Shopify
WooCommerce
APIInpainting de Imagens
A regeneração de uma região mascarada de uma imagem, deixando o restante intacto.
O que é inpainting de imagens?
O inpainting de imagens é uma técnica de visão computacional que reconstrói ou substitui uma região selecionada de uma imagem, mantendo o restante inalterado. Originalmente usado para restaurar fotografias danificadas e remover objetos, hoje é comumente executado por modelos de difusão, que preenchem a área da máscara com um novo conteúdo consciente do contexto.
No provador virtual, o inpainting confina a geração à região da roupa: o rosto, o cabelo e o fundo da foto original são preservados pixel por pixel, e apenas a área da peça de roupa é regenerada.
Como funciona num pipeline de provador virtual
- Criação da máscara: a segmentação de imagem produz uma máscara com precisão de pixels da roupa a ser substituída.
- Codificação de contexto: o modelo analisa tudo o que está fora da máscara: tom de pele, direção da iluminação, fundo.
- Regeneração condicionada: a área mascarada é preenchida com a nova peça de roupa, guiada pela imagem do produto e pela pose da pessoa.
- Mesclagem: as bordas da máscara são suavizadas para que a região regenerada faça uma transição contínua para os pixels preservados.
Principais desafios
- Precisão da máscara: uma máscara que não cobre uma manga deixa a roupa antiga visível; uma que é muito grande distorce as mãos ou o cabelo.
- Oclusão: cabelos ou braços cruzados na frente da roupa devem permanecer em primeiro plano.
- Realismo das bordas: costuras visíveis entre os pixels gerados e originais quebram a ilusão, especialmente nas golas e bainhas.
Uma breve história do inpainting
| Era | Abordagem | Exemplo |
|---|---|---|
| Anos 2000 | Métodos PDE baseados em difusão propagam os pixels ao redor em pequenos buracos | O método fast marching de Telea (2004), usado para remoção de arranhões e texto |
| 2009 a 2015 | Síntese baseada em patches copia patches de textura correspondentes de outras partes da imagem | PatchMatch (2009), a base do Preenchimento Sensível ao Conteúdo do Photoshop (2010) |
| 2018 a 2021 | Modelos de deep learning treinados para preencher grandes buracos com estrutura plausível | LaMa (2021), forte em grandes máscaras e padrões repetitivos |
| 2022 em diante | Inpainting de difusão generativa cria novo conteúdo guiado por texto ou por uma imagem de referência | Stable Diffusion e modelos posteriores de inpainting por difusão |
As três primeiras gerações reconstroem o que provavelmente estava por trás da máscara. O inpainting generativo pode colocar algo novo lá, o que o torna viável para o provador virtual: a região mascarada torna-se uma roupa que nunca esteve na foto original.
Inpainting além do provador virtual
- Remoção de objetos: apagar pessoas, fios ou logotipos de fotos.
- Restauração de fotos: preencher rachaduras, manchas e cantos rasgados em impressões digitalizadas.
- Outpainting: a operação inversa, expandindo uma imagem além de suas bordas originais.
- Edição de fotos de produtos: trocar fundos ou remover amassados em fotos de roupas.
Alternativas sem máscara
Alguns sistemas recentes de provador virtual ignoram a máscara explícita: o modelo recebe a foto inteira da pessoa e a imagem do produto e decide por si mesmo quais pixels alterar. Isso evita erros de máscara (uma manga esquecida, uma mão distorcida), mas torna mais difícil garantir que o rosto e o fundo fiquem intactos. Por isso, muitos pipelines ainda combinam uma máscara com um modelo generativo.
FAQ
Dúvidas respondidas.
O inpainting é o mesmo que preenchimento sensível ao conteúdo?↓
A ideia é a mesma, mas a capacidade é diferente. O preenchimento sensível ao conteúdo copia as texturas ao redor para esconder um objeto; já o inpainting generativo sintetiza conteúdo novo e semanticamente correto, como uma roupa que não estava na foto.
O que é inpainting em IA?↓
Na geração de imagens por IA, inpainting significa regenerar uma parte selecionada (mascarada) de uma imagem enquanto mantém todo o resto. Um modelo de difusão preenche a máscara com novo conteúdo que corresponde à iluminação e ao contexto do restante da foto, guiado por um prompt de texto ou por uma imagem de referência.
