img2img

Co to jest

Img2img (od "image to image") to tryb generowania obrazu, w którym punktem startowym nie jest pusty szum, tylko istniejące zdjęcie. Model AI bierze to zdjęcie, dodaje do niego kontrolowaną porcję szumu, a potem "odszumia" je z powrotem zgodnie z Twoim promptem - czyli opisem tekstowym tego, co ma powstać. Efekt to nowy obraz, który zachowuje ogólną kompozycję, układ i proporcje z oryginału, ale zmienia szczegóły: styl, kolorystykę, teksturę skóry, ubranie czy oświetlenie.

Różnica względem zwykłego generowania od zera (text2img) jest prosta: text2img tworzy obraz wyłącznie z opisu, więc kompozycja za każdym razem może wyjść inna. Img2img narzuca modelowi szkielet - poza, kadr, układ ciała - i każe mu "domalować" resztę w nowej stylistyce. Dzięki temu masz dużo większą kontrolę nad tym, co dokładnie powstanie, niż przy losowym generowaniu.

Kluczowy parametr, który steruje tym procesem, to siła (denoising strength) - im wyższa, tym więcej model zmienia względem oryginału, aż przy wartościach bliskich maksimum obraz wyjściowy praktycznie nie przypomina wejściowego.

Do czego sluzy przy modelkach AI

Przy budowaniu wirtualnej postaci img2img jest jednym z podstawowych narzędzi utrzymania spójności wizerunku. Gdy masz już wygenerowaną "twarz referencyjną" swojej modelki, img2img pozwala przenieść ją w nowe sceny, stroje i pozy bez tworzenia od nowa zupełnie innej osoby za każdym razem. Wrzucasz zdjęcie referencyjne albo zdjęcie z zadaną pozą, a model dorabia nowe tło, ubranie czy oświetlenie, zachowując rysy twarzy na tyle, na ile pozwala ustawiona siła generowania.

Drugie typowe zastosowanie to poprawki i dopracowywanie już gotowych ujęć: zmiana koloru włosów, dodanie makijażu, korekta anatomii dłoni, zmiana tła na bardziej komercyjne. Zamiast generować cały obraz od zera i liczyć na trafienie, poprawiasz konkretny fragment, zachowując resztę kompozycji.

Img2img wykorzystuje się też do przenoszenia postaci między stylami - na przykład z surowego, testowego renderu do finalnej, dopracowanej estetyki, jaką chcesz publikować na danym profilu. To pozwala trzymać spójny "look" całej galerii, mimo że pojedyncze zdjęcia powstawały w różnych sesjach.

Jak sie tego uzywa

W praktyce workflow wygląda tak: wybierasz obraz bazowy (własne zdjęcie referencyjne, wcześniejszy render albo szkic pozy), wpisujesz prompt opisujący pożądany efekt, a następnie ustawiasz siłę denoisingu. To właśnie ten jeden suwak decyduje o wyniku najbardziej.

• Niska siła - obraz zostaje niemal identyczny, zmieniają się tylko drobne detale (np. lekka korekta kolorów, wygładzenie skóry). Dobre do zachowania rysów twarzy przy drobnych poprawkach.
• Średnia siła - kompozycja i poza zostają, ale zmienia się styl, ubranie, tło - typowy zakres do przenoszenia modelki w nowe sceny.
• Wysoka siła - model zaczyna traktować obraz bazowy głównie jako podpowiedź układu, a resztę tworzy praktycznie od nowa; rysy twarzy mogą się mocno rozjechać względem oryginału.

Dobór wartości zależy od konkretnego narzędzia i modelu, więc zamiast sztywnej liczby warto testować na małych krokach i obserwować, przy jakim poziomie postać przestaje "być sobą". W wielu narzędziach do img2img dochodzi też dodatkowa kontrola kompozycji (np. mapy pozy czy głębi), która pozwala trzymać układ ciała nawet przy wyższej sile denoisingu - to zwykle daje lepsze rezultaty niż samo żonglowanie jednym suwakiem.

Najczestszy blad

Najczęstszy błąd to ustawianie zbyt wysokiej siły denoisingu i oczekiwanie, że twarz zostanie "ta sama". Przy wysokich wartościach model faktycznie tworzy nowy obraz niemal od zera - efekt to seria zdjęć, które mają podobną pozę, ale za każdym razem inną osobę. Jeśli zależy Ci na spójnym wizerunku modelki, trzeba szukać najniższej siły, która wciąż daje pożądaną zmianę stylu czy sceny, a nie odwrotnie.