Ausmalbild Transformer

Como transformar fotos em desenhos para colorir usando IA

O ausmalbild transformer é basicamente um modelo de IA que pega uma foto qualquer e gera uma versão em preto e branco com linhas definidas, pronta para imprimir e pintar. A maioria das pessoas usa isso para gerar páginas de colorir para crianças, mas também dá pra usar para ilustradores que querem fazer esboços rápidos. O processo em si é simples, mas existem varios detalhes que quebram quem não presta atencao. A ferramenta mais acessível hoje em dia é o Stable Diffusion combinado com um controle de rede como o ControlNet. Voces nao precisam instalar nada local se nao quiserem — existem opcoes online como o Leonardo AI e o Playground AI que ja trazem templates prontos de "coloring page". Eu prefiro rodar localmente com Automatic1111 porque o controle e maior, mas isso depende do seu hardware.

Configuracao basica do ausmalbild transformer

No Automatic1111, voce vai ativar a aba img2img e carregar a imagem de entrada. Depois, abre o extensao ControlNet e adiciona um novo controlador. O modelo que funciona melhor pra esse caso eh o control_v11p_sd15_lineart ou o canny. Ambos extraem as bordas da imagem original e guiam a geracao. O prompt que eu uso eh algo como: coloring page, black and white line art, clean lines, no shading, no grayscale, white background. O negativo prompt eh quase mais importante: color, shading, gradient, photo, realistic, blurry, complex background. Se voce colocar essas palavras no negativo, evita aquele visual meio sujo que a IA costuma gerar. A configuracao de amostragem que eu configuro eh DPM++ 2M Karras com 20 a 30 passos.CFG scale fica entre 3 e 5. Se subir muito acima disso, a imagem fica com ruido estranho nas linhas. Steps abaixo de 15 tambem nao entrega linhas limpas o suficiente.

O segredo que poucos mencionam eh ajustar o denoising strength. Se voce colocar muito alto, acima de 0.75, a IAvai reimaginar a imagem inteira e as linhas perdem fidelidade com o original. Eu costumo ficar entre 0.45 e 0.65. Se precisar de mais precisao na silhueta, reduz pro 0.4. A diferenca eh subtle mas crucial.

Problema real que encontrei e como resolvi

Achei um problema especifico que quase me fez desistir de usar ControlNet nesse caso. Quando eu processava fotos com fundos muito detalhados — tipo uma foto de uma floresta com varias folhas e galhos — o modelo gerava algo indistinguivel. Nao era contorno, era rufo. As linhas se misturavam num emaranhado sem sentido. A solucao que eu achei foi simple mas eficiente: antes de jogar a imagem no ControlNet, eu aplicava um pre-processamento com um filtro de deteccao de bordas mais agressivo. Eu usava o proprio ControlNet com o modelo scribble em vez do canny. O scribble e mais tolerante a ruido e tende a simplificar as bordas. Depois, eu passava o resultado no canny com low threshold. O fluxo ficou: scribble primeiro para limpar, canny segundo para definir. Isso reduziu meu tempo de tentativa e erro de 40 minutos por imagem para cerca de 5 minutos. Vale o trabalho extra porque a qualidade final melhora drasticamente.

Download e ferramentas recomendadas

Se voce quer testar rapido sem complicacao, existe o site lexica.art que tem um recurso integrado de geração de imagenes no estilo coloring page. Basta subir uma foto e selecionar o estilo. Para quem quer controle total, o repositório oficial do ControlNet no GitHub tem os modelos prontos: lllyasviel/ControlNet. Os arquivos de checkpoint do Stable Diffusion 1.5 sao encontrados no HuggingFace, como o runwayml/stable-diffusion-v1-5. Uma alternativa mais recente e mais facil eh o modelo SDXL com ControlNet. A qualidade das linhas eh superior, mas exige GPU com pelo menos 8GB de VRAM. Se voce tem uma RTX 3060 com 12GB, funciona bem. Placas mais fracas vao travar.

Vieses e limitacoes que voce precisa saber

O ausmalbild transformer nao eh perfeito e tem falhas conhecidas. A principal eh que ele nao entende semantics. Se sua foto tiver um gato em cima de uma mesa, o modelo vai gerar linhas do gato e da mesa separadamente, mas pode confundir a posicao relativa. Objetos pequenos como olhos, dedos e detalhes finos frequentemente somem ou se fundem. Outro problema eh com cores muito similares na imagem original. Se voce tem um cachorro marrom claro sobre um piso bege, o ControlNet pode nao conseguir separar os dois no desenho final. A solucao eh ajustar manualmente o threshold do canny ou usar in paint para corrigir areas depois. Tambem há o caso de imagens com alto contraste. Fotos tomadas contra luz forte geram silhuetas, mas o modelo as vezes interpreta como sombras e as trata como detalhes dentro do objeto. Nesse caso, o prompt negativo com shadow, dark area ajuda bastante.

Se voce precisa de qualidade profissional — por exemplo, para imprimir livros de colorir — considere usar uma combinacao: o modelo de IA para o rascunho inicial e depois refine as linhas num software vetorial como o Inkscape. Isso resolve os problemas de linhas quebradas e inconsistencias que a IA gera sozinha. O tempo medio de geracao num setup razoavel eh de 8 a 15 segundos por imagem com SD 1.5, e 20 a 40 segundos com SDXL. Com upscaled em 4K, conta mais 30 segundos adicionais. Nao espere processar centenas de imagens de uma vez sem um servidor dedicado.