Mejorar calidad de imágenes con IA: qué arregla y qué no
Por el equipo creativo de Virtalio, una agencia creativa con más de 15 años produciendo piezas, sitios y campañas para pymes, marcas y agencias. Última revisión: noviembre de 2026.
Mejorar la calidad de una imagen con IA consiste en pedirle al modelo que reconstruya lo que el archivo no alcanza a mostrar: el ruido de una toma con poca luz, un color que salió torcido, un fondo que distrae, una zona que quedó blanda. Funciona cuando la escena se puede volver a describir y alguien revisa el resultado con criterio. No funciona cuando el dato tiene que ser exacto —las letras de una etiqueta, el número de lote, la geometría de un producto— ni cuando el archivo original existe y solo estaba mal exportado. La decisión se toma defecto por defecto, no imagen por imagen.
El detalle que no está en el archivo no se recupera: se inventa
Un modelo de edición no revela información que la foto nunca capturó. Regenera una zona a partir de lo que ve y de lo que se le pide. Si esa zona estaba desenfocada, produce una textura plausible; el número de la etiqueta lo escribe él, no la realidad. Esa diferencia —textura plausible contra dato verdadero— separa lo que se puede arreglar de lo que hay que volver a fotografiar.
Los bloques de compresión funcionan igual. Cuando un JPEG se guardó con poca calidad, cada bloque guarda un promedio del color y no el detalle fino: el modelo puede suavizar el aspecto, pero no devuelve lo que se descartó al guardar. Lo mismo pasa con una luz quemada. Un blanco reventado no tiene información dentro; cualquier detalle que aparezca ahí lo puso el modelo. Por eso el primer paso nunca es generar: es abrir el archivo original, si existe, y comprobar qué se perdió al exportarlo.
Qué defectos se arreglan, cuáles a medias y cuáles no
La tabla que usamos para decidir si una foto entra al editor o vuelve a la sesión. El veredicto depende de si el defecto afecta una zona que se puede describir o un dato que hay que respetar.
| Defecto | Veredicto | Qué pedir o qué hacer |
|---|---|---|
| Ruido por poca luz | Se arregla | Pedir limpieza de ruido y luz pareja; revisar piel y sombras antes de aprobar |
| Dominante de color | Se arregla | Corregir temperatura y balance; comparar contra un objeto neutro de la escena |
| Fondo que distrae | Se arregla | Describir el fondo nuevo y declarar qué debe quedar idéntico: producto, sombra de contacto, reflejo |
| Compresión visible | A medias | Suaviza el aspecto, no recupera el detalle; si el original existe, reexportar es más rápido |
| Desenfoque leve | A medias | Recupera contraste y bordes; el detalle que falta se inventa, así que se revisa al 100 % |
| Desenfoque de movimiento | No | Volver a la foto: la dirección del movimiento no está en el archivo |
| Altas luces quemadas | No | El dato no existe; bajar la exposición en cámara o repetir la toma |
| Texto pequeño y etiquetas | No | El modelo redibuja letras; si el dato importa, se rehace la pieza o se compone la foto original |
| Geometría de producto y logos | No | Se deforma la silueta; para ficha de producto, foto real o render controlado |
| Manos y rostros | A medias | Revisar dedos, mirada y simetría; una segunda pasada o el descarte |
La última fila explica la mayoría de los descartes. El modelo acierta el gesto y falla el detalle anatómico, y en una foto de personas ese detalle es lo primero que se nota.
La máscara guía; no obedece
La documentación de OpenAI lo dice con claridad: en sus modelos de imagen el enmascarado es enteramente basado en prompt y el modelo usa la máscara como guía, sin garantizar que respete su forma exacta. No es una advertencia menor. Significa que marcar una zona no equivale a encerrar el cambio ahí: parte del ajuste se derrama y hay que revisar el borde.
En Vertex AI el control equivalente es la intensidad del prompt. La escala que documenta Google va de 0 a 9 para una fuerza baja, de 10 a 20 para una media y de 21 en adelante para una alta. Subirla hace que el modelo obedezca más la instrucción y, al mismo tiempo, que se aleje más del original. Ahí está el intercambio real de todo este trabajo: cada punto de obediencia se paga con fidelidad.
En el AI Studio ese control aparece como fuerza de la edición. La regla práctica: la mínima que resuelva el defecto. Una fuerza alta sobre una foto de producto cambia la silueta; sobre un fondo liso, en cambio, no cuesta nada.
El orden de las pasadas
Una imagen que se arregla en seis intentos suele ser una imagen que se atacó en desorden. El orden que funciona:
- Un defecto por pasada. «Quita el ruido y cambia el fondo y corrige el color» devuelve tres cambios a medias. Cada pasada se juzga sola.
- Primero lo estructural, después lo fino. Encuadre y fondo antes de color; color antes de ruido. Corregir el grano de una foto que después se va a recortar es trabajo perdido.
- A la resolución del destino, no a la máxima. Una pieza que se ve en 1080 píxeles no necesita una pasada en 4k. El costo se paga en créditos y en tiempo de revisión.
- Declarar lo que no puede cambiar. La instrucción tiene que nombrar lo intocable: «mantén el producto, la sombra y el texto sin cambios». Google documenta el patrón con ese ejemplo en su guía de edición.
- Guardar cada salida como versión. Nunca sobrescribir el archivo aprobado: cuando la segunda pasada empeora algo, hay que poder volver.
Y una regla de corte: a la tercera pasada fallida sobre el mismo defecto, el problema ya no es la instrucción. Es la foto.
Revisión al 100 %: lo que se mira antes de aprobar
El resultado se ve bien en miniatura y falla al tamaño real. Antes de aceptar una salida, seis puntos:
- Bordes del objeto. Contornos limpios, sin halo ni dientes de sierra. El pelo y las telas translúcidas son donde más se nota.
- Piel y texturas. Si la piel quedó de plástico o la madera perdió la veta, la pasada se fue demasiado lejos.
- Texto y números. Cualquier letra visible se lee completa y correcta, o el dato se elimina de la toma.
- Reflejos y sombras. La sombra de contacto tiene que seguir tocando el suelo; un reflejo que no coincide delata el montaje.
- Patrones repetidos. Tejidos, cuadrículas, mármol, ladrillo: es donde el modelo inventa una repetición que no existe.
- Manos, dedos y ojos. Se cuentan, se miran y se descartan sin negociación.
Después de esa lista, una segunda mirada al tamaño en que la pieza se va a ver: la miniatura del teléfono, la ficha de producto, el banner. Un archivo puede pasar la revisión al 100 % y seguir viéndose mal donde importa.
Cuándo el arreglo cuesta más que la foto
Cada pasada consume créditos y, sobre todo, tiempo de alguien que revisa. Cuando el defecto está en una zona acotada, ese costo es bajo y el arreglo gana. Cuando toca el conjunto —luz, enfoque, encuadre— la cuenta se inclina rápido hacia una sesión nueva, aunque la sesión parezca más cara en la hoja de cálculo.
Hay tres casos en los que no conviene insistir. El primero: el defecto toca un dato que el cliente puede reclamar, como una etiqueta con registro sanitario o un precio impreso. El segundo: el producto tiene que verse exactamente como es, con su color y su acabado, porque la foto vende y la devolución cuesta más que la toma. El tercero: la imagen va a ser la pieza principal de una campaña, donde el detalle se mira de cerca y el error se amplifica.
Cómo se resuelve en el AI Studio
El AI Studio trabaja de dos maneras sobre una imagen que ya existe. La primera es la edición con máscara e instrucción: se marca la zona, se describe el cambio y se ajusta la fuerza. La segunda es regenerar tomando la foto como referencia, útil cuando el problema es el conjunto y no un punto.
El criterio para elegir es simple. Defecto en una zona acotada: edición con máscara. Problema de luz, fondo o encuadre: regeneración con la foto como referencia, que suele dar una escena más coherente que cinco parches. El costo en créditos se ve antes de generar, así que la decisión se puede tomar con el número a la vista y no después.
Para un catálogo completo conviene un flujo y no una imagen suelta; lo desarrollamos en editar fotos con IA para ecommerce. Y cuando el problema es que la pieza necesita más píxeles o más encuadre, no es este artículo: es expandir una imagen con IA, que separa resolución de encuadre. Si lo que falta es generar desde cero, el punto de partida está en el flujo de creación y su costo por pieza.
El equipo creativo de Virtalio usa este mismo criterio cuando una foto no da para más: se dice antes de cobrar, no después de tres rondas. Si el volumen es alto, el trabajo se pide como pieza dentro de un plan y no como intento suelto, y ahí conviene ver el AI Studio y las funciones disponibles antes de decidir.
Preguntas frecuentes
¿Se puede arreglar una foto borrosa con IA?
Depende del desenfoque. Si es leve, la IA recupera contraste y bordes y el resultado sirve para una pieza pequeña. Si el movimiento dejó un rastro o el foco se fue del todo, el detalle no está en el archivo y cualquier recuperación es una invención: conviene repetir la toma.
¿Mejorar la calidad es lo mismo que ampliar la imagen?
No. Ampliar cambia la cantidad de píxeles o el encuadre; mejorar calidad corrige defectos de la toma. Son dos problemas distintos y se piden distinto, aunque la conversación los mezcle todo el tiempo.
¿La IA puede quitar un objeto o un texto de una foto?
Puede, y en fondos simples el resultado es limpio. Sobre marcas de terceros o documentos conviene no hacerlo: además del resultado visual, hay un problema de derechos y de veracidad que la herramienta no resuelve.
¿Cuántos intentos hacen falta?
Una pasada por defecto en la mayoría de los casos. Tres es un techo razonable antes de concluir que el problema es la foto y no la instrucción.
Fuentes
- OpenAI. Image generation: endpoints de generación y edición, uso de máscara y la advertencia de que el enmascarado es basado en prompt. platform.openai.com/docs/guides/image-generation
- Google Cloud. Edit images using text prompts (Vertex AI): edición con y sin máscara, imagen base y escala de intensidad del prompt. cloud.google.com/vertex-ai/generative-ai/docs/image/edit-images
- Google AI for Developers. Nano Banana image generation: edición por instrucción y el patrón de conservar sin cambios lo que no debe moverse. ai.google.dev/gemini-api/docs/image-generation