATIC1111 parce que c’est plus simple, je n’avais besoin que de deux couches de conditionnement, et le plus gros du travail technique s’est fait dans Krita.
Là, je l’ai lancé avec un réglage de flou bas et une similitude sémantique élevée (CFG 16), ce qui restreint les possibilités de la machine.
Et j’ai veillé à utiliser un prompt verbeux de « papillon bactérien » pour le paintover de conditionnement avec le modèle Juggernaut X de RunDiffusion. J’aime la façon dont X réagit aux contours bizarres de mes buvards.
L’idée, quand on s’y prend comme ça, c’est d’opposer les différentes pièces de la machine les unes aux autres.
On veut casser le calcul de distance (les étapes nécessaires pour passer d’où on en est à la chose décrite), le classificateur (la façon dont la machine comprend ce qu’on lui donne) et le denoiser (le truc qui transforme la sortie d’un bruit statique en image finale).
C’est un peu comme dire à la machine : « Ne crois pas ce que tes yeux et tes instructions te disent ! »
Oui, oui.
On peut aussi voir ça comme l’organisation d’un petit combat de robots.
Moins on lui laisse de liberté pour s’agiter et donner une interprétation littérale du prompt, plus elle est obligée de peindre dans les lignes, si vous voyez ce que je veux dire.
À force d’en faire, on finit par développer un feeling sur la façon dont la machine va réagir à ces trucs.
Et ça m’a donné le rendu préliminaire, que j’ai choisi parmi un lot de 17 candidats.
J’ai pris ce rendu parce qu’il conservait la déformation de ma photo, vieillissait le marié d’environ 20 ans et bouffait complètement la mariée.
Il y a une poésie là-dedans, je trouve.
Bref, si les gens ont globalement arrêté d’utiliser Automatic, c’est parce que la version de base a des limitations qui rendent les résultats inachevés.
C’est très bien comme ça.
Si c’était trop fini à ce stade du processus, les résultats ne seraient pas intéressants.
Du coup, j’ai importé le tout dans GPT-Image 2.5 et je lui ai demandé d’effectuer des corrections mineures et une passe d’amélioration.
Ensuite, je lui ai dit d’utiliser le style esquisse d’une pièce précédente pour le redraw.
Et voilà comment j’ai fait la pièce finale.