Revisando resultados de transformação de imagem com IA: uma checklist antes de iterar novamente

A maioria das sessões ruins de transformação de imagem não é problema de prompt. É problema de revisão. Alguém gera um resultado, sente que está errado sem conseguir dizer como, reescreve o prompt inteiro e gera de novo, desta vez perdendo as três coisas que já estavam certas. Dez minutos depois há cinco imagens, cada uma errada de um jeito diferente, e nenhum registro de qual mudança produziu qual resultado.

O passo que falta é uma forma de olhar para um resultado que termina em uma de três decisões: aceitar, mudar o texto ou mudar a força. Essa rotina cabe entre as gerações, não dentro delas. Ela também pressupõe que você já sabe o que quer da foto, o que é uma habilidade separada de julgar se conseguiu.

Escreva a condição de aprovação antes de gerar

Uma revisão precisa de um padrão, e o padrão tem de existir antes da imagem. Escreva primeiro uma frase: o que precisa ser verdade para esta imagem estar pronta. A mesma garrafa na mesma superfície de pedra com a mesma direção de sombra, mas com o fundo em areia quente em vez de cinza. Essa frase tem duas metades e as duas contam: a mudança que você quer e as coisas que precisam sobreviver a ela.

A frase também filtra pedidos ruins. Se a sua condição de aprovação precisa de três orações sobre clima, iluminação e um material novo, o trabalho são três edições fingindo ser uma, e nenhuma revisão isolada vai conseguir dizer qual parte falhou. Divida, mantenha a fonte e execute as partes em sequência. É assim que o editor de prompt de texto no Adobe Firefly deve ser usado: o próprio tutorial empilha uma instrução sobre o resultado anterior, recolorindo um vaso, depois adicionando papel de parede, depois adicionando flores a um quarto vaso. Cada etapa carrega sua própria condição de aprovação e sua própria revisão.

Se você não consegue escrever a frase, não está pronto para julgar nada. A geração, nesse ponto, parece adivinhação, porque é.

Faça duas perguntas sobre cada resultado, nesta ordem

Olhe para o resultado e responda estas perguntas separadamente.

Primeiro: a coisa que eu pedi realmente mudou? Segundo: tudo o que eu não pedi ficou onde estava?

São perguntas separadas porque falham separadamente, e as duas falhas têm causas opostas. Mudança ausente com preservação intacta significa que a instrução foi fraca demais ou a transformação tímida demais: o modelo tratou sua foto como a resposta e o prompt como sugestão. Mudança entregue com preservação quebrada significa o contrário: o modelo tinha liberdade e a gastou, reestilizando a superfície, a iluminação e a geometria porque nada as mantinha no lugar.

Os pipelines de image to image baseados em difusão tornam isso mecânico. A documentação do Hugging Face descreve a imagem inicial sendo codificada, recebendo ruído e então passando por denoising na direção do prompt, com a configuração de força decidindo quanto do original sobrevive ao percurso. A escala de orientação (guidance scale) então governa quão estritamente o resultado segue o texto, com valores mais altos produzindo alinhamento mais firme ao prompt e menos espaço para desviar. Ao revisar, você lê essas duas forças na imagem. Pouca mudança é um empurrão fraco. Dano colateral demais é um empurrão forte sem nada que o ancore.

Mude um controle por vez, e a força costuma ser o controle

O instinto depois de um resultado decepcionante é reescrever o prompt. Muitas vezes esse é o primeiro movimento errado, porque muda várias coisas de uma vez e não ensina nada sobre qual delas importou.

Se o prompt está preciso e a mudança simplesmente não aconteceu, aumente a força da transformação. Se o prompt está preciso e a composição se afastou demais, diminua. A mesma documentação explica o que o número significa: uma força mais alta dá ao modelo mais espaço para produzir algo diferente da imagem inicial, e uma força de 1.0 significa que a imagem inicial é mais ou menos ignorada, enquanto valores menores mantêm a saída perto da foto que você trouxe.

O controle não é aritmética pura, mas vale conhecer a aritmética. A força escala quantos passos de denoising são aplicados, então uma força de 0.8 contra cinquenta passos adiciona e remove quarenta passos de ruído. Um movimento perto do topo da faixa muda muita coisa; o mesmo movimento perto da base muda muito pouco.

A ferramenta image to image da KOOX expõe esse controle diretamente e o descreve do mesmo jeito: força mais alta para mudanças mais dramáticas e força mais baixa para ficar mais perto do original. É a primeira coisa a mexer quando sua revisão diz direção certa, intensidade insuficiente. O que você não deve fazer é mexer na força e reescrever a frase na mesma tentativa. Se o resultado melhorar, você não saberá qual mudança fez isso, e a próxima imagem começa de um palpite.

Dê nome ao defeito antes de reescrever a frase

Insatisfação vaga produz novas tentativas vagas. Dê um nome ao defeito, e cada nome tem uma correção específica.

Costuras nas bordas ou um halo onde um elemento substituído encontra o entorno: a mudança local é maior do que o modelo consegue misturar, então reduza a área ou diminua a força. Textura repetida, padrão em mosaico ou uma superfície que parece tecida onde deveria parecer sólida: descreva o material e seu acabamento em vez do padrão, já que substantivos de padrão são copiados em vez de interpretados. Texto corrompido, rótulos inventados, letras embaralhadas: pare de pedir a um modelo generativo que reproduza tipografia que ele não consegue ler e componha a tipografia real depois. Linhas retas tortas, dedos fundidos, objetos flutuando: problemas de geometria costumam vir de um prompt que gastou suas palavras em estilo em vez de estrutura, então diga o que está onde e o que se apoia em quê. Luz chegando de duas direções, ou uma sombra apontando para o lado errado: nomeie a direção, a suavidade e a hora do dia em uma única frase, para que o modelo receba uma luz em vez de uma descrição de luz. Objetos extras que ninguém pediu: a cena estava subdescrita e foi preenchida, então nomeie o espaço vazio de propósito.

Dois minutos dando nome ao defeito costumam substituir três rodadas de regeneração. Também transformam uma tentativa frustrada em informação, que é a única coisa que uma nova tentativa deveria custar.

Julgue no tamanho em que a imagem será usada

Toda imagem parece aceitável como miniatura. As costuras desaparecem, o detalhe inventado passa por textura e uma sombra apontando para o lado errado fica invisível. Julgue duas vezes: uma em tamanho real, para inspecionar bordas, rostos e letras, e outra no tamanho em que o arquivo realmente vai aparecer, um cartão de loja, um cabeçalho, uma tela de celular. Detalhe que sobrevive em tamanho real pode sumir com trezentos pixels de largura, e detalhe que não parece nada com trezentos pixels pode ser o motivo de uma tiragem de impressão ser recusada.

Compare com o original, não com a tentativa anterior. A memória é uma referência ruim: cada geração reinicia sua noção de como a fonte era, e depois de quatro tentativas aquilo que você está protegendo já se deslocou tanto na sua cabeça quanto no arquivo. Editores que mantêm um painel de histórico resolvem isso permitindo abrir qualquer versão anterior ao lado da atual, então use esse painel deliberadamente como comparação em vez de um lugar para rolar.

Outro truque barato é espelhar a imagem, ou deixá-la por cinco minutos e voltar. Os dois quebram a correspondência de padrões em que seu olho se acomoda depois de trinta segundos de encarada, e os dois trazem à tona o defeito que você tinha parado de ver.

Pare no primeiro resultado que passar

Gerações são amostras, não reparos. Rodar o mesmo prompt de novo é um novo cara ou coroa sobre uma nova imagem em vez de uma correção incremental, e a décima amostra não é melhor que a quarta, apenas diferente.

Então defina a parada. Se a imagem cumpre a condição de aprovação e os defeitos que você encontrou não aparecem no tamanho de saída, ela está pronta. Use e siga em frente. Iterar além desse ponto é como uma sessão vira uma tarde inteira, e como um bom resultado é substituído por um ligeiramente pior que você se convenceu a aceitar.

O corolário importa mais. Se duas tentativas consecutivas falham no mesmo eixo, pare de gerar e corrija algo a montante. Ou a foto de origem não sustenta a mudança, por resolução, desfoque ou um objeto virado para o lado errado, ou o pedido era grande demais para uma passada e precisa ser dividido. Novas tentativas sobre uma configuração inalterada produzem a mesma falha com ruído diferente.

Guarde o arquivo aceito. Guarde uma tentativa rejeitada apenas se ela ensinou algo, e prefira nomes de versão que dizem o que mudou em vez de final, final2 e final-v3.

Mantenha uma nota de revisão de cinco linhas

Nada disso leva muito tempo quando está escrito, e a nota se paga na segunda vez que você edita o mesmo tipo de foto.

Cinco linhas bastam: o arquivo de origem, o pedido, a força usada, o veredito sobre as duas perguntas e a decisão. Garrafa de estúdio, força média-baixa, mudança aplicada, rótulo deslocado, aprovar para social e não usar para impressão. É uma frase que você pode entregar a um colega e uma nota que você pode ler no mês que vem, quando o mesmo cliente mandar o mesmo produto.

Equipes ganham um segundo benefício. Um veredito escrito encerra o ciclo em que três pessoas descrevem a mesma imagem de formas diferentes e ninguém consegue dizer o que a tornaria aceitável. A condição de aprovação do primeiro passo vira a linguagem compartilhada em que a revisão acontece.

A rotina é deliberadamente chata: uma frase antes, duas perguntas durante, uma entre três decisões depois, uma nota no fim. Ser chata é o ponto. A transformação é rápida o suficiente hoje para que o gargalo tenha passado da geração para o julgamento, e o julgamento é a parte que você pode sistematizar.

Comece com uma foto de que você já gosta, escreva a frase e faça uma passada com a força onde a revisão diz que ela deve ficar. Se quiser testar a rotina em algo real, abra a ferramenta image to image da KOOX e, se o texto ainda for a questão em aberto, estas cinco receitas de prompt e esta rotina de quatro passadas cobrem essa metade do trabalho.