Ce que contrôle réellement une carte de profondeur
La carte de profondeur exploitée par ControlNet n’enregistre ni les ombres ni la lumière. Ce qu’elle enregistre, c’est la distance de chaque pixel à l’objectif. Le proche est clair, le lointain est sombre, et le contour de la figure comme les relations de profondeur entre les parties du corps sont comprimés en une « carte des distances » que le modèle sait lire.
Cela apporte deux bénéfices directs : le modèle n’est pas entraîné par les matières, les couleurs ou l’éclairage de l’image source, et il reçoit en revanche exactement l’orientation du corps, la position des membres et les relations d’occlusion avant-arrière. Donnez-lui une carte de profondeur d’une pose debout : il ne recopiera pas la texture des vêtements, mais il reproduira l’angle de la hanche, la levée du bras et la position des pieds au sol.
Le line art suit une autre voie : il décrit le contour et les lignes de structure, ce qui convient aux travaux où l’on doit conserver le squelette du cadrage sans laisser les niveaux de gris limiter la carnation. L’usage efficace n’est donc pas de choisir l’un ou l’autre, mais de préparer deux images par pose et de les utiliser par étape — carte de profondeur pour fixer le squelette au moment du cadrage, line art pour fixer le contour au moment du coloriage.
Étape une : réduire la bibliothèque à trois ou quatre poses
La plupart des gens se bloquent sur les paramètres, pas sur « trouver la bonne pose ». Le bon ordre est de converger d’abord, de générer ensuite.
- Commencez dans la bibliothèque de poses et réduisez la portée par système : choisissez entre corps entier solo, buste seul ou duo.
- Filtrez à nouveau par catégorie — debout, assis, à genoux, adossé. Système et catégorie sont deux niveaux, et leur combinaison laisse généralement quelques dizaines d’images.
- Verrouillez l’angle en dernier. Chaque pose propose cinq vues — face, plongeante, contre-plongée, profil et trois-quarts — et la vue plongeante comme la contre-plongée produisent des perspectives complètement différentes. Un mauvais choix ici rend tout le reste inutile.
Trois à cinq images suffisent. Au moment de générer, vous constaterez que les poses utilisables sont bien moins nombreuses que vous ne l’imaginiez — le problème est rarement la quantité, mais le choix de l’angle.
Étape deux : changer de source et faire une comparaison
Dans la barre de filtres de la bibliothèque de poses, l’option « Source » propose : carte de profondeur, line art, comparaison. En mode comparaison, le survol d’une carte affiche le line art en direct ; en pleine taille, les deux versions sont alignées côte à côte.
Cette étape demande peu de choses — vérifier que la pose tient dans les deux représentations. Certaines poses ont un contour net sur la carte de profondeur mais se brouillent en line art, là où le bras recouvre le torse ; à l’inverse, il existe des poses nettes en line art et dont la profondeur reste confuse. Repérer cela avant évite de produire cinq images inutiles puis de revenir en arrière.
Étape trois : les paramètres à utiliser dans ControlNet
Sous Stable Diffusion WebUI, la combinaison usuelle est la suivante :
- Préprocesseur : si vous utilisez directement la carte de profondeur de la bibliothèque, choisissez
none. Les images sont déjà normalisées ; les repasser dans un préprocesseur Depth ferait perdre des niveaux. - Modèle :
control_v11f1p_sd15_depth(SD1.5) ou le modèle depth SDXL correspondant, avec une version alignée sur le modèle de base. - Poids : à partir de 0.65. En dessous de 0.5, la pose dérive facilement ; au-dessus de 0.9, l’image devient rigide, comme un calque.
- Période de guidage : de 0 à 0.75. Les trois quarts initiaux des pas d’échantillonnage sont contrôlés, la fin est laissée au modèle pour les détails.
- Résolution : le rapport de l’image de contrôle et de l’image générée doit être identique. Les originaux font 900×1200 (3:4) ; générez aussi en 3:4, sinon la figure est étirée.
Les trois problèmes les plus fréquents
1. La figure devient un mannequin de bois
Poids trop élevé, ou période de guidage qui couvre les dernières étapes. Commencez par ramener le poids autour de 0.7 et fixez la fin du contrôle entre 0.7 et 0.8, afin de laisser le modèle traiter librement les plis et l’expression.
2. Les mains et les pieds se dégradent
La carte de profondeur contraint peu les doigts : les cinq doigts se trouvent presque sur le même niveau de profondeur. La solution est de resserrer le cadrage sur le buste, ou de corriger les mains en retouche locale après la génération. Le système « buste seul » de la bibliothèque est prévu pour ce type de plan.
3. Dans une scène à deux, une pose est toujours perdue
Lorsque les valeurs de profondeur des deux personnes se recouvrent, le modèle ne distingue plus qui est devant. Dans ce cas, passez d’abord au line art, ou éclaircissez d’un cran la carte de profondeur du duo pour mieux séparer les plans.
Figurer le processus
Sur un projet réel, je fixerais l’ordre suivant : filtrer l’angle → comparer les sources → régler le poids → tester sur une image → générer la série. Les deux premières étapes se font en deux minutes dans la bibliothèque ; les trois suivantes sont les seules réellement chronophages. Placer les actions bon marché en tête est ce qui rend l’ensemble du processus le plus économique.
Les 288 ensembles de poses et les 2,880 images de la bibliothèque sont téléchargeables directement, et récupérables par lots complets selon le système. L’article suivant explique comment écrire les prompts ; vous pouvez enchaîner directement.