L’installation d’une IA chez soi (via Stable Diffusion A1111), est un levier pour explorer et approfondir librement des domaines que l’on connait ou que l’on souhaite découvrir.
Pour ma part, il s’agit du vêtement, son histoire, son rôle social et la mode bien entendu…
Acte I: L’exposition
Après la partie technique (cf. épisodes précédents) je suis passé à la pratique avec deux maisons « oubliées » aux univers très différents: les Sœurs Callot (1895 -1953) et Margaine-Lacroix (1889–1929).
Alors que l’histoire n’a retenu que Paul Poiret, c’est Margaine-Lacroix qui supprime le corset discrètement grâce à une astuce de couture, elle crée ainsi la robe « Sylphide ». Une robe qui épouse les formes naturelles. À l’époque, c’est un scandale — et un tournant. Considérez-la comme la première robe « body conscious » !
Ces maisons sont peu documentées : il faut recouper entre photos d’archives, réclames anciennes, articles de presse, clichés de studio photos…
C’est là un des points où les IA génératives peuvent réellement aider pour archiver et structurer.
Acte II: Confrontation
Je me suis concentré sur l’entrainement des Sœurs Callot. J’ai guidé les prompts, par ajustements successifs, de façon classique, pour restituer des silhouettes perdues puis pour enrichir et réinventer .
Un peu comme un styliste-modéliste on retouche les formes, varie les matières…
La puissance de création de la machine booste notre imagination.
Dans les méthodes à appliquer, l’une d’entre elles est la définition des grandes caractéristiques des maisons, ainsi:
- Soeurs Callot > dentelle, passementerie, moirés, lamés, inspiration orientale…
- Margaine-Lacroix > robe « Sylphide » et robes tanagréennes, corset, souplesse, sculpture du vêtement, bodycon…
Ci-dessous les premiers essais qui se contentent de reproduire (avec quelques modifications involontaires) le style de la maison des Sœurs Callot.
Ci-dessous autre batterie de tests, sur la pose, une influence asiatique, sport, urbaine, tout en puisant dans le dataset_callot_v2.x, donc présence des broderies, dentelles…
En travaillant sur des centaines d’itérations et en se référant aux sources, des détails surgissent, ici le traitement des bas des robes et des jupes. Les passementeries « traditionnelles » sur le bomber sont aussi un début d’inspiration…
Acte III: Jeux de mots
Ci-dessous, d’autres axes de recherche sur des choix de matières différentes (polaire, soie…), une orientation hoodie « de luxe » à traîne, des contrastes de longueurs. Tout cela réclame un réglage très fin des prompts de base où chaque terme doit être pondéré selon le résultat escompté. On peut, en effet, s’éloigner entièrement (et inversement) de la référence selon la valeur des termes. Plus que du prompt engineering, il s’agit d’un réel travail de styliste exigeant des connaissances.
Acte IV: Résolution
Pendant mes recherches-test plusieurs questions émergent mais la principale est autour du choix des silhouettes qui composent le datatset. Le style Callot de 1895 à 1953 à bien évolué. Faut-il donc:
- contextualiser et créer des dataset plus petits, mais ciblés (époques, formes, inspirations…), d’où un travail de granularité et de sélection approfondi, cela afin de conserver une création plus contrôlée, cohérente. Eventuellement combiner ces « petits » datasets entre eux si l’on souhaite plus de créativité.
- créer un dataset le plus large possible, laissant libre cours à toutes les hybridations possibles par l’IA mais au risque de résultats parfois weird ou au contraire audacieux.
Je vais m’atteler à préparer ces « petits » datasets et recommencer une batterie de tests…
Ci-dessous des résultats imprévus mais qui prouvent que l’on peut préparer différents types de datasets, ciblés sur le mannequin et des close-up. Ce qui constitue un autre axe de recherche.
Le vrai potentiel des IA génératives se révèle comme étant un outil pour construire de nouvelles narrations, visuelles et documentées.
Lutter contre la puissance de création des machines est peu intéressant, profitons-en pour errer, hésiter, contredire et se questionner.
A suivre…
lemodalogue.com 