Guidance et contrôle
Guider par texte et renforcer le suivi de consigne.
Texte vers image
Conditionnement texte via CLIP (encodeur texte-image contrastif : même espace pour phrase et image) + classifier-free guidance : mélange prédiction conditionnelle et inconditionnelle, échelle 5-9 typique. Trop haut = saturé et artefacts, trop bas = ignore la consigne. Contrôle spatial (pose, bords) via adaptateurs type ControlNet (réseau qui injecte une carte de contrôle dans la diffusion gelée).
Limites
Mains, texte dans l'image, biais du dataset : à documenter comme en vision discriminative. Un beau sample isolé ne prouve rien : montrez grilles à seed fixée.
Pas de correction en ligneConfrontez votre code aux résultats attendus du cours.