Como funciona a geração de imagens com IA

A geração de imagens com IA funciona a partir de uns poucos princípios que não mudam, mesmo com um modelo novo aparecendo toda semana: redes que aprendem a transformar ruído em imagens, parâmetros que controlam o quão literal é o resultado e modelos auxiliares que cuidam da geometria. Entendê-los não é um luxo técnico: é o que separa pedir "faça um render bonito" para uma IA e se frustrar de saber exatamente o que pedir, com qual ferramenta e por que deu errado quando dá errado.

Este guia resume um treinamento que demos para mais de 130 arquitetos e designers. Ele vai do básico ao avançado: tipos de modelos, os três parâmetros que explicam a maioria dos resultados "estranhos", os métodos que você vai usar todos os dias e por que um chat generalista não serve para trabalhar com produtos reais.

Por que entender isso se tudo muda toda semana?

Porque a tecnologia muda, mas as bases permanecem. Os modelos novos são construídos sobre os mesmos princípios que você vai ver aqui, assim como o BIM foi construído sobre a lógica das pranchas sem substituir o arquiteto. Em cada salto tecnológico da profissão, da prancheta para o CAD e do CAD para o BIM, o que importou não foi a ferramenta em si, e sim como ela foi usada.

E há uma razão ainda mais prática: o vocabulário. Quando todo mundo sabe o que é uma planta, um corte e uma elevação, pedir mudanças é fácil. Com a IA acontece o mesmo: saber o que é uma seed, um modelo de difusão ou um ControlNet permite que você peça o que quer em vez de descrever "a coisinha que faz a coisa", como quem chega na loja de ferragens.

Que tipos de modelos geram imagens?

GANs: um pintor e um juiz

As GANs (2014) foram os primeiros modelos a inventar imagens novas e coerentes. Funcionam com duas redes que competem entre si: uma "pinta" a partir de ruído aleatório e a outra critica —"essa imagem é falsa"— até que a primeira consiga enganá-la. Foi assim que nasceram os primeiros rostos gerados, pequenos e borrados no começo, hiper-realistas depois com modelos como o StyleGAN. O paper original das GANs (2014) é o ponto de partida de tudo o que veio depois.

Transformers: construir com LEGO

Usam a mesma arquitetura dos modelos de texto como o GPT, mas aplicada a imagens: dividem a imagem em blocos (tokens visuais) e a constroem peça por peça, prevendo o próximo bloco como num quebra-cabeça. São menos comuns que a difusão para imagens estáticas, mas dominam em vídeo e em modelos multimodais.

Difusão: sintonizar a TV

Os modelos de difusão —Stable Diffusion, Midjourney, DALL·E— são os mais usados hoje. São treinados ao contrário: pegam fotos reais e adicionam ruído até destruí-las; depois aprendem o processo inverso. Na hora de gerar, partem de puro ruído e vão "limpando" passo a passo até a imagem aparecer, como mexer na antena até o canal sintonizar. A versão de código aberto democratizou o acesso e explica a explosão criativa desde 2021.

Controladores: o livro de colorir

ControlNet e LoRA não geram nada sozinhos: guiam os modelos grandes para que não saiam das linhas, como um livro de colorir. São a razão pela qual uma IA consegue respeitar o seu projeto em vez de inventar outro. Os mapas de controle mais úteis no design de interiores:

• Profundidade: o que está na frente e o que está atrás, essencial para luz e sombras corretas.
• Contornos e bordas: preservam geometria e escala; nada se deforma.
• Pose humana: um esqueleto de referência para gerar pessoas exatamente na postura desejada.
• Segmentação: isola áreas para trocar um material sem mexer no resto.
• Normais: simulam como a luz chega conforme a superfície seja rugosa, lisa ou brilhante.
• Linhas de perspectiva (MLSD): o mais importante para arquitetura de interiores — mantém o layout e a perspectiva do espaço.

Os LoRAs, por sua vez, são treinados para virar especialistas em um objeto específico —a sua cadeira, a sua garrafa, a sua luminária— e garantem que aquele produto saia fiel enquanto o modelo geral resolve a cena. O paper do ControlNet (2023) explica a técnica em detalhe.

Seed, CFG e passos: os três parâmetros que explicam os resultados "estranhos"

Seed: pedir para ser atendido pelo Pedro

A seed é o número que define o ponto de partida do ruído. Mesmo prompt + mesma seed = a mesma imagem; se você muda a seed, a "mulher de cabelo castanho, retrato 50 mm" continua atendendo à descrição, mas é outra pessoa. Se você já pediu "a mesma casa nórdica, só que em outra paisagem" e recebeu uma casa completamente diferente, foi isso: ninguém controlou a seed. É como voltar a um escritório e perguntar se o Pedro está, porque o Pedro já sabe como te atender.

CFG: o GPS da criatividade

Controla o quão literal a IA é com o seu prompt. Baixo: mais liberdade criativa. Alto: obediência total, com o risco do "gênio da lâmpada" — você pede "um quadro sobre a mesa" e ele coloca o quadro literalmente em cima da mesa em vez de pendurá-lo na parede. O bom senso da IA mora nesse parâmetro.

Passos: demãos de tinta

Quantas iterações o modelo faz para refinar a imagem a partir do ruído. Poucos passos: rápido, mas borrado —a orelha mal definida, a unha que falta—. Muitos: mais detalhe, mais tempo de espera. Como dar várias demãos de tinta.

Que métodos você vai usar no dia a dia?

1. Text-to-image: você escreve e a IA gera. "Faça um sofá capitonê de couro marrom em um fundo branco" produz exatamente isso.
2. Image-to-image: você sobe uma imagem e pede para modificá-la. É o método central do fluxo de design.
3. Inpainting / outpainting: com uma máscara de seleção você modifica só um pedacinho (trocar a cortina sem que apareça um sofá do nada) ou estende a imagem para além das bordas.
4. Imagens de referência e transferência de estilo: "quero o meu render com este estilo" — aquarela, croqui, uma pintura.
5. Multimodal: os modelos mais novos entendem texto e imagem de forma nativa, sem traduzir entre ferramentas — parecem mais um colaborador do que uma ferramenta isolada.

O salto de qualidade no design de interiores está em combinar esses métodos com os controladores. Um exemplo real da palestra: uma fotomontagem 2D feita com produtos do catálogo vira uma fotografia com profundidade, luzes e sombras — sem perder um único produto nem um centímetro de geometria:

Por que um chat generalista troca os seus produtos?

Porque ele gera uma imagem completamente nova, pixel por pixel, interpretando a anterior. Na palestra fizemos o teste: a mesma fotomontagem processada por um chat generalista voltou com outra luminária, uma mesa de cabeceira suspensa transformada em móvel de chão e um espelho diferente. Para um designer isso é fatal: se você já passou o link de compra para o cliente, a imagem não corresponde mais ao produto. Um fluxo especializado —modelo + segmentação + profundidade + perspectiva— preserva cada peça, porque existem controladores dedicados a garantir que nada saia dos limites.

Essa é exatamente a diferença que revisamos em IA para design de interiores: mais do que um render, e o problema que Kou, nosso assistente de IA, ataca: cada botão da Kouzee já traz pré-configurados o modelo, os controladores e os parâmetros certos para cada tarefa, para que você não precise ajustar seeds nem CFG na mão.

Perguntas frequentes

Preciso de um computador potente para gerar imagens?

Não necessariamente. Os modelos podem ser baixados e rodar localmente, mas exigem placas de vídeo grandes; por isso quase todos os serviços geram em servidores externos e você só envia a solicitação. Para o uso profissional típico, qualquer computador com navegador dá conta.

Por que a IA às vezes "inventa" coisas que eu não pedi?

Quase sempre é uma combinação de CFG (o quão literal ela é), falta de máscara de seleção (modificou mais do que você queria) ou uma seed sem controle (mudou o ponto de partida). Os agentes também interpretam de forma literal: se você deixa um banco flutuando na fotomontagem, vai sair um banco flutuando.

Qual modelo eu deveria usar?

Depende da tarefa, não da moda: difusão para imagens a partir de texto ou referência, controladores quando a geometria importa, multimodais para fluxos conversacionais. A estratégia saudável é testar e comparar — e usar ferramentas que já venham com os ajustes certos para o seu caso.

Por onde começar

Pegue uma foto ou um render do seu último projeto e teste três coisas: trocar um material com uma máscara, apagar um objeto e pedir uma variação controlando a referência. Com esses três exercícios você vai entender mais do que com horas de tutoriais. E se preferir ver ao vivo com o time, participe de um workshop gratuito na agenda da Kouzee.