Image-to-image
Image-to-image (de imagen a imagen) es la tarea de generar una imagen nueva a partir de una existente más un prompt, conservando parte de la estructura del original mientras se cambia el estilo, el detalle o el contenido.
También llamado: img2img, image editing, image transformation
Por Divya Sharma · Comprobado el 15 nov 2026 · Cómo hacemos las reseñas
En lugar de partir de ruido puro como en text-to-image, el modelo parte de tu imagen. Puedes convertir un boceto en una ilustración terminada, dar a una foto el estilo de un cuadro o cambiar la estación del año de un paisaje.
Cómo funciona
El método img2img habitual procede de SDEdit. Añade una cantidad elegida de ruido a la imagen de entrada y después deja que un modelo de difusión vuelva a eliminarlo. El ajuste de fuerza (strength o denoise) decide cuánto ruido se añade. Con poca fuerza se conserva la mayor parte del original; con mucha fuerza solo se conservan las formas y los colores generales, y el prompt tiene más peso.
Edición por instrucciones
Los modelos más recientes aceptan una instrucción sencilla como "pon la chaqueta azul" y editan la imagen directamente, intentando cambiar solo lo que se ha pedido. Qwen Image Edit 2511 es un ejemplo abierto. También se llaman modelos de edición de imágenes.
Términos relacionados
El inpainting edita solo una zona enmascarada. ControlNet conserva una estructura concreta, como los bordes, la profundidad o la pose, y no toda la imagen. El escalado con un escalador de imágenes con IA es otra tarea image-to-image, centrada en la resolución.
Límites
Hay un equilibrio entre ser fiel a la entrada y seguir el prompt. Las caras y el texto pequeño pueden cambiar de formas no deseadas, incluso con poca fuerza.
Términos relacionados
- Inpainting y outpainting
- El inpainting consiste en rellenar una zona enmascarada de una imagen con contenido generado nuevo que encaje con el resto de la imagen. El outpainting es la misma idea aplicada fuera de los bordes, ampliando la imagen más allá de su marco.
- Text-to-image
- El text-to-image (texto a imagen) es la tarea de generar una imagen nueva a partir de una descripción escrita, llamada prompt. La mayoría de los modelos text-to-image actuales son modelos de difusión condicionados por el texto.
- ControlNet
- ControlNet es un complemento de red neuronal que permite a un modelo de difusión text-to-image seguir una guía estructural, como un mapa de bordes, un mapa de profundidad o una pose humana, además del prompt de texto.
- Modelo de difusión
- Un modelo de difusión (diffusion model) es un modelo generativo que aprende a convertir ruido aleatorio en datos, como una imagen, eliminando un poco de ruido cada vez a lo largo de muchos pasos.
- Escalado de imágenes con IA
- El escalado de imágenes con IA (upscaling), o superresolución, usa una red neuronal para ampliar una imagen y rellenar detalles plausibles, de modo que el resultado se ve más nítido que con un simple cambio de tamaño.