Escalar una imagen con IA no es estirarla: el modelo reconstruye detalle que
no estaba ahí. Eso explica los buenos resultados y también los artefactos. Esta
guía cubre los modelos de escalado, los valores que funcionan y los errores que
estropean el resultado.
Qué hace realmente un escalador con IA
Un redimensionado clásico reparte los píxeles que ya tienes sobre un lienzo
mayor. El resultado es la misma imagen, más grande y más blanda. Un escalador
con IA hace algo distinto: mira la imagen, decide qué debería haber en el
detalle que falta y lo dibuja. Por eso puede devolver poros, pelo y trama de
tela donde antes solo había una mancha.
La consecuencia incómoda es que ese detalle es plausible, no real. En una
fotografía comprimida el modelo inventa la textura que faltaba, y el resultado
puede quedar muy bien sin ser fiel al original. Para material generado con IA
esto da igual, porque no hay ningún original al que ser fiel. Para una foto
concreta conviene tenerlo presente.
Hay dos familias que conviene distinguir. Los escaladores dedicados trabajan
por reconocimiento de patrones y son rápidos y predecibles. Los que usan un
modelo de difusión reconstruyen el detalle generando, y dan resultados mucho
mejores en material difícil, a cambio de tardar más y de desviarse más del
original.
La elección práctica se reduce a cuánto te importa la fidelidad. Si quieres
la misma imagen con más resolución, un escalador dedicado con poca fuerza es lo
correcto. Si la imagen de partida es floja y buscas un resultado presentable,
el camino por difusión rinde más.
Los modelos de escalado más habituales
Las interfaces locales suelen traer varios modelos con nombres crípticos, y
la diferencia entre ellos es mayor de lo que parece. Conviene probarlos con la
misma imagen antes de decidir cuál dejar por defecto.
Los modelos de la familia ESRGAN y sus variantes son el punto de partida
razonable. Funcionan bien con material fotográfico, mantienen la estructura y
no suelen inventar demasiado. Su defecto típico es alisar la piel más de la
cuenta, que en NSFW es justo lo que no quieres.
Existen variantes ajustadas para ilustración y anime que respetan mucho mejor
la línea y el color plano. Aplicar un modelo fotográfico a una imagen dibujada
suele producir bordes sucios y una textura de ruido que no pinta nada ahí. Si tu
material es anime, merece la pena buscar el modelo específico antes de dar por
malo el escalado.
Por último están los escaladores basados en difusión, que reconstruyen a
partir del modelo de generación que tengas cargado. Son los que mejor resuelven
una imagen de partida mala, y también los que más pueden cambiarla. Se
controlan con el mismo parámetro de siempre, el denoising, así que si vienes de
generación
de imagen a imagen ya sabes cómo se comportan.
El escalado por mosaico, que es lo que de verdad cambia el resultado
Escalar una imagen entera a un tamaño grande de una sola pasada choca con la
memoria de la gráfica y con la coherencia del modelo. La solución habitual es
dividir la imagen en cuadrados, procesar cada uno por separado y volver a
juntarlos. Esto es lo que permite llegar a resoluciones altas en equipos
normales.
Tiene dos consecuencias que hay que conocer. La primera es que cada cuadrado
se procesa sin ver el resto de la imagen, así que si el denoising es alto el
modelo puede inventar cosas distintas en cada uno. El síntoma clásico es una
textura que cambia de carácter a mitad de la piel, o un patrón repetido que
aparece varias veces en la misma superficie.
La segunda es el solapamiento. Los cuadrados deben pisarse un poco entre
ellos para que la unión no se note. Si el solapamiento es escaso aparecen líneas
rectas visibles en las juntas, sobre todo en zonas de color uniforme. Subirlo
cuesta tiempo de proceso y resuelve el problema.
La regla práctica que evita casi todos los desastres: con mosaico, mantén el
denoising bajo. Entre 0.15 y 0.3 el escalado añade detalle sin reinventar nada.
Por encima de 0.4 cada cuadrado empieza a tener vida propia y el resultado se
vuelve inconsistente justo en las zonas grandes.
Qué resolución pedir
La tentación es pedir el máximo posible. Suele ser mala idea por dos motivos.
El primero es que el detalle inventado crece con la ampliación, y a partir de
cierto punto la imagen deja de parecerse a lo que era. El segundo es que el
tiempo de proceso sube deprisa y la mejora perceptible no.
Duplicar el tamaño es el caso seguro y cubre la mayoría de las necesidades
reales. Cuadruplicar funciona bien cuando la imagen de partida ya era buena.
Más allá de eso conviene preguntarse para qué se va a usar la imagen, porque en
pantalla rara vez se aprecia.
Un detalle que se pasa por alto: escalar dos veces seguidas con factores
pequeños suele dar mejor resultado que una sola pasada agresiva. Cada pasada
parte de más información que la anterior, así que el modelo tiene que inventar
menos. A cambio, cada pasada resta un poco de contraste, así que tampoco
conviene encadenar muchas.
Antes de escalar, arregla la imagen
El escalado amplifica lo que ya hay, incluidos los defectos. Una cara mal
resuelta no se arregla al ampliarla: se convierte en una cara mal resuelta y
nítida, que suele quedar peor. El orden correcto casi siempre es arreglar
primero y ampliar después.
Si el problema es una cara pequeña y blanda, la corrección específica de
rostros lo resuelve mucho mejor, como explica la guía de ADetailer
en español. Si el problema es una zona concreta que está mal, lo suyo es
tratarla con máscara antes de tocar el tamaño, como se ve en la guía de inpaint para
NSFW.
Y si la imagen está genuinamente borrosa o ha pasado por demasiada
compresión, conviene entender primero de dónde viene el problema, porque no
todas las causas se arreglan igual. El repaso está en el material sobre imagen
borrosa y cómo solucionarla.
Escalado durante la generación
Además del escalado como paso aparte, las interfaces ofrecen ampliar dentro
de la propia generación: el modelo produce la imagen a tamaño base, la amplía y
vuelve a pasar por ella. Es cómodo porque ocurre en un solo clic, y tiene sus
propias trampas.
La primera es que la segunda pasada usa un denoising propio, y el valor por
defecto suele ser más alto de lo que conviene. Con algo en torno a 0.3 la imagen
gana detalle sin cambiar. Por encima de 0.5 la composición puede moverse, y
entonces la ampliación deja de ser una ampliación.
La segunda es que consume memoria durante la generación, no después, así que
una configuración que funcionaba puede empezar a fallar al activarlo. Si el
error aparece justo al llegar a ese paso, la causa es esa y no el modelo.
La tercera es de método: al ampliar dentro de la generación estás gastando
tiempo en todas las imágenes, incluidas las que vas a descartar. Para explorar
ideas conviene tenerlo apagado y activarlo solo cuando ya sabes qué imagen
quieres. Es la diferencia entre una sesión ágil y una tarde de esperas.
Escalar material generado no es lo mismo que escalar fotos
Con una imagen generada por IA no hay original al que ser fiel, así que el
detalle inventado es simplemente más imagen. Puedes permitirte valores más
altos y modelos más creativos sin que nadie pueda decir que el resultado es
incorrecto.
Con una fotografía real la situación cambia. El escalador va a decidir cómo
era un detalle que no puede saber, y el resultado puede ser convincente y falso
a la vez. En rostros esto se nota especialmente: pequeños cambios en los rasgos
alteran a quién se parece la persona.
La recomendación práctica es usar valores conservadores cuando el origen es
una foto, y reservar los escaladores por difusión para material generado o para
casos donde la fidelidad no importe. No es una cuestión técnica sino de qué
estás dispuesto a que el modelo invente.
Cómo comparar dos escaladores sin engañarte
La comparación informal casi siempre engaña, porque se miran dos imágenes a
tamaños distintos y gana la más nítida. Para comparar de verdad hacen falta tres
condiciones: misma imagen de partida, mismo factor de ampliación y visualización
al mismo tamaño en pantalla.
Conviene además mirar zonas concretas y no la imagen entera. La piel, el pelo,
los bordes entre dos superficies y cualquier zona de color plano son donde se
ven las diferencias. Una textura de tela revela más sobre un escalador que un
plano general completo.
Y hay una prueba que descarta rápido: ampliar una zona pequeña al doble y
mirarla al cien por cien. Si el modelo inventa un patrón regular donde debería
haber textura irregular, eso va a aparecer en todas tus imágenes, y es preferible
descubrirlo en una prueba que en un trabajo terminado.
Problemas típicos y su causa
Aparecen líneas rectas en zonas lisas. Es el borde de los cuadrados del
mosaico. Sube el solapamiento y, si persiste, baja el denoising.
La piel ha quedado de plástico. El modelo de escalado está alisando. Prueba
una variante distinta antes que tocar cualquier otro parámetro; en material
fotográfico la diferencia entre modelos es enorme.
Ha aparecido un patrón repetido por toda una superficie. Denoising demasiado
alto con mosaico: cada cuadrado ha inventado la misma textura por su cuenta.
Bájalo a la franja de 0.15 a 0.25.
La cara ha cambiado. Si usas escalado por difusión con denoising medio, esto
es esperable. Reduce el valor o protege la cara tratándola aparte.
La imagen se ha quedado sin contraste. Suele pasar tras encadenar varias
pasadas. Vuelve al original y hazlo en menos etapas.
El texto o los detalles finos se han vuelto ilegibles. Los escaladores no
reconstruyen texto de forma fiable, porque no lo entienden: reproducen algo que
se le parece. No hay ajuste que lo arregle del todo.
La generación falla por memoria. Es el caso más común al escalar, porque el
tamaño de salida multiplica la memoria necesaria. Reduce el tamaño del cuadrado
antes que nada. Los demás rodeos están en la guía sobre el
error de memoria CUDA.
Dónde se hace
En las interfaces derivadas de Automatic1111, incluida Forge, el escalado
aparece en una pestaña propia para imágenes sueltas y también como paso
posterior dentro de la propia generación. La instalación está en instalación
de Stable Diffusion en español.
En ComfyUI el escalado se monta con nodos, lo que permite combinar un modelo
de escalado con una pasada de difusión y afinar cada parte por separado. Es más
trabajo la primera vez y mucho menos a partir de la segunda, porque el flujo
queda guardado. El punto de partida está en la instalación
de ComfyUI para NSFW.
Si tu gráfica se queda corta para escalados grandes, alquilar una por horas
es una salida razonable y evita comprar hardware para algo puntual. El
procedimiento está en la guía de RunPod en
español. Y si solo quieres ver el tipo de resultado antes de montar nada,
puedes probarlo en un generador online.
Un flujo que funciona
El orden que menos trabajo repetido genera tiene cuatro pasos. Primero,
decide si la composición te sirve, ignorando los defectos pequeños. Segundo,
corrige esos defectos con máscara, uno a uno. Tercero, escala con un modelo
adecuado al tipo de imagen y con denoising bajo. Cuarto, si hace falta, una
pasada final muy suave para unificar la textura.
Saltarse el segundo paso es el error más caro, porque escalar consolida los
defectos y luego cuesta mucho más arreglarlos. Y saltarse el primero significa
invertir tiempo de proceso en una imagen que ibas a descartar de todas formas.
Una costumbre que ahorra disgustos: guarda siempre el archivo previo al
escalado. Es fácil querer volver atrás cuando descubres que el modelo elegido no
era el adecuado, y regenerar la imagen original no siempre es posible si no
anotaste la semilla. Quien prefiera no montar nada en local puede resolver el
caso puntual en un servicio listo para usar.
Preguntas frecuentes
¿Qué escalador es mejor para NSFW?
Depende del tipo de imagen más que del contenido. Para material fotográfico,
un modelo de la familia ESRGAN que no alise la piel suele ser lo más seguro.
Para ilustración y anime, la variante específica de ese estilo. La prueba
directa con la misma imagen responde más rápido que cualquier recomendación
general.
¿Cuánto puedo ampliar sin que se note?
Duplicar el tamaño casi siempre sale limpio. Cuadruplicar funciona si la
imagen de partida era buena. A partir de ahí el detalle es cada vez más
inventado, y aunque puede quedar bien, ya no se parece tanto al original.
¿Por qué se ven cuadros en la imagen escalada?
Es el mosaico. La imagen se procesa por cuadrados y las uniones se notan
cuando el solapamiento es escaso o el denoising demasiado alto. Sube el
solapamiento y baja el denoising, en ese orden.
¿Escalar arregla una cara mal generada?
No. La deja más nítida, que no es lo mismo que mejor, y a veces empeora la
sensación. Las caras se arreglan antes de escalar, con una corrección específica
o con máscara.
¿Merece la pena escalar dos veces seguidas?
A menudo sí. Dos pasadas con factor pequeño suelen dar mejor resultado que una
sola agresiva, porque cada una parte de más información y el modelo inventa
menos. El límite es el contraste: cada pasada resta un poco, así que encadenar
cuatro o cinco deja la imagen apagada. Dos es el punto razonable para la mayoría
de los casos.
¿Por qué mi imagen anime sale con ruido al escalar?
Casi siempre por usar un modelo pensado para fotografía. Esos modelos buscan
textura donde la ilustración tiene color plano, y el resultado es un grano sucio
en las zonas lisas y bordes emborronados. Cambiar a la variante de escalado
específica para dibujo resuelve el problema de inmediato, sin tocar ningún otro
parámetro.
¿Necesito una gráfica potente?
Para escalados moderados con modelos dedicados, no demasiado: suelen ser poco
exigentes y funcionan incluso en equipos antiguos. El escalado por difusión con
mosaico sí pide más, aunque reducir el tamaño del cuadrado permite llegar a
resoluciones altas en equipos modestos a cambio de tiempo de proceso. Si el
trabajo es puntual y tu equipo se queda corto, alquilar una gráfica por horas
suele salir más a cuenta que cambiar de hardware por un caso aislado.
