Revisar resultados de transformación de imágenes con IA: una lista de comprobación antes de volver a iterar

La mayoría de las malas sesiones de transformación de imágenes no son problemas de prompt. Son problemas de revisión. Alguien genera un resultado, percibe que está mal sin poder decir en qué, reescribe todo el prompt y vuelve a generar, esta vez perdiendo las tres cosas que ya estaban bien. Diez minutos después hay cinco imágenes, cada una mal de una forma distinta, y ningún registro de qué cambio produjo qué resultado.

El paso que falta es una forma de mirar un resultado que termine en una de tres decisiones: aceptarlo, cambiar la redacción o cambiar la intensidad. Esa rutina encaja entre una generación y la siguiente, no dentro de ellas. También supone que ya sabes qué quieres de la foto, que es una habilidad distinta de juzgar si lo has conseguido.

Escribe la condición de aprobado antes de generar

Una revisión necesita un estándar, y el estándar tiene que existir antes que la imagen. Escribe primero una frase: qué tiene que ser cierto para que esta imagen esté terminada. La misma botella sobre la misma superficie de piedra con la misma dirección de sombra, pero con el fondo en arena cálida en lugar de gris. Esa frase tiene dos mitades y las dos cuentan: el cambio que quieres y las cosas que tienen que sobrevivir a él.

La frase también filtra las peticiones malas. Si tu condición de aprobado necesita tres cláusulas sobre el ambiente, la iluminación y un material nuevo, el trabajo son tres ediciones disfrazadas de una, y ninguna revisión única podrá decirte qué parte falló. Divídelo, conserva la fuente y ejecuta las partes en secuencia. Así es como está pensado para usarse el editor de prompts de texto de Adobe Firefly: su propio tutorial apila una instrucción sobre el resultado anterior, recoloreando un jarrón, luego añadiendo papel pintado y luego añadiendo flores a un cuarto jarrón. Cada paso lleva su propia condición de aprobado y su propia revisión.

Si no puedes escribir la frase, no estás listo para juzgar nada. Generar en ese punto se siente como adivinar, porque lo es.

Haz dos preguntas a cada resultado, en orden

Mira el resultado y responde a estas preguntas por separado.

Primero, ¿cambió de verdad lo que pedí? Segundo, ¿se quedó en su sitio todo lo que no pedí?

Son preguntas separadas porque fallan por separado, y los dos fallos tienen causas opuestas. Que falte el cambio mientras se mantiene la conservación significa que la instrucción fue demasiado blanda o la transformación demasiado tímida: el modelo trató tu foto como la respuesta y el prompt como una sugerencia. Que el cambio llegue mientras la conservación se rompe significa lo contrario: que el modelo tenía libertad y la gastó, reestilizando la superficie, la iluminación y la geometría porque nada las sujetaba en su sitio.

Los pipelines de imagen a imagen basados en difusión hacen que esto sea mecánico. La documentación de Hugging Face describe la imagen inicial codificándose, añadiéndose ruido y luego quitándose en dirección al prompt, con el ajuste de intensidad decidiendo cuánto del original sobrevive al trayecto. La escala de guía gobierna después con qué rigor el resultado sigue al texto, y los valores más altos producen un alineamiento más estrecho con el prompt y menos margen para desviarse. Cuando revisas, estás leyendo esas dos fuerzas en la imagen. Muy poco cambio es un empujón débil. Demasiado daño colateral es un empujón fuerte sin nada que lo ancle.

Cambia un control a la vez, y normalmente el control es la intensidad

El instinto tras un resultado decepcionante es reescribir el prompt. A menudo es el primer movimiento equivocado, porque cambia varias cosas a la vez y no te enseña nada sobre cuál importaba.

Si el prompt es preciso y el cambio simplemente no llegó, sube la intensidad de la transformación. Si el prompt es preciso y la composición se desplazó demasiado, bájala. La misma documentación explica qué significa el número: una intensidad más alta da al modelo más margen para producir algo distinto de la imagen de partida, y una intensidad de 1.0 significa que la imagen inicial se ignora más o menos, mientras que los valores más bajos mantienen la salida cerca de la foto que aportaste.

El control no es aritmética pura, pero la aritmética merece conocerse. La intensidad escala cuántos pasos de eliminación de ruido se aplican, así que una intensidad de 0.8 sobre cincuenta pasos añade y retira cuarenta pasos de ruido. Un movimiento cerca del extremo superior del rango cambia mucho; el mismo movimiento cerca del extremo inferior cambia muy poco.

La herramienta image to image de KOOX expone ese control directamente y lo describe de la misma manera: más intensidad para cambios más dramáticos y menos intensidad para mantenerse más cerca del original. Es lo primero que hay que mover cuando tu revisión dice dirección correcta, no suficiente. Lo que no deberías hacer es mover la intensidad y reescribir la frase en el mismo intento. Si el resultado mejora, no sabrás qué cambio lo hizo, y la siguiente imagen empieza desde una suposición.

Nombra el defecto antes de reescribir la frase

La insatisfacción vaga produce reintentos vagos. Ponle nombre al defecto y cada nombre tiene una solución concreta.

Costuras en los bordes o un halo donde un elemento sustituido se encuentra con su entorno: el cambio local es mayor de lo que el modelo puede fundir, así que reduce el área o baja la intensidad. Textura repetida, patrón en mosaico o una superficie que parece tejida donde debería verse sólida: describe el material y su acabado en lugar del patrón, porque los sustantivos de patrón se copian en vez de interpretarse. Texto corrupto, etiquetas inventadas, letras distorsionadas: deja de pedirle a un modelo generativo que reproduzca tipografía que no sabe leer y compón tipografía real después. Líneas rectas torcidas, dedos fusionados, objetos flotantes: los problemas de geometría suelen venir de un prompt que gastó sus palabras en estilo en lugar de estructura, así que di qué está dónde y qué se apoya sobre qué. Luz que llega desde dos direcciones, o una sombra que apunta hacia el lado equivocado: nombra la dirección, la suavidad y la hora del día en una sola frase para que el modelo reciba una luz y no una descripción de la luz. Objetos extra que nadie pidió: la escena estaba poco descrita y se rellenó, así que nombra el espacio vacío a propósito.

Dos minutos de nombrar suelen sustituir tres rondas de regeneración. También convierten un intento fallido en información, que es lo único que un reintento debería costarte.

Juzga al tamaño al que se usará la imagen

Toda imagen parece aceptable como miniatura. Las costuras desaparecen, el detalle inventado se lee como textura y una sombra que apunta hacia el lado equivocado es invisible. Juzga dos veces en su lugar: una a tamaño completo para inspeccionar bordes, rostros y tipografía, y otra al tamaño al que el archivo aparecerá de verdad, una tarjeta de tienda, una cabecera, una pantalla de teléfono. El detalle que sobrevive a tamaño completo puede desaparecer a trescientos píxeles de ancho, y el detalle que no parece nada a trescientos píxeles puede ser la razón por la que se rechaza una tirada de impresión.

Compara con el original en lugar de con el intento anterior. La memoria es una mala referencia: cada generación reinicia tu idea de cómo era la fuente, y tras cuatro intentos lo que estás protegiendo se ha desplazado en tu cabeza tanto como en el archivo. Los editores que mantienen un panel de historial lo resuelven dejándote abrir cualquier versión anterior junto a la actual, así que úsalo a propósito como comparación y no como un sitio por el que desplazarse.

Otro truco barato es poner la imagen en espejo, o dejarla cinco minutos y volver. Ambos rompen la coincidencia de patrones en la que tu ojo se instala tras treinta segundos de mirar fijamente, y ambos sacan a la superficie el defecto que habías dejado de ver.

Detente en el primer resultado que pasa

Las generaciones son muestras, no reparaciones. Ejecutar el mismo prompt otra vez es un nuevo lanzamiento de moneda sobre una imagen nueva en lugar de una corrección incremental, y la décima muestra no es mejor que la cuarta, solo distinta.

Así que define la parada. Si la imagen cumple la condición de aprobado y los defectos que encontraste no aparecen al tamaño de salida, está terminada. Úsala y sigue adelante. Iterar más allá de ese punto es cómo una sesión se convierte en una tarde, y cómo un buen resultado es sustituido por uno un poco peor al que te has convencido a ti mismo.

El corolario importa más. Si dos intentos consecutivos fallan en el mismo eje, deja de generar y arregla algo aguas arriba. O la foto de origen no puede sostener el cambio, por resolución, desenfoque o un objeto orientado hacia el lado equivocado, o la petición era demasiado grande para una sola pasada y necesita dividirse. Más intentos sobre una configuración sin cambios producen el mismo fallo con ruido distinto.

Conserva el archivo aceptado. Conserva un intento rechazado solo si te enseñó algo, y prefiere nombres de versión que digan qué cambió antes que final, final2 y final-v3.

Lleva una nota de revisión de cinco líneas

Nada de esto lleva mucho tiempo cuando está escrito, y la nota se paga sola la segunda vez que editas el mismo tipo de foto.

Cinco líneas son suficientes: el archivo de origen, la petición, la intensidad usada, el veredicto sobre las dos preguntas y la decisión. Botella de estudio, intensidad media-baja, el cambio llegó, la etiqueta se desplazó, aceptar para redes sociales y no usar para impresión. Esa es una frase que puedes entregar a un colega y una nota que puedes leer el mes que viene cuando el mismo cliente envíe el mismo producto.

Los equipos obtienen un segundo beneficio. Un veredicto escrito termina con el bucle en el que tres personas describen la misma imagen de forma distinta y nadie sabe decir qué la haría aceptable. La condición de aprobado del primer paso se convierte en el lenguaje compartido en el que ocurre la revisión.

La rutina es deliberadamente aburrida: una frase antes, dos preguntas durante, una de tres decisiones después, una nota al final. Aburrida es la idea. La transformación es ahora lo bastante rápida como para que el cuello de botella se haya movido de la generación al juicio, y el juicio es la parte que puedes sistematizar.

Empieza con una foto que ya te guste, escribe la frase y ejecuta una pasada con la intensidad donde la revisión dice que corresponde. Si quieres probar la rutina en algo real, abre la herramienta image to image de KOOX, y si la redacción sigue siendo la pregunta abierta, estas cinco recetas de prompts y esta rutina de cuatro pasadas cubren esa mitad del trabajo.