Prueba de producto · Limpieza de imágenes · GUÍA PRÁCTICA
Probamos la eliminación de marcas de agua con IA en imágenes: zonas reparadas y cambios
Una marca de esquina puede desaparecer, pero el modelo también puede modificar píxeles que nunca estuvieron cubiertos. Medimos un retrato sintético con tres posiciones de marca y un control sin marca.
Resultado principal: quitar la marca no deja intacta la imagen
Usamos un retrato sintético que no representa a una persona identificada. Añadimos marcas creadas localmente: un logo opaco en una esquina, texto translúcido que cruza la cara y un patrón repetido. También conservamos una imagen limpia como control. Enviamos las entradas marcadas al servicio de edición y comparamos cada salida con una referencia limpia y máscaras conocidas que el modelo nunca recibió.
En el caso de la esquina, el error medio dentro de la máscara bajó de 160,50 a 1,73 en una escala de píxeles de 0 a 255. La marca visible casi desapareció en esa zona. Pero el cambio no quedó limitado a la marca: el error medio fuera de la máscara fue 3,91 y el 19,1% de los píxeles externos cambió más de 8 niveles en algún canal. Incluso el control sin marca tuvo un 23,1% de píxeles por encima de ese umbral.
La conclusión respaldada es concreta: en estos casos controlados la región marcada se volvió a generar visualmente. No podemos concluir que solo cambiaran los píxeles de la marca, que se recuperó el fondo original exacto ni que todos los retratos queden protegidos.
Cuatro condiciones controladas
Las cuatro entradas son versiones 1024 × 1024 del mismo retrato sintético. Las marcas se compusieron localmente, así que guardamos una referencia limpia y máscaras exactas. El modelo recibió solo las imágenes marcadas y las instrucciones; no recibió la referencia limpia ni la máscara de verdad. Esto permite medir la zona cubierta y revisar si siguió la instrucción.
| Condición | Área cubierta | Configuración |
|---|---|---|
| Texto o logo opaco en una esquina | 2,05% | Marca pequeña sobre fondo plano |
| Texto translúcido sobre ojos y nariz | 2,63% | La marca cruza detalles faciales |
| Texto translúcido repetido por toda la imagen | 13,82% | Varias marcas cruzan cara, pelo y ropa |
| Control limpio sin marca | 0% | Comprueba si el modelo modifica una imagen de todos modos |
Las solicitudes indicaban GPT Image 2 y calidad máxima a través del proxy de edición configurado en el proyecto. No verificamos de forma independiente el modelo que atendió el proxy ni el cargo facturado. El tiempo incluye el procesamiento del proxy y la descarga, no solo la inferencia.
La zona cubierta mejora, pero el resto también cambia
La primera instrucción pedía conservar a la persona, la ropa, el fondo y el texto normal, sin señalar una máscara de edición. La tabla muestra el error RGB absoluto medio dentro de la marca conocida; un valor menor está más cerca de la referencia sintética limpia. Las imágenes tienen el mismo tamaño, pero no las alineamos tras la generación, de modo que también cuentan los cambios de textura y pequeños desplazamientos.
| Prueba | Área marcada | Tiempo | MAE cubierta: entrada → salida | Píxeles externos que cambian >8 |
|---|---|---|---|---|
| Marca opaca en esquina | 2,05% | 36,1 s | 160,50 → 1,73 | 19,1% |
| Texto translúcido en la cara · primera instrucción | 2,63% | 47,3 s | 55,66 → 6,93 | 17,3% |
| Marca repetida · primera instrucción | 13,82% | 69,4 s | 26,46 → 5,41 | 25,9% |
| Control limpio sin marca | 0% | 44,2 s | No aplica | 23,1% |
El conteo de píxeles que cambian más de 8 usa un umbral fijo. No equivale al porcentaje de cambios que una persona notaría ni mide parecido de identidad. Sirve para dirigir la inspección fuera de la marca, no para calificar toda la imagen. La comparación sin alineación también cuenta texturas regeneradas y cambios pequeños de posición.
¿Ayudó pedir que se conservara una etiqueta?
La camisa muestra el texto normal STUDIO 07. La primera instrucción pidió conservar las letras, pero la salida alteró esa etiqueta. Hicimos otra solicitud que nombraba DEMO WATERMARK como la única marca a quitar y pedía mantener STUDIO 07 exactamente. Es una comparación de instrucciones sobre la misma imagen sintética, no una repetición en otra fotografía.
En el caso del texto facial, la segunda solicitud redujo la MAE cubierta de 6,93 a 6,73, un cambio pequeño. En la parte de la cara que no estaba cubierta, la proporción de píxeles que cambió más de 8 bajó de 24,74% a 24,11%. En la etiqueta legítima de la camisa, el mismo indicador subió de 26,61% a 31,54%. La instrucción más explícita no la protegió de forma fiable. En el patrón repetido, más de la mitad de los píxeles de la etiqueta aún cambió por encima de 8.
Una instrucción detallada puede influir en una salida, pero no funciona como una máscara ni garantiza que se conserve el texto. El modelo devuelve una imagen nueva. Para limitar los cambios al área marcada, el flujo también necesitaría localizarla bien y combinar la reparación solo dentro de esa región; una detección automática real puede incluir píxeles incorrectos o dejar otros fuera.
Reparar no es recuperar los píxeles originales
Como conocemos el área exacta de la marca, durante la evaluación sin conexión podemos recortar la zona generada y combinarla con la imagen original. Así los píxeles exteriores permanecen intactos, pero es una ayuda para medir; no es lo que hizo el modelo ni lo que garantiza el producto actual. Una persona que solo tiene la imagen marcada desconoce el límite exacto del original.
Incluso una MAE pequeña en la zona cubierta significa que el modelo generó contenido plausible, no que leyera los píxeles ocultos. Puede redibujar cabello, textura de piel, letras pequeñas y objetos únicos. Un logo en una esquina sobre cielo es más fácil de disimular que texto sobre los ojos o una marca repetida por toda la imagen.
Cuándo puede servir este flujo
- Una marca pequeña cubre un fondo plano: puede integrarse mejor, pero revisa también la cara, los bordes y el texto normal.
- Letras translúcidas cruzan una cara, tela u objeto importante: compara ojos, cabello, tejido y etiquetas legítimas.
- Una marca repetida o grande cubre muchas zonas: hay más contenido que generar; revisa cada área y conserva o recorta el original si el resultado no sirve.
- La imagen no tiene marca visible: el control limpio también cambió; no subas un retrato sensible solo para experimentar.
- Tienes derecho a editar la imagen: abre el eliminador de marcas de agua de imágenes de QuietTake, compara ambas vistas y descarga solo una versión revisada.
Al usar la herramienta, la imagen se envía al servicio de procesamiento configurado. Sube solo material que puedas compartir con ese proveedor. Una salida generada puede cambiar caras, texto de la escena u otros detalles. Los controles de comparación y reintento ayudan a revisar alternativas, pero no prometen restauración exacta. No elimines una marca de autoría sin permiso ni presentes la imagen editada como original.
Límites y datos del experimento
Es un retrato sintético con tres posiciones de marca y un control. No representa una muestra estadística de personas, cámaras ni fotos de sitios web. No hubo evaluación ciega independiente ni comprobación de identidad. La máscara exacta se usó solo para puntuar; el modelo no la recibió. MAE y el conteo de cambios son comparaciones RGB sin alinear y no califican atractivo ni calidad percibida. El tiempo varía según red, proxy, lectura y descarga.
La solicitud registró el modelo y la calidad pedidos, pero no verificó el backend, el costo ni el periodo de retención del proxy. La segunda instrucción de preservación usó el mismo retrato y no demuestra una mejora general. La imagen fue creada para pruebas de proyecto y no representa a una persona identificada; las marcas se generaron localmente. El registro de medios describe los recursos usados. Los resultados sirven para explicar este experimento, no para predecir el efecto en cualquier foto.