Ampliar a foto com IA: o que muda no seu rosto

Antes de ampliar a foto com IA, responda estas seis perguntas

A foto saiu, você conferiu, aprovou. Aí bate a dúvida: 1.024 px parece pouco, e existe um botão em toda parte prometendo 2x, 4x, 8x. Antes de clicar, vale entender o que esse botão é. Ampliar foto com IA não é editar a sua foto: não há instrução de texto sua ali dentro. É um segundo modelo rodando sozinho sobre um arquivo pronto, decidindo o que deveria existir em cada espaço novo que ele mesmo acabou de criar. O caminho até este ponto está no guia que termina onde este artigo começa; daqui para a frente o objeto é o arquivo, e não mais o prompt.

As seis perguntas abaixo custam dois minutos e resolvem a maior parte dos casos sem abrir ferramenta nenhuma. Elas são o artefato principal deste artigo: se você só ler até aqui, leva o que importa.

1. Qual é o destino real desta foto? Escreva antes de abrir qualquer coisa: avatar de rede profissional, currículo em PDF, crachá, slide, banner impresso. Sem destino declarado, "melhorar a qualidade" não tem critério de parada, e é sempre o critério de parada que falta.
2. Quantos pixels esse destino pede? Tela pede muito menos do que a intuição sugere; papel pede uma conta. A tabela logo abaixo traz as duas réguas, e ela costuma encerrar a discussão antes da terceira pergunta.
3. Quantos pixels de rosto existem hoje? A conta é simples: pixels de cabeça = altura do arquivo multiplicada pela fração da altura que a cabeça ocupa. Num 1024x1024 com a cabeça em 60% da altura, são 614 px de cabeça. Esse número, e não o tamanho do arquivo, decide se a ampliação vai precisar inventar traço.
4. O defeito está no rosto ou fora dele? Ampliar fundo liso, tecido sem trama fina e cabelo em massa é barato: errar ali não muda quem você é. Ampliar olho, dente, linha do cabelo e marca de pele é caro, e o preço tem nome técnico.
5. Dá para gerar de novo já no tamanho certo? Quando a ferramenta aceita declarar o tamanho da saída, isso vence esticar depois, porque o pixel nasce na mesma passada em que o rosto nasce. O último H2 deste artigo tem os limites publicados dessa alternativa.
6. O que eu respondo se alguém comparar a ampliada com a original? Se a resposta exige explicação, a ampliação foi longe demais. É o mesmo critério que este blog aplica na hora de gerar, agora aplicado um passo adiante, quando a foto já tinha sido aprovada.

Repare no que essas seis perguntas não perguntam: nenhuma delas é "quantas vezes dá para ampliar". Esse é o número que as páginas de ferramenta oferecem em botão (2x, 4x, 8x, 16x) e é justamente o que não decide nada sozinho. Na maior parte dos destinos que uma foto profissional tem, o gargalo não é resolução. Ampliar, ali, resolve um problema que você não tem enquanto cria um que você não tinha.

O que um ampliador faz com um rosto pequeno: ele prevê, não recupera

Comece pelo problema matemático, porque ele encerra o assunto antes de qualquer opinião sobre ferramenta. Recuperar a foto grande a partir da pequena é o que a literatura chama de problema mal posto. Os autores do PULSE, trabalho apresentado na CVPR 2020 e disponível no repositório de preprints arXiv, escrevem que o problema "is inherently ill-posed, as the size of the total set of these images grows exponentially with the scale factor", e completam: "many high-resolution images can correspond to the exact same low-resolution image". Em português: muitas imagens grandes e diferentes entre si reduzem para exatamente a mesma imagem pequena, e esse conjunto cresce exponencialmente com o fator de ampliação.

Traduzindo para o seu arquivo: não existe "a" foto grande escondida dentro da pequena, esperando alguém revelar. Existe um conjunto enorme de fotos grandes que, reduzidas, dariam a sua. O ampliador escolhe uma delas. A escolha sai bem quando aquele detalhe é comum e você é comum naquele detalhe; ela troca a pessoa quando o detalhe era seu.

Dá para medir o tamanho dessa escolha com uma linha de aritmética. Numa ampliação de fator N, a fração do arquivo final que não foi fotografada é 1 - 1/N ao quadrado. Saindo de 1024x1024, um 2x devolve 2048x2048, ou seja 4.194.304 px, dos quais 3.145.728 não passaram por lente nenhuma: 75,00%. Num 4x são 93,75%, e num 8x, 98,44%. O limite dessa conta precisa vir junto: ela diz de quem foi a decisão sobre cada pixel, não o quanto o seu rosto mudou. Pixel decidido pelo modelo pode sair fiel, e sai, na maior parte da imagem. O problema é onde ele decide.

Quando o ampliador publica o que roda por dentro, dá para conferir isso sem acreditar em ninguém. O Clarity Upscaler é código aberto, marcava 30 milhões de execuções na página do Replicate em 04/08/2026, e o arquivo predict.py do repositório oficial mostra que ele não é um filtro de nitidez: é difusão rodando sobre a sua imagem, com prompt e prompt negativo. Lido no mesmo dia, ele declara o seguinte:

prompt (default) = "masterpiece, best quality, highres,
                    <lora:more_details:0.5> <lora:SDXLrender_v2.0:1>"

creativity   (0 a 1, default 0.35)  ->  denoising_strength
resemblance  (0 a 3, default 0.6)   ->  ControlNet tile_resample: weight
scale_factor (default 2)

Lendo de baixo para cima: a "semelhança" é o peso de um ControlNet que segura a sua imagem original, e a "criatividade" é a força de ruído da difusão, quanto o modelo tem licença para reescrever. E o prompt padrão chega com um pedido de mais detalhe embutido, num módulo cujo nome é literalmente more_details. Ou seja: o botão que você aperta para "melhorar" já vem pedindo detalhe que a sua foto não tem. O limite é obrigatório: esse é um ampliador entre muitos, e a maioria das páginas que aparecem na busca não publica o que roda por dentro. A frase correta é que, quando o ampliador publica, é isto que se vê.

O outro modelo aberto mais citado do assunto, o Real-ESRGAN, publicado como relatório técnico em 2021, fecha o raciocínio pelo lado do treino: ele é "trained with pure synthetic data", e os autores registram que o processo de degradação "is not perfect and could not cover the whole degradation space in the real world". Traduzindo: o ampliador aprendeu um jeito de parecer nítido a partir de defeitos fabricados no treino, e não a partir do defeito específico da sua foto. Ele tem um repertório, e aplica o repertório.

Uma fronteira, para não misturar dois problemas parecidos. O rosto que muda aqui muda depois de o arquivo já ter passado na sua conferência. Existe uma deriva anterior a esta, que acontece dentro da geração, quando o modelo lê a sua selfie e o seu texto ao mesmo tempo: essa é a troca de rosto que se resolve no texto do pedido, e tem artigo próprio aqui no blog. A deriva desta etapa não tem pedido seu nenhum: quem escreve o prompt é a ferramenta.

Por que "ampliar sem perder qualidade" é impossível por construção

Essa promessa aparece no título de quase toda página do assunto, e ela tem uma resposta formal desde 2018. Yochai Blau e Tomer Michaeli apresentaram na CVPR daquele ano, em sessão oral, um trabalho cujo resumo abre declarando o resultado: "we prove mathematically that distortion and perceptual quality are at odds with each other". No corpo do artigo eles escrevem que "there exists a region in the perception-distortion plane, which cannot be attained regardless of the algorithmic scheme" e que, perto da fronteira dessa região, "it is only possible to improve either perceptual quality or distortion, one at the expense of the other". Em português: qualidade percebida e fidelidade ao original não melhoram juntas, e isso vale "for any distortion measure", ou seja, não é defeito de uma métrica específica.

O que isso faz com a sua queixa: "ficou mais nítido, mas ficou estranho" deixa de ser impressão subjetiva e vira consequência esperada. O ampliador que te agrada mais no primeiro olhar é, por construção, o que se afastou mais do arquivo que entrou. Vale dizer o limite do resultado com todas as letras: é um teorema sobre algoritmos de restauração de imagem em geral, não uma medição de nenhum produto comercial, e ele não vira percentual de qualidade em lugar nenhum.

O mesmo artigo mostra que o preço é limitado e conhecido, pelo menos para uma métrica: no Teorema 3, para o erro quadrático, chegar à qualidade perceptual perfeita custa no máximo um fator 2 de distorção, o que os autores traduzem como 3 dB de PSNR. É um teto teórico para uma medida específica, não uma medida de quanto o seu rosto mudou. Serve para uma coisa só, e é a coisa que falta no debate em português: o trade-off é quantificado, não é conversa vaga.

E ele não vive só no papel. No CodeFormer, modelo de restauração de rosto apresentado na NeurIPS 2022, esse dilema é um parâmetro de linha de comando. O artigo descreve "a controllable feature transformation module that allows a flexible trade-off between fidelity and quality", e o README oficial do repositório instrui o usuário em uma frase: "Fidelity weight w lays in [0, 1]. Generally, smaller w tends to produce a higher-quality result, while larger w yields a higher-fidelity result." É a mesma escolha que o Clarity expõe como criatividade e semelhança, com outro nome. Duas ferramentas independentes, e nas duas a fidelidade é um lado do controle. Quando você não escolhe, o valor padrão escolhe por você. O limite: são dois modelos específicos, de 2022 e de código aberto, e nada aqui diz qual valor a sua ferramenta usa.

Medição própria, para não deixar isso no abstrato. Em 04/08/2026 baixei as cinco páginas que a busca em português devolve na primeira linha para "ampliar foto com IA" e "melhorar qualidade da foto com IA" (duas páginas de produto e três artigos), removi script, estilo e noscript, transformei tag em espaço e contei por radical, sem distinção de caixa, mantendo menu e rodapé, o que joga a favor delas: cerca de 11.100 palavras. Nelas, perceptual aparece 0 vez, PULSE 0, identidade 0, fidelidade 0, e o radical de distorção, 0. O radical de inventar aparece 2 vezes, as duas na mesma página, e rosto aparece 8 vezes no total das cinco.

A leitura mais honesta em português está fora dessas cinco e merece crédito: o artigo da Human Academy sobre upscale de imagem e vídeo escreve que "a IA não aumenta só a resolução, mas reconstrói informação", que "o resultado inventa mais do que restaura" e que "rostos se tornam irreconhecíveis" (2.852 palavras, com identidade 7 vezes e invent 4). O que ela não faz, e ninguém faz, é aplicar isso ao arquivo que você acabou de gerar, nomear o trade-off com a fonte na mão e publicar a conta por destino. É o buraco que este artigo veio tapar.

O caso documentado de um rosto que volta sendo de outra pessoa

O PULSE é o exemplo mais claro que a literatura tem, e é útil justamente porque os autores foram explícitos sobre o que ele faz. O método parte de uma imagem de 16x16 px e devolve 1024x1024, um fator de escala de 64. Ele não começa pela imagem pequena para ir somando detalhe: ele percorre o espaço latente de um modelo generativo procurando imagens que, reduzidas, deem de volta a entrada. Rosto de saída bonito, nítido, coerente, e sem compromisso nenhum com a pessoa da entrada.

Está escrito no próprio model card do artigo, e é a frase mais importante desta seção: "PULSE makes imaginary faces of people who do not exist, which should not be confused for real people. It will not help identify or reconstruct the original image." Logo acima, na mesma lista, os autores marcam "Not suitable for facial recognition/identification". Em português, e sem suavizar: o método fabrica rostos imaginários de gente que não existe, e ele não ajuda a identificar nem a reconstruir a imagem original.

Três limites vêm junto, e sem eles a citação vira exagero. Primeiro: é um modelo de 2020, e a área andou desde então. Segundo: é ampliação sem foto de referência anexada, situação diferente de gerar uma imagem com a sua selfie no anexo. Terceiro: os próprios autores declaram que o uso pretendido da implementação com rostos é "purely as an art project". Nada disso descreve o seu upscale de terça-feira. O que atravessa é o mecanismo, e o mecanismo é o mesmo, só que mais fraco: quanto menos pixel a região tem, mais o modelo escreve por conta própria.

Há um detalhe de método que este blog faz questão de citar do jeito certo, porque a internet costuma citar errado. Depois da repercussão pública do PULSE, os próprios autores acrescentaram ao artigo uma seção de viés, testaram quatro hipóteses de origem e publicaram taxas por subgrupo medidas no conjunto FairFace, com 100 exemplos por subgrupo, redução de fator 64 e 5 execuções por imagem: 79,2% para Black, 83,4% para White, 87,0% para East Asian, 87,0% para Middle Eastern, 87,4% para Indian, 87,4% para Southeast Asian e 90,2% para Latino/Hispanic. E escreveram, no mesmo parágrafo, que "there is some variation in these percentages, but it does not seem to be the primary cause of what we observed" e que a métrica "is lacking in that it only reports whether an image was found".

O que essa tabela mede, então, é se o algoritmo encontrou alguma imagem que reduz corretamente, e não o quanto o rosto encontrado parece com a pessoa. Ela não é medida de fidelidade de identidade, e transformá-la nisso seria distorcer a fonte para ganhar uma frase de efeito. O que a seção de viés prova é outra coisa, e continua valendo: o repertório de um modelo é o conjunto de imagens que ele viu, e quando ele precisa decidir sozinho, decide dentro desse repertório. É a mesma mecânica que este blog já documentou em clareamento de pele e rejuvenescimento na geração, um passo adiante no fluxo.

Quando ampliar ajuda de verdade e quando ela troca a pessoa

A pergunta operacional não é "quantas vezes", é "sobre o quê". Um ampliador trata a imagem inteira do mesmo jeito, mas o custo de errar varia brutalmente por região, e é isso que decide se a ampliação foi barata ou cara.

Barato: fundo liso, parede, tecido sem trama fina, cabelo tratado como massa, área grande de sombra. Ninguém tem memória da textura exata da sua parede, então um pixel inventado ali é indistinguível de um pixel fotografado. É por isso que ampliação faz milagre em paisagem e em foto de produto, e é dali que vem boa parte da fama do recurso.

Caro: olho (desenho da íris, linha dos cílios, pálpebra inferior), boca e separação dos dentes, linha do cabelo contra o fundo, e as suas marcas de pele, que são pinta, sarda, cicatriz e falha na barba. As quatro regiões têm duas propriedades ao mesmo tempo: poucos pixels e contraste alto. E são exatamente elas que carregam identidade. Um exemplo de escala ajuda a sentir o problema: com a régua de 55% a 65% da altura de quadro, que é convenção editorial deste blog e está no artigo que fixa quanto o rosto ocupa no quadro, um arquivo de 1024x1024 tem entre 563 e 666 px de cabeça. Parece muito, e é muito. O mesmo rosto exibido num avatar de 48 px fica com cerca de 28,8 px de cabeça e algo em torno de 13 px de olhos ao queixo. O detalhe que a ampliação está redesenhando é, no destino real, invisível.

A fronteira útil sai da tabela do começo: um arquivo de 1.024 px imprime 8,67 cm a 300 dpi. Abaixo disso, em qualquer destino de tela e em qualquer moldura pequena de documento, ampliar é gasto sem contrapartida. Acima disso, banner, pôster, painel de evento, aí a ampliação tem função real e o cálculo de risco muda, porque o rosto vai aparecer grande e o observador vai estar perto.

Duas saídas costumam ser melhores do que ampliar, e as duas já têm artigo próprio aqui. Quando o certo é trocar de candidata em vez de mexer no arquivo é o caso mais comum: se você gerou seis imagens, o defeito que te incomoda talvez não exista em duas delas. E se o problema nasceu antes, na entrada, ampliar não conserta nada. Para o outro lado do fluxo existe a conta que vale para o arquivo que você anexa, com a régua de pixels de rosto que a selfie de referência precisa ter. Ampliação atua na quantidade de pixels do resultado, nunca no que a captura perdeu.

O teste do piscar: 60 segundos para saber se o rosto sobreviveu

Este teste só é possível nesta etapa do fluxo, e vale entender por quê. O upscale não recompõe o quadro: ele não muda o corte, não move a cabeça, não troca o fundo de lugar. A ampliada e a original são geometricamente idênticas, ponto a ponto, em posição relativa. Nenhuma outra etapa permite essa comparação, porque em qualquer outra o que você tem na tela são duas fotos diferentes. Aqui é a mesma foto com dois conjuntos de pixels, e é isso que torna a conferência binária em vez de subjetiva.

1. Abra as duas com a mesma largura na tela, e não com o mesmo zoom. Se a ampliada aparecer maior, você vai comparar tamanho, que é a única coisa que certamente mudou.
2. Alterne entre as duas janelas rapidamente, como quem pisca. Tudo o que "pula" entre uma e outra é pixel decidido pelo modelo. O que não pula é o que veio da sua foto.
3. Olhe quatro regiões, nesta ordem: olhos (desenho da íris, linha dos cílios, pálpebra inferior), boca (contorno e separação dos dentes), linha do cabelo e fios soltos contra o fundo, e marcas de pele (pinta, sarda, cicatriz, falha na barba). A ordem é do detalhe mais caro para o mais barato.
4. Reduza as duas para 48 px, lado a lado. Se a diferença some nesse tamanho, a ampliação não era necessária para esse destino, e você acabou de economizar um problema.

O critério de reprovação é único e binário: qualquer uma das quatro regiões mudou de desenho, e não de nitidez. Nitidez é a mesma marca, no mesmo lugar, com a borda mais definida. Desenho novo é outra íris, outro cílio, outro dente, uma pinta que sumiu ou apareceu. Ampliação boa deixa a mesma marca no mesmo lugar, só maior. Reprovou, o caminho é reduzir o fator, desligar a restauração de rosto ou simplesmente não ampliar o rosto.

O limite, declarado: este é um protocolo editorial deste blog, não uma métrica. Ele não mede fidelidade em número nem substitui comparação técnica; ele detecta mudança de desenho a olho, que é o que decide se você continua sendo você na foto. E ele não decide destino: uma ampliação pode passar no teste do piscar e continuar sendo desnecessária, porque a pergunta de destino já tinha sido respondida na tabela do começo.

Sintoma, causa e correção: o diagnóstico da foto ampliada

Por trás de todo defeito da tabela abaixo existe uma pergunta só: quantos pixels aquela região tinha antes de o modelo começar a decidir. Onde havia informação, ele reforça o que estava lá. Onde não havia, ele completa com o desenho mais provável do repertório dele. Por isso os defeitos de ampliação se concentram sempre nos mesmos lugares, e por isso eles são diferentes dos defeitos de geração: ali o modelo lê o seu texto, aqui ele lê apenas pixels.

Existe uma segunda pergunta, útil quando a ferramenta expõe controles: em que ponto do trade-off ela está operando. Nos ampliadores que publicam os parâmetros, o lado da criatividade é força de difusão, ou seja, licença para reescrever, e o lado da semelhança é o peso que segura a imagem original. Quando o resultado vem plástico, o ajuste é sempre o mesmo par: baixar a criatividade e subir a semelhança. Há ainda um interruptor separado, geralmente chamado de restaurar rosto ou face enhance, que roda um modelo próprio de rosto por cima. É ele que redesenha olho e dente, e é o primeiro a desligar.

E quando a ferramenta não expõe controle nenhum, o que é o caso da maioria das páginas com botão único, a leitura honesta é que ela já escolheu por você, no valor padrão, e a sua única alavanca é não ampliar o rosto. Ampliar só o necessário, no menor fator que resolve o destino, é uma decisão que continua sendo sua mesmo sem nenhum parâmetro na tela.

O que fazer em vez de ampliar: declarar o tamanho na hora de gerar

Se o destino realmente pede mais pixel, o caminho mais fiel é pedir o arquivo maior na geração, porque ali o pixel novo nasce na mesma passada em que o rosto nasce, e não numa segunda máquina que nunca viu a sua selfie. O guia de geração de imagem da OpenAI, lido em 04/08/2026, declara que o modelo "accepts any resolution in the size parameter when it satisfies the constraints below", e as restrições estão publicadas na mesma página: lado maior de no máximo 3.840 px, os dois lados múltiplos de 16 px, razão entre lado maior e lado menor de no máximo 3:1, e total de pixels entre 655.360 e 8.294.400.

Antes de transformar isso em "então peça 4K", leia o contraponto que a mesma página publica logo adiante: "Outputs that contain more than 2560x1440 (3,686,400) total pixels, typically referred to as 2K, are considered experimental." A aritmética que interessa: um 2048x2048 tem 4.194.304 px, ou seja já está acima desse limiar. Pedir grande é permitido e é declarado como experimental pelo próprio fornecedor, o que é bem diferente das promessas de 8x e 16x que aparecem em botão.

E gerar de novo também não é grátis. Na seção de limitações da mesma página, a OpenAI escreve que o modelo "may occasionally struggle to maintain visual consistency for recurring characters or brand elements across multiple generations". Traduzindo para a sua tarde: a foto maior pode voltar diferente da que você tinha aprovado, e aí você troca um problema de pixel por um problema de identidade, com a diferença de que este é fácil de ver e de reprovar. A regra prática que sobra é honesta e sem drama: gerar no tamanho certo tende a ser mais fiel do que esticar depois, e nenhuma das duas rotas é garantida.

Um detalhe que pega muita gente quando a ferramenta é outra: sem declarar nada, o tamanho da saída pode ser herdado da entrada. A documentação da API do Gemini, também lida em 04/08/2026, declara esse comportamento padrão: "By default, the model matches the output image size to that of your input image, or otherwise generates 1:1 squares." Ou seja, se você anexou uma selfie pequena e não pediu tamanho, a saída pequena não é falha do modelo: é o padrão documentado, e a correção é uma linha no pedido, não um upscale depois.

Fica então uma ordem de preferência que cabe em três linhas. Primeira: confira o destino, porque na maioria dos casos o arquivo que você já tem sobra. Segunda: se falta pixel, gere de novo declarando o tamanho, e confira identidade na saída nova como você conferiu na primeira. Terceira: se não dá para gerar de novo, amplie no menor fator que resolve o destino, com a criatividade baixa, a restauração de rosto desligada, e passe o resultado no teste do piscar antes de publicar.

Resumo e próximos passos

Três frases sobrevivem a tudo o que está acima. Um ampliador de IA é um gerador condicionado, não um restaurador: ele prevê o pixel mais provável em vez de recuperar o pixel que existiu. A conta de quanto ele decide é pública e simples, e num 2x já são 75% do arquivo. E nitidez custa fidelidade por construção, com prova matemática de 2018 e com dois botões nas ferramentas de hoje que são literalmente os dois lados dessa escolha.

O passo prático é anterior a qualquer ferramenta: escreva o destino, faça a conta de pixels dele e compare com o que você já tem. Se sobra, não amplie. Se falta pouco, gere de novo declarando o tamanho. Se ampliou mesmo assim, passe o teste do piscar antes de publicar, com atenção nos olhos, na boca, na linha do cabelo e nas suas marcas de pele.

Se você chegou aqui pelo meio, o fluxo completo, da selfie ao arquivo publicado é o começo desta trilha. E se o seu destino for papel em vez de tela, a conta de centímetro para pixel, publicada por inteiro mora no artigo de foto de currículo, junto com moldura, escala de cinza e a lista de formatos válidos. Ela não se refaz aqui.