ニーズ:一度の素材取得から、何通りもの見せ方へ
生地の写真を一枚撮るか、一度スキャンする。それだけで、さまざまな形のドレープ画像を用意したい。さらに別の見せ方が必要になったら、プロンプトで指示し、商品紹介に使う画像を追加したい。私は、そんなカスタマーのニーズから出発しました。
大切なのは、画像の枚数だけではありません。形が変わっても、その生地らしい織り目、毛足、透け感が伝わること。素材を手に取れない場面でも、細部まで見せられる画像を目指しました。
困難:モデルと、布を同じように見ているか
生成モデルは多彩な布の表現を生み出せます。しかし、人が思い浮かべた「この生地」と、モデルが解釈する布が一致するとは限りません。見栄えのよい一枚ができても、次の構図で素材の個性が変わってしまえば、継続的には使いにくい。
私が取り組んだのは、モデルが何を捉え、どこから解釈がずれるのかを系統的に探ることでした。織り目、毛足、透け感をそれぞれの観点から見比べ、言葉と視覚情報によって、素材の実像をどう伝えられるかを考えました。
解決法:見つけた「合意」を、次にも引き継ぐ
私はプロンプトエンジニアリングを、気の利いた一文を探す作業としてではなく、生成モデルとの共通言語を育てる作業として捉えました。テキストで伝える意図と、画像から伝える視覚的な手がかりを照らし合わせ、モデルと共有できる表現を探りました。
そして、うまく伝わった意図や判断基準を、その場限りで終わらせない。何を保ち、何を変えてよいのかという「合意」を記録し、次の生成にも引き継ぐ考え方を重視しました。偶然の当たりを待つ「ガチャ」への依存を減らし、素材の個性を保ったまま表現を増やすための取り組みです。
ここで培ったのは、視覚的な要求を言語化し、出力の細部を比較し、次の指示と評価へつなげる経験でした。
結果:素材ごとの違いを、細部で見せる
私が実験から選んだ成果例は、織り目、半透明、ファー、コーデュロイ。ひとつの色や形の変化よりも、素材ごとに異なる見どころを並べました。最初の画像では織り組織を、続く画像では透ける部分と重なる部分、毛足の流れ、畝の連続性に注目してください。




私が目指したのは、カスタマーが必要なときに表現を追加でき、素材の魅力を細部まで届けられることです。ここに掲載したのは、実験から選んだAI生成の成果例です。実物を撮影した商品写真ではなく、布の見え方を探った結果として紹介しています。
