Image-to-image (img2img)
Image-to-image è una tecnica di intelligenza artificiale che modifica un'immagine esistente tramite un comando testuale, preservandone la struttura di base.
L'Image-to-image, comunemente abbreviato in img2img, è una modalità di generazione visiva tramite intelligenza artificiale in cui l'algoritmo non parte da zero, ma elabora un'immagine già esistente fornita dall'utente. A differenza del classico text-to-image, dove il modello interpreta soltanto una frase descrittiva, l'approccio img2img utilizza una fotografia, un bozzetto o un rendering preliminare come impalcatura strutturale, guidando la trasformazione estetica attraverso un prompt testuale.
Questo processo consente di preservare la composizione, i volumi, le pose e la prospettiva dell'originale, modificando al tempo stesso elementi specifici come l'illuminazione, i materiali, la palette cromatica o l'intero stile artistico, passando ad esempio da uno scarabocchio a matita a un'illustrazione digitale rifinita.
Come funziona il processo di trasformazione
Nei moderni modelli di diffusione, l'elaborazione img2img si basa sull'aggiunta e sulla successiva rimozione controllata di rumore visivo digitale. Il sistema prende l'immagine di partenza, applica un certo livello di disturbo casuale e poi esegue il processo di ricostruzione guidato sia dalla struttura rimasta sia dalle istruzioni del prompt.
L'elemento fondamentale di questa dinamica è il parametro della forza di trasformazione, noto nei software di generazione come denoising strength. Questo valore numerico stabilisce quanto l'algoritmo sia autorizzato a deviare dall'originale:
- Valori bassi: il modello introduce pochissimo rumore. Il risultato finale conserva quasi intatta la sorgente, applicando soltanto correzioni cromatiche leggere, pulizia dei dettagli o minimi cambi di texture.
- Valori intermedi: equilibrio ideale per la maggior parte dei progetti creativi. La geometria generale e i contorni principali rimangono riconoscibili, ma l'aspetto complessivo viene convertito nello stile richiesto dal testo.
- Valori alti: l'immagine viene quasi completamente coperta dal rumore digitale. L'intelligenza artificiale reinventa la scena in modo profondo, mantenendo solo una vaga traccia della disposizione dei volumi originari.
Un esempio pratico: dalla bottega artigiana al catalogo
Per comprendere l'utilità quotidiana di questa tecnica, immaginiamo un laboratorio di ceramiche artistiche a Faenza. L'artigiano disegna a mano libera su un taccuino la sagoma di un nuovo vaso decorativo, definendo curve particolari e proporzioni esatte. Invece di modellare e cuocere molteplici prototipi per valutare diverse finiture, carica la fotografia dello schizzo nel modulo img2img.
Inserendo istruzioni come "vaso in ceramica smaltata lucida con decoro geometrico blu cobalto, luce morbida da studio fotografico" e impostando una forza di trasformazione intermedia, il sistema genera in pochi secondi simulazioni fotorealistiche. La forma ideata dall'artigiano rimane intatta, ma il foglio di carta viene sostituito da superfici smaltate, riflessi verosimili e ombre coerenti, velocizzando la fase di presentazione ai clienti o di selezione delle varianti prima della produzione al tornio.
Errori frequenti nell'uso di img2img
Il problema più comune riguarda la mancata calibrazione della forza di trasformazione. Se il parametro è eccessivo rispetto all'obiettivo, l'AI ignora la silhouette originale e inventa soggetti slegati dalla composizione di partenza. Al contrario, un valore troppo prudente produce immagini che sembrano semplicemente coperte da una patina sgranata, senza acquisire lo stile desiderato.
Un secondo errore riguarda le proporzioni del file sorgente: caricare un'immagine quadrata chiedendo al sistema di generare un output panoramico provoca stiramenti o duplicazioni anomale dei soggetti. È sempre opportuno ritagliare l'immagine di partenza nel medesimo rapporto d'aspetto desiderato per il risultato finale prima di avviare il processo.
Come impostarlo in Midjourney, FLUX, Ideogram, GPT Image e ComfyUI, con immagini prima e dopo: Denoising strength (peso dell'immagine) nel glossario dei parametri
Domande frequenti
Qual è la differenza principale tra text-to-image e img2img?
Il text-to-image crea un'immagine partendo esclusivamente da parole chiave, mentre l'img2img richiede un'immagine visiva come base strutturale che viene poi reinterpretata secondo il testo fornito.
Posso usare img2img per migliorare una foto sfocata o di bassa qualità?
Sì, impostando una forza di trasformazione bassa o moderata e un prompt descrittivo mirato ai dettagli nitidi, il modello può ricostruire le texture e correggere la definizione preservando il soggetto originale.
Cosa indica il parametro denoising strength?
Indica la quantità di rumore digitale applicata all'immagine di partenza: valori vicini allo zero lasciano l'originale quasi invariato, mentre valori alti danno al modello piena libertà creativa.
