J'aimerais savoir comment fonctionne la génération en img2img

Hier j'ai envoyé cette image a chat gpt

Puis en lui disant "convertie cette image en pixel art 16 bits" il a généré ça (impressionnant)

Puis je lui ai demandé de mettre le personnage debout de face en position neutre et de lui changer ses vêtements (en lui donnant des indications détaillée) et il a généré ça (parfait de a à z)

Malheureusement chatgpt est très limité sur le nombre d'images qu'on peut générer par jours j'ai donc décidé de chercher un autre générateur sur mon pc et la meilleure solution que j'ai trouvé était stable diffusion

Je l'ai donc installé avec le modèle sdxl et le checkpoint pixel diffusion et je lui ai envoyé cette image

Problème : j'ai testé une tonne de prompt et de paramètres différents en donnant les mêmes indications qu'à chat gpt mais il m'a généré des images sois : légèrement pixelisé mais avec la même pose que l'original (alors que j'ai précisé vouloir une pause droite de face) sois un truc totalement différent comme par exemple :

Je voulais savoir si il existait un guide ou alors quelqu'un pour m'expliquer la logique derrière la génération img2img ou même sur stable diffusion en général