Como funciona o rosto para completar em imagens
A técnica de preencher rostos ausentes ou danificados em fotos é algo que eu uso frequentemente quando trabalho com restauro de imagens antigas. O processo básico envolve usar modelos de IA para reconstruir características faciais que foram cobertas por arranhões, luzes fortes ou objetos na frente do rosto. Na prática, você seleciona a área danificada e deixa o modelo gerar pixels que façam sentido com o restante da composição. O que muita gente não entende é que existem dois enfoques totalmente diferentes. O primeiro é o inpainting tradicional, onde você redefine apenas a região marcada. O segundo, mais moderno, é o outpainting facial, que reconstrói o rosto inteiro mesmo quando apenas partes dele estão visíveis. Eu prefero o segundo método porque os resultados ficam mais naturais, especialmente quando a foto original tem baixa resolução.
Rosto para completar: o problema que ninguém menciona
Quando comecei a trabalhar com restauração de fotos dos anos 1940, tive um problema específico que levou duas semanas para resolver. A foto tinha um arranhão vertical passando exatamente pelo nariz da pessoa, o que quebrava a simetria facial. O modelo padrão gerava um nariz torto porque não conseguia entender que as duas metades do rosto precisavam ser espelhadas de forma realista. A solução foi dividir a imagem ao meio, processar cada lado separadamente e depois fundir as duas metades com uma transição suave na linha central. Esse workaround manual evita que o modelo tente criar características inconsistentes. Outro detalhe importante é que rostos para completar funcionam muito melhor quando a imagem original tem pelo menos 512x512 pixels. Abaixo disso, o modelo começa a alucinar detalhes que não existem. Eu já vi gente tentar recuperar fotos de celular pixelizadas e o resultado ficou bizarro, com olhos de tamanhos diferentes e bocas distorcidas. Nesses casos, o melhor é aceitar que a recuperação total não é possível e focar em melhorar o que já existe.
Ferramentas para fazer rosto para completar
Existem várias opções no mercado, mas eu sempre recomendo começar pelo Stable Diffusion com o modelo SDXL porque ele oferece o melhor equilíbrio entre qualidade e controle. Você instala junto com o extension ControlNet, que permite guiar o modelo usando máscaras manuais. O processo leva cerca de 3 minutos por imagem em uma GPU RTX 3060, mas pode cair para 30 segundos se você usar um modelo otimizado como o Realistic Vision. Se você não tem GPU potente, existe uma alternativa mais simples usando o aplicativo online da DeepFacesLab. Ele é gratuito e roda no navegador, mas a qualidade é inferior ao Stable Diffusion. O tempo de processamento varia de 1 a 5 minutos dependendo da complexidade da imagem. Eu uso essa ferramenta apenas para testes rápidos, antes de aplicar o método profissional no Photoshop.
Há também a opção do Adobe Photoshop com o recurso Generative Fill, que é pago mas muito prático. O preenchimento gera resultados aceitáveis em 10 segundos, mas falta o controle fino que você tem com o Stable Diffusion. Para trabalhos profissionais, eu considero o Generative Fill uma ferramenta complementar, não substituta.
👉 Clique no botão abaixo para saber mais sobre o assunto!
O processo passo a passo
Primeiro você prepara a imagem no Photoshop, criando uma máscara precisa ao redor da área danificada. Use a ferramenta Lasso com suavização de 2 pixels para evitar bordas duras. Depois de exportar a máscara, abra o Stable Diffusion e carregue a imagem original junto com a máscara. No prompt, escreva algo simples como "portrait, natural lighting, detailed face". Não adicione muitos detalhes porque o modelo tende a interpretar isso como instruções para mudar a aparência da pessoa, o que pode criar rostos irreconhecíveis. O segredo é manter o prompt minimalista e deixar o modelo fazer o trabalho dele.
A configuração de sampling é crucial. Use o método DPM++ 2M Karras com 30 steps. Steps demais criam artefatos visíveis, especialmente na textura da pele. O valor de CFG scale deve ficar entre 7 e 10. Valores acima de 10 tornam a imagem muito rígida, com características faciais exageradas que parecem artificiais. Depois de gerar, você precisa refinar manualmente usando a ferramenta Healing Brush do Photoshop. Isso remove pequenos defeitos que o modelo não conseguiu corrigir, como poros mal definidos ou linhas de expressão inconsistentes. Esse passo extra leva cerca de 10 minutos por imagem, mas faz toda a diferença no resultado final.
Limitações e alternativas
O rosto para completar não funciona bem quando a área danificada cobre mais de 60 por cento do rosto. Nesse cenário, o modelo não tem informação suficiente para reconstruir características faciais consistentes. Eu recomendo nesses casos usar técnicas manuais de pintura digital, que exigem habilidade artística mas produzem resultados mais confiáveis. Outro problema comum é a iluminação inconsistente. Se a foto original tem luz lateral forte e o modelo gera o rosto com iluminação frontal, o resultado fica óbvio. A solução é ajustar a iluminação da máscara antes de processar, usando ferramentas de curva no Photoshop para equalizar o brilho da área danificada com o resto do rosto.
Se você precisa processar muitas imagens em lote, considere usar o Automatic1111 Web UI com o parâmetro batch size definido como 4. Isso processa quatro imagens simultaneamente, economizando cerca de 75 por cento do tempo total. No entanto, tenha cuidado com a memória da GPU, porque quatro imagens de alta resolução podem estourar o VRAM em placas com menos de 12 gigabytes. Para quem trabalha com restoration forense, existe uma alternativa mais precisa chamada FaceSwapGAN. Ela é desenvolvida especificamente para reconhecimento facial e preserva melhor as características originais da pessoa. O processo é mais lento, cerca de 10 minutos por imagem, mas a fidelidade ao rosto original é significativamente maior.
A qualidade final depende muito da resolução da imagem original. Fotos com menos de 2 megapixels geralmente precisam de upscaling antes do processamento facial. Eu uso o Real-ESRGAN para esse passo, que aumenta a resolução sem perder detalhes importantes. O resultado é uma imagem mais nítida que facilita o trabalho do modelo de inpainting. No fim das contas, o rosto para completar é uma ferramenta poderosa quando usada corretamente. Mas exige paciência e prática. As primeiras tentativas podem falhar várias vezes antes de produzir um resultado aceitável. A curva de aprendizado é mais pronunciada do que o esperado, especialmente para quem está acostumado com ferramentas automáticas como o Generative Fill.
