Img2img parte de uma imagem que você já tem e gera outra em cima dela. Quem
domina um controle, o denoising, resolve a maior parte dos problemas de rosto
deformado e de resultado que foge do original. Este guia mostra os valores que
funcionam e os erros que estragam o quadro.
O que o img2img faz de verdade
No txt2img o modelo começa de ruído puro e constrói a cena inteira a partir
do seu texto. No img2img ele começa da sua imagem, adiciona ruído por cima e
depois reconstrói. A quantidade de ruído adicionado é o único número que decide
se o resultado vai parecer a mesma imagem melhorada ou uma imagem diferente que
só lembra a original de longe.
Essa diferença muda a forma de pensar o prompt. Em txt2img o texto carrega
tudo: pose, roupa, cenário, iluminação. Em img2img boa parte disso já está na
imagem de partida, e repetir tudo no prompt costuma atrapalhar, porque você
disputa influência com a própria imagem. Descreva o que deve mudar e o que deve
permanecer, não a cena inteira de novo.
Vale separar três usos que as pessoas misturam e que pedem ajustes bem
diferentes. O primeiro é refinar: manter a composição e ganhar pele, textura e
nitidez. O segundo é transformar: manter a pose mas trocar estilo, roupa ou
iluminação. O terceiro é corrigir: mexer em um pedaço específico, normalmente
rosto ou mãos, sem tocar no resto. Cada um pede uma faixa de denoising própria,
e tentar fazer os três com o mesmo valor é a causa mais comum de frustração.
Há ainda um quarto uso, menos falado, que é usar img2img como ponte entre
modelos. Você gera a composição em um modelo que entende bem poses e depois
passa o resultado por outro que entrega melhor textura de pele. Como a segunda
passada herda o enquadramento, você combina duas qualidades que dificilmente
aparecem juntas no mesmo checkpoint.
Denoising: o único controle que realmente importa
O denoising, ou força do img2img, vai de 0 a 1 e diz quanto da imagem
original o modelo pode destruir antes de reconstruir. Em 0 nada muda. Em 1 a
imagem de partida praticamente não conta e você voltou ao txt2img. Todo o
trabalho útil acontece entre esses extremos, e as faixas são mais estreitas do
que parece.
Entre 0.2 e 0.35 o modelo mexe em textura e ruído fino. A pele ganha poro, o
tecido ganha trama, as bordas ficam mais limpas. Composição, rosto e pose ficam
praticamente intactos. Essa é a faixa para quando a imagem já está certa e só
falta acabamento. Se você quer manter a identidade de um personagem, raramente
vale passar daqui.
Entre 0.4 e 0.55 começa a valer a pena. O modelo reinterpreta a iluminação,
suaviza erros leves de anatomia e pode corrigir mãos ruins com alguma sorte. O
rosto ainda costuma ser reconhecível, mas já muda um pouco. Essa é a faixa de
uso geral, e na prática a maioria dos resultados bons sai entre 0.45 e 0.5.
Entre 0.6 e 0.75 a imagem original vira apenas uma sugestão de composição. A
pose sobrevive, o enquadramento sobrevive, o rosto normalmente não. Use quando
o objetivo for trocar o estilo por completo, por exemplo sair de um render 3D e
chegar em algo fotográfico, e quando não importar preservar a pessoa.
Acima de 0.8 você está gerando uma imagem nova com um empurrão inicial. Às
vezes é exatamente o que se quer, mas nesse ponto costuma ser mais previsível
usar ControlNet para travar a pose e gerar do zero, em vez de esperar que o
denoising alto por acaso respeite a estrutura.
Como achar o valor certo sem desperdiçar tempo
O método que costuma economizar mais tempo é simples: fixe a seed, fixe o
prompt e gere a mesma imagem em 0.3, 0.45 e 0.6. Em três gerações você vê a
curva inteira do que aquele modelo faz com aquela imagem, e o valor bom quase
sempre está em uma dessas três ou entre duas delas. Chutar um número, olhar,
chutar outro e olhar de novo é como a maioria das pessoas perde a tarde.
Se o resultado em 0.45 ficou bom mas com um defeito pequeno num ponto
específico, não suba o denoising. Subir resolve o defeito e estraga o resto.
Nesses casos o caminho é tratar só aquela região, e é exatamente para isso que
existe o inpaint, que aparece mais abaixo.
Outro detalhe que passa despercebido: a seed continua importando no img2img.
Com a mesma imagem de entrada e o mesmo denoising, seeds diferentes produzem
resultados diferentes. Se um valor parece quase certo, trocar a seed algumas
vezes antes de mexer nos parâmetros costuma resolver mais rápido do que ficar
ajustando números.
Resolução: onde a maioria dos rostos se perde
Os modelos SDXL foram treinados perto de 1024 por 1024 pixels. Quando você
manda uma imagem muito menor, tipicamente 512 de lado, o modelo trabalha com
pouca informação e tende a inventar. Quando você manda uma imagem muito maior
sem cuidado, ele perde coerência e começa a repetir elementos, o que produz
aquelas imagens com duas cabeças ou um braço a mais.
A regra prática que evita os dois problemas: leve a imagem de partida para
perto da resolução nativa do modelo antes de rodar o img2img, mantendo a
proporção. Se a origem for pequena e estiver borrada, aumentar primeiro e
processar depois costuma dar um resultado bem melhor do que pedir que o img2img
faça as duas coisas ao mesmo tempo. O caminho de aumento está detalhado no
material sobre imagem
borrada e como resolver.
A proporção merece atenção separada. Se você muda a proporção entre a imagem
de entrada e a saída, a interface estica ou corta, e nenhum dos dois é neutro.
Esticar deforma rosto e corpo de um jeito que o modelo depois tenta
racionalizar, e o resultado é aquela sensação de que algo está errado sem que se
consiga apontar o quê. Mantenha a proporção e corte de propósito quando
precisar mudar o enquadramento.
Inpaint: img2img aplicado só a um pedaço
Inpaint é img2img com máscara. Você pinta a área que pode mudar e o resto
fica congelado. Isso resolve o dilema do denoising: dentro da máscara você pode
usar um valor alto o suficiente para consertar o problema, e fora dela nada
acontece.
Dois ajustes fazem quase toda a diferença. O primeiro é o que a interface
costuma chamar de preenchimento da área mascarada: reaproveitar o conteúdo
original como base preserva mais, enquanto começar de ruído latente dentro da
máscara reconstrói mais. Para consertar um rosto, reaproveitar o original com
denoising na faixa de 0.4 a 0.6 costuma ser o caminho seguro.
O segundo é o contexto. Processar só o retângulo da máscara em resolução
cheia dá muito mais detalhe do que processar a imagem inteira, porque o modelo
dedica todos os pixels disponíveis àquele pedaço. É por isso que um rosto
pequeno no fundo melhora tanto com inpaint e tão pouco com img2img normal: no
img2img normal aquele rosto tem poucos pixels e continua tendo.
A borda da máscara é o detalhe que separa um conserto invisível de um remendo
visível. Uma máscara colada no contorno do rosto quase sempre deixa uma emenda
perceptível no queixo ou no cabelo. Pinte com folga, incluindo um pouco do fundo
ao redor, e use o desfoque de máscara que a interface oferece. Para rostos em
específico existe um caminho automático que faz esse recorte sozinho, descrito
no guia de ADetailer
para corrigir rostos.
O prompt em img2img funciona diferente
O erro mais comum é escrever o prompt como se fosse txt2img, descrevendo a
cena inteira. A imagem já diz onde a pessoa está, que pose faz e como está
vestida. Repetir tudo isso divide a atenção do modelo e deixa menos espaço para
o que você realmente quer mudar.
Funciona melhor descrever o destino, não o conteúdo. Se o objetivo é pele com
textura, fale de pele, poro, luz lateral, filme. Se o objetivo é trocar o
estilo, fale do estilo e do meio. Uma linha curta e específica costuma render
mais que um parágrafo genérico cheio de palavras de qualidade.
O prompt negativo também muda de papel. Em txt2img ele evita defeitos de
geração. Em img2img ele serve principalmente para impedir que o modelo
reintroduza problemas que a imagem original não tem. Se a origem tem mãos
corretas, vale listar deformação de mão no negativo, porque o ruído adicionado
pode desfazer o que estava certo. A lógica geral dos negativos está no material
sobre prompts
NSFW em português.
Um fluxo que costuma dar certo
Na prática, o caminho que gera menos retrabalho tem quatro etapas. Primeira:
ajuste a imagem de partida para perto da resolução nativa, mantendo a proporção.
Segunda: rode img2img com denoising entre 0.4 e 0.5 e um prompt curto focado no
que deve mudar. Terceira: olhe o resultado inteiro e decida se a composição
serve, ignorando defeitos locais. Quarta: conserte os defeitos locais com
inpaint, um de cada vez.
A ordem importa porque consertar detalhe antes de fechar a composição é
trabalho jogado fora. Se você vai mudar o denoising geral depois, o rosto que
acabou de corrigir será reconstruído junto. Feche o quadro primeiro, refine
depois.
Quando o resultado geral está bom mas falta acabamento, um passe final de
denoising baixo, algo entre 0.2 e 0.3, costuma unificar a imagem e disfarçar
emendas de inpaint. Esse passe raramente estraga alguma coisa e com frequência é
o que faz a imagem parecer acabada. Se você quiser testar o fluxo sem montar
nada localmente, dá para experimentar a ideia em um gerador online que aceita imagem de
entrada antes de decidir instalar algo.
Problemas comuns e o que normalmente causa cada um
O rosto mudou de pessoa. Quase sempre denoising alto demais para o objetivo.
Baixe para a faixa de 0.3 a 0.4, ou mantenha o valor e trave o rosto com inpaint
em vez de processar a imagem toda.
Apareceram membros ou cabeças repetidos. Normalmente resolução muito acima do
que o modelo aguenta em uma passada. Volte para perto do tamanho nativo e
aumente depois, em uma etapa separada.
Nada mudou. Denoising baixo demais, ou o prompt está descrevendo o que a
imagem já é. Suba em degraus de 0.1 e troque o prompt por uma frase sobre o que
deve mudar.
A emenda do inpaint aparece. Máscara justa demais ou sem desfoque. Repinte
com folga e aumente o desfoque da borda. Um passe final leve em cima da imagem
inteira costuma resolver o que sobrar.
A imagem ficou com aspecto lavado depois de várias passadas. Cada ciclo de
img2img perde um pouco de contraste e de detalhe fino. Evite empilhar muitas
passadas; prefira menos etapas com valores bem escolhidos. Se já aconteceu,
recomeçar da imagem original costuma ser mais rápido do que tentar recuperar.
As cores saíram deslocadas em relação ao original. Acontece quando o prompt
descreve uma iluminação diferente da que a imagem tem, e o modelo tenta obedecer
aos dois. Ou você remove a menção de luz do prompt, ou aceita que a cor vai
mudar e ajusta o restante para acompanhar.
A geração falha por falta de memória. Costuma acontecer quando a resolução de
saída sobe junto com o tamanho do lote. Reduza o lote para uma imagem por vez
antes de mexer em qualquer outra coisa. Os demais contornos estão no guia sobre
erro
de memória CUDA.
Onde rodar
Qualquer interface local moderna traz img2img e inpaint. No Forge e nos
derivados do Automatic1111 eles ficam em abas próprias ao lado do txt2img, o que
costuma ser o caminho mais direto para quem está começando; o guia de instalação
está em Stable
Diffusion Forge em português.
No ComfyUI o mesmo processo é montado ligando nós, o que dá mais controle e
exige mais paciência no começo. A vantagem aparece quando você quer repetir o
mesmo fluxo com variações: o grafo vira um processo salvo em vez de uma
sequência de cliques. O ponto de partida está no tutorial
de ComfyUI em português.
Serviços em navegador costumam expor apenas a força do img2img e nada mais, o
que resolve casos simples e trava nos difíceis. Se a sua necessidade envolve
inpaint com máscara, normalmente vale o esforço de rodar localmente. Para trocar
o rosto de uma imagem por outro específico existe um caminho dedicado, que
funciona melhor que img2img genérico e está descrito em troca de
rosto com IA. Quem só quer ver o resultado antes de investir tempo pode
testar em um serviço pronto no navegador.
Sobre mãos, que é a pergunta que sempre volta: o img2img melhora mãos por
acaso, não por método. O caminho confiável é mascarar a mão e tratar só ela, com
o contexto em resolução cheia. O material sobre mãos
deformadas entra nos detalhes.
Perguntas frequentes
Qual denoising devo usar para manter o rosto da pessoa?
Na prática, algo entre 0.25 e 0.4 costuma preservar a identidade na maioria
dos modelos. Acima de 0.5 o rosto normalmente começa a virar outra pessoa. Se
você precisa de mudança grande no resto da imagem e rosto intacto, o caminho é
denoising alto com o rosto protegido por máscara, não um valor intermediário.
O img2img melhora a qualidade de uma foto ruim?
Até certo ponto. Ele adiciona detalhe plausível, que não é a mesma coisa que
recuperar detalhe real. Numa imagem muito pequena ou muito comprimida o modelo
inventa a textura que faltava, e o resultado pode ficar bom, mas não será fiel
ao original. Para ampliar de verdade, o passo de aumento vem antes.
Posso usar img2img para mudar só a roupa?
Sim, e é o caso clássico de inpaint. Mascare a região da roupa com alguma
folga, descreva no prompt apenas a peça desejada e use denoising na faixa de 0.5
a 0.7 dentro da máscara. Valores baixos tendem a manter a roupa antiga
fantasiada na nova.
Por que meu resultado fica parecido demais com a imagem original?
Normalmente denoising baixo, mas há um segundo motivo menos óbvio: um prompt
que descreve a imagem que você já tem. O modelo não tem para onde ir. Troque o
texto por uma descrição do destino e suba o valor em degraus de 0.1.
Preciso de placa de vídeo potente para img2img?
Depende bastante da resolução e do modelo. Como o img2img processa uma imagem
por vez e costuma usar resoluções parecidas com as do txt2img, a exigência
geralmente fica na mesma faixa do que você já usa para gerar. O inpaint com
contexto em resolução cheia tende a pesar mais, e reduzir o lote para uma imagem
costuma ser o primeiro ajuste útil.
