Pular para o conteúdo
ReviewRamble

A newsletter semanal

IA, analisada, na sua caixa de entrada.

  • Novas análises de ferramentas, modelos, servidores MCP e repositórios, com o veredicto logo no início
  • Preços e notas reconferidos quando algo muda
  • Novos artigos de análise assim que são publicados

Modelos, agentes, servidores MCP e as ferramentas que realmente valem seu tempo.

Um e-mail por semana. Cancele pelo link em qualquer edição. Como usamos seu e-mail

ControlNet

O ControlNet é um complemento de rede neural que permite a um modelo de difusão text-to-image seguir um guia estrutural, como um mapa de bordas, um mapa de profundidade ou uma pose humana, além do prompt de texto.

Também chamado: control net, spatial conditioning

Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos

Um prompt sozinho não consegue dizer exatamente onde as coisas ficam. O ControlNet acrescenta uma segunda entrada que fixa o layout. Dê a ele a pose de um boneco de palitos e a pessoa gerada fica daquele jeito; dê a ele os contornos de um prédio e a imagem mantém essas linhas enquanto o prompt decide o estilo.

Como funciona

Lvmin Zhang e colegas apresentaram o ControlNet em 2023. Ele congela o modelo de difusão original e treina uma cópia do seu encoder com a nova condição. A cópia se conecta de volta por camadas de convolução inicializadas com zero, então no início do treinamento ela não tem efeito e não consegue estragar o que o modelo base já sabe. Existem ControlNets separados para bordas, profundidade, segmentação, pose e mais, e vários podem ser combinados.

Onde você encontra

O ControlNet é presença garantida nos workflows baseados em nós do ComfyUI e é suportado no Diffusers e no InvokeAI. Designers o usam para manter a forma de um produto, arquitetos para mudar o estilo de esboços e animadores para manter consistente a pose de um personagem.

Como ele difere do image-to-image

O image-to-image parte de uma cópia com ruído da imagem inteira, então cores e texturas são levadas adiante. O ControlNet leva adiante só a estrutura que você extrai, deixando a aparência para o prompt. Ele também é diferente de uma LoRA, que muda o que o modelo desenha, como um estilo ou um personagem, e não onde ele desenha.

Termos relacionados

Modelo de difusão
Um modelo de difusão (diffusion model) é um modelo generativo que aprende a transformar ruído aleatório em dados, como uma imagem, removendo um pouco de ruído por vez ao longo de muitos passos.
Image-to-image
Image-to-image (imagem para imagem) é a tarefa de gerar uma nova imagem a partir de uma existente mais um prompt, mantendo parte da estrutura da original enquanto muda estilo, detalhes ou conteúdo.
Text-to-image
Text-to-image (texto para imagem) é a tarefa de gerar uma nova imagem a partir de uma descrição escrita, chamada de prompt. A maioria dos modelos text-to-image atuais são modelos de difusão condicionados pelo texto.
LoRA
LoRA (low-rank adaptation, adaptação de baixo posto) é um método de fine-tuning que congela os pesos originais de um modelo e treina pequenas matrizes de baixo posto adicionadas às suas camadas, então muito menos parâmetros mudam e é preciso bem menos memória de GPU.
Inpainting e outpainting
Inpainting (preenchimento interno) é preencher uma região mascarada de uma imagem com conteúdo novo gerado que combine com o resto da imagem. Outpainting é a mesma ideia aplicada fora das bordas, estendendo a imagem além do seu quadro.
Guidance scale (CFG)
A guidance scale (escala de orientação), ou CFG scale, é uma configuração de geradores de imagem por difusão que controla com que força a saída segue o prompt. Valores mais altos seguem o prompt mais de perto, mas reduzem a variedade.

Fontes