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.
Também chamado: img2img, image editing, image transformation
Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos
Em vez de partir de ruído puro, como no text-to-image, o modelo parte da sua imagem. Você pode transformar um esboço em uma ilustração finalizada, dar a uma foto o estilo de uma pintura ou mudar a estação do ano em uma paisagem.
Como funciona
O método img2img comum vem do SDEdit. Ele acrescenta uma quantidade escolhida de ruído à imagem de entrada e depois deixa um modelo de difusão remover o ruído de novo. A configuração de strength ou denoise decide quanto ruído é acrescentado. Um valor baixo mantém a maior parte da original; um valor alto mantém só formas e cores gerais e dá mais peso ao prompt.
Edição por instrução
Modelos mais novos aceitam uma instrução simples, como "deixe a jaqueta azul", e editam a imagem diretamente, buscando mudar só o que foi pedido. O Qwen Image Edit 2511 é um exemplo aberto. Eles também são chamados de modelos de edição de imagem.
Termos relacionados
O inpainting edita só uma área mascarada. O ControlNet mantém uma estrutura específica, como bordas, profundidade ou pose, e não a imagem inteira. O upscaling com um upscaler de IA é outra tarefa de image-to-image, focada na resolução.
Limites
Há um equilíbrio entre manter-se fiel à entrada e seguir o prompt. Rostos e textos pequenos podem mudar de formas indesejadas, mesmo com strength baixo.
Termos relacionados
- 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.
- 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.
- 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.
- 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.
- Upscaling de imagens com IA
- O upscaling de imagens com IA (ampliação), ou super-resolução, usa uma rede neural para ampliar uma imagem e preencher detalhes plausíveis, para que o resultado pareça mais nítido do que um redimensionamento simples deixaria.