06 - Iteração visual — controlled changes

TL;DR

Iteração em image prompting é o mesmo princípio da iteração em prompt engineering pra texto: uma mudança por vez, com hipótese explícita. O padrão Keep: / Change: / Do not: adaptado pra imagem economiza horas. Quando muda demais de uma vez, perde a referência do que funcionou. Além de re-prompting, modelos modernos oferecem ferramentas de edição cirúrgica: inpainting (mudar só uma região), image-to-image (variação controlada), reference image (--cref, IP-Adapter), e ControlNet (controlar pose/edge/depth). Esta nota cobre o padrão Keep/Change/Do-not pra imagem e as principais ferramentas de edição em 2026.

O princípio: uma mudança por vez

Erro mais comum em iteração visual:

Output 1 sai. Você muda aspect ratio + paleta + composição + estilo + adiciona texto, tudo de uma vez. Output 2 sai diferente.

Se o output 2 está melhor, qual mudança fez a diferença? Você não sabe. Se está pior, qual reverter? Também não.

Princípio: muda uma variável por vez, sabendo qual hipótese está testando. Vem direto de Prompt Engineering — o ofício é o mesmo, modalidade diferente.

O padrão Keep / Change / Do not (adaptado pra imagem)

Versão pra imagem do padrão do prompt engineering. Depois de cada geração:

Keep:
- <o que está funcionando — vou preservar>

Change:
- <a hipótese: vou mudar X esperando Y>

Do not:
- <o que apareceu indesejado — proíbo na próxima>

Exemplo concreto

Geração 1 com prompt do template de hero:

“Hero pra post sobre RAG. Canvas 16:9. Hero à esquerda 40%, espaço negativo direita. Subject: bibliotecário-IA abstrato. Estilo flat-isometric, paleta dark blue + ciano. Sem texto.”

Output: aspect ratio bom, espaço negativo ok, mas o “bibliotecário-IA” virou figura humana literal e o estilo saiu mais 3D que flat.

Iteração 2:

Keep:
- 16:9, hero à esquerda, espaço negativo à direita ✓
- Paleta dark blue + ciano ✓

Change:
- "Bibliotecário-IA" → "estante de livros translúcida com fluxo de luz por entre prateleiras"
  (hipótese: subject mais abstrato reduz a tendência de gerar pessoa)

Do not:
- Pessoas
- Renderização 3D fotorealístico (quero flat-isometric estrito)

Próximo prompt incorpora as mudanças cirurgicamente. Output 3 converge ou revela qual hipótese estava errada.

Mesma sessão vs nova sessão (chat-based vs API)

Em modelo chat-based (ChatGPT + DALL-E, Gemini + Imagen)

Mantém o contexto. Você diz “mesma coisa, mas em paleta pastel” e o modelo entende o referente. Vantagem: rapidez. Desvantagem: contexto de chat pode contaminar — modelo arrasta detalhes de tentativas anteriores que você não pediu.

Quando trocar pra novo chat:

• Mais de ~10 iterações sobre o mesmo asset
• Output começa a degradar sem motivo aparente
• Quer “limpar a mesa” e voltar ao prompt fresco

Em modelo via API (FLUX, SD, Imagen API, Midjourney)

Cada chamada é stateless (exceto quando você passa seed ou image_reference). O prompt é a única memória. Vantagem: reprodutibilidade. Desvantagem: você reescreve o prompt inteiro a cada iteração.

Truque: versione seus prompts em arquivo (prompts/hero-rag-v3.txt). Diff entre v2 e v3 mostra exatamente o que mudou.

Ferramentas de edição cirúrgica

Em 2026, geração from-scratch é só parte da produção. Edição cirúrgica resolve casos que reroll não resolveria.

Inpainting (mudar só uma região)

Você pinta máscara sobre a região a mudar; o modelo regenera só ali, preservando o resto.

• DALL-E Edit (OpenAI): UI no ChatGPT permite selecionar região e descrever a mudança. API via images.edit aceita máscara PNG.
• FLUX.1 Fill (BFL): modelo dedicado de inpaint/outpaint.
• SD Inpaint via ControlNet ou Automatic1111/ComfyUI: controle granular, com peso configurável.

Caso clássico: hero ficou perfeito menos pela cara do personagem. Inpaint só a cara em vez de regenerar tudo.

Outpainting (estender o canvas)

Imagem está boa mas você precisa de mais espaço à direita pra overlay. Outpainting estende. Mesma família de ferramentas (DALL-E Edit, FLUX Fill, SD Outpaint).

Image-to-image (i2i)

Você dá uma imagem base + prompt → variação. O modelo preserva estrutura geral, modifica detalhes.

• strength (também chamado denoise) controla quanto preserva: 0.1 = quase idêntico, 0.9 = quase from-scratch
• Útil pra: refinar versão que tá quase boa, transformar sketch em arte final, “mesma cena, outra paleta”

Reference image (preservar personagem/estilo)

• Midjourney --sref <url>: preserva estilo da imagem de referência.
• Midjourney --cref <url>: preserva personagem da imagem de referência.
• SD IP-Adapter: equivalente em SD; preserva conceito visual.
• FLUX.1 Redux: modelo do BFL pra variação preservando referência.

Caso clássico: 7 slides de carousel precisam estar visualmente consistentes. Gere o slide 1, use como --sref nos próximos.

ControlNet (controle estrutural — SD e FLUX)

ControlNet permite forçar estrutura específica:

• Canny / edge: força os contornos.
• Depth: força a profundidade.
• OpenPose: força a pose humana.
• Segmentation: força regiões semânticas.
• Scribble: sketch como input.

Caso clássico: mockup precisa ter exatamente esse layout de UI. Sketch o wireframe; ControlNet canny garante que o modelo respeite.

Padrão de iteração por tipo de problema

Problema com o output	Ferramenta	Por quê
Subject saiu errado, resto ok	Inpaint na região	Não reroll global
Estilo certo, paleta errada	Re-prompt mudando só paleta	Mudança simples
Quase perfeito, falta espaço	Outpaint	Estende, não regenera
Quero variações do mesmo conceito	i2i com strength 0.5	Mantém DNA, varia
Precisa consistência entre N peças	--sref (MJ) ou IP-Adapter (SD)	Estilo coeso
Layout estrutural exato	ControlNet (SD/FLUX)	Força estrutura
Tipografia importante (texto preciso)	Gerar background sem texto + Figma	Modelo erra texto

A armadilha das 30 iterações

Tendência humana: vai iterando, vai iterando, e cada vez fica mais distante do output que era “bom o bastante” 5 iterações atrás. Sintomas:

• Você não consegue lembrar qual versão estava mais perto do brief
• Cada iteração introduz problema novo
• O brief original ficou turvo

Antídotos:

1. Salvar versões. Cada output vai pra pasta com prompt versionado. hero-rag/v01-base.png, hero-rag/v01.prompt.txt.
2. Diff entre prompts. Antes de mandar v8, compare com v7. Se mudou 5 coisas, recue.
3. Reler o brief. Volte ao Goal/Deliverable do template canônico. A v3 cumpria o brief? Se sim, é ela.
4. Time-box. Defina 5 ou 10 tentativas. Se não convergiu, mude estratégia (modelo diferente, brief simplificado, edição manual).

O hábito a internalizar

Antes de cada iteração, escreva o Keep / Change / Do not em texto curto. Mesmo que pra você mesmo num scratchpad. Esse hábito força a articular hipótese e proíbe a mudança caótica.

Fontes

• @hooeem — Become an AI Engineer, cap #16 (Image Prompting). Padrão de iteração.
• OpenAI — Image generation guide (docs). DALL-E Edit mode.
• Black Forest Labs — FLUX.1 Tools (docs). Fill, Depth, Canny, Redux.
• Midjourney — Documentation (docs). --sref, --cref.
• Stability AI — ControlNet docs (docs). Controle estrutural.

Veja também

• 07 - Iteration patterns — keep, change, do-not — padrão original em texto, fonte do adaptado aqui
• 05 - Templates por entregável — poster, infográfico, mockup, thumbnail — ponto de partida das iterações
• 07 - Geração de diagramas e ilustrações técnicas — onde a iteração visual encontra limite real