Testamos a remoção de marca-d’água com IA em imagens: o que muda além da marca?

Resultado principal: remover a marca não mantém a imagem intacta

Usamos um retrato sintético que não representa uma pessoa identificada. Adicionamos marcas criadas localmente: um logo opaco no canto, texto translúcido sobre o rosto e um padrão repetido. Também mantivemos uma imagem limpa como controle. Enviamos as entradas marcadas ao serviço de edição e comparamos cada saída com uma referência limpa e máscaras conhecidas que o modelo nunca recebeu.

No caso do canto, o erro médio dentro da máscara caiu de 160,50 para 1,73 numa escala de pixels de 0 a 255. A marca visível quase desapareceu naquela região. Mas as mudanças não ficaram restritas à marca: o erro médio fora da máscara foi 3,91 e 19,1% dos pixels externos mudaram mais de 8 níveis em algum canal. Até o controle sem marca teve 23,1% dos pixels acima desse limiar.

A conclusão que os dados sustentam é específica: nesses casos controlados, a região marcada foi regenerada visualmente. Não podemos concluir que só os pixels da marca mudaram, que o fundo original foi recuperado exatamente ou que todo retrato fica preservado com segurança.

Quatro condições controladas

As quatro entradas são versões 1024 × 1024 do mesmo retrato sintético. Como as marcas foram compostas localmente, temos uma referência limpa e máscaras exatas. O modelo recebeu somente as imagens marcadas e as instruções; não recebeu a referência limpa nem a máscara de verdade. Assim podemos medir a região coberta e verificar se as instruções foram seguidas.

Condição	Área coberta	Configuração
Texto ou logo opaco no canto	2,05%	Marca pequena sobre fundo plano
Texto translúcido sobre olhos e nariz	2,63%	Texto cruza detalhes do rosto
Texto translúcido repetido pela imagem	13,82%	Marcas cruzam rosto, cabelo e roupa
Controle limpo sem marca	0%	Verifica se o modelo altera a imagem mesmo assim

As solicitações especificaram GPT Image 2 e qualidade máxima pelo proxy de edição configurado no projeto. Não verificamos de forma independente o modelo real usado pelo proxy nem a cobrança. O tempo inclui processamento do proxy e download da imagem, não apenas a inferência do modelo.

A região coberta melhora, mas o restante também muda

A primeira instrução pedia que pessoa, roupa, fundo e texto normal fossem preservados, mas não definia uma máscara de edição. A tabela mostra o erro absoluto médio RGB dentro da marca conhecida; quanto menor, mais perto da referência sintética limpa. As imagens têm o mesmo tamanho, mas não foram alinhadas após a geração, então mudanças de textura e pequenos deslocamentos também entram na conta.

Teste	Área marcada	Tempo	MAE coberta: entrada → saída	Pixels externos que mudam >8
Marca opaca no canto	2,05%	36,1 s	160,50 → 1,73	19,1%
Texto translúcido no rosto · primeira instrução	2,63%	47,3 s	55,66 → 6,93	17,3%
Marca repetida · primeira instrução	13,82%	69,4 s	26,46 → 5,41	25,9%
Controle limpo sem marca	0%	44,2 s	Não se aplica	23,1%

A contagem de pixels que mudaram mais de 8 usa um limiar fixo. Ela não corresponde à parcela de mudanças que uma pessoa perceberia e não mede semelhança de identidade. Serve para orientar a inspeção fora da marca, não para pontuar a imagem inteira. A comparação sem alinhamento também conta textura regenerada e pequenos deslocamentos.

Pedir para manter uma etiqueta ajudou?

A camisa mostra o texto normal STUDIO 07. A primeira instrução pediu que as letras fossem mantidas, mas a saída ainda alterou essa etiqueta. Fizemos uma segunda solicitação nomeando DEMO WATERMARK como a única marca a remover e pedindo que STUDIO 07 permanecesse exatamente igual. É uma comparação de instruções na mesma imagem sintética, não uma repetição em outra foto.

No caso do texto facial, a segunda solicitação reduziu a MAE coberta de 6,93 para 6,73, uma mudança pequena. Na parte do rosto sem marca, a parcela de pixels que mudou mais de 8 caiu de 24,74% para 24,11%. Na etiqueta legítima da camisa, o mesmo indicador subiu de 26,61% para 31,54%. A instrução mais específica não a preservou de forma confiável. Na marca repetida, mais da metade dos pixels comuns da etiqueta ainda mudou acima de 8.

Uma instrução detalhada pode afetar uma saída, mas não funciona como máscara de edição nem garante texto exato. O modelo devolve uma imagem nova. Para restringir mudanças à região marcada, o fluxo também precisa localizá-la bem e compor o reparo somente dentro dessa área; a detecção automática real pode incluir pixels errados ou deixar pixels de fora.

Reparar não é recuperar os pixels originais

Como conhecemos a área exata da marca, na avaliação offline podemos usar a máscara verdadeira para compor a região gerada de volta na imagem original. Assim, os pixels externos ficam idênticos, mas isso é um auxílio de medição; não é o que o modelo fez nem o que o produto atual garante. Uma pessoa com apenas a imagem marcada não conhece os limites originais.

Mesmo uma MAE baixa na área coberta significa que o modelo gerou conteúdo plausível. Ele não leu os pixels escondidos pela marca. Fios de cabelo, textura de pele, pequenas etiquetas e objetos únicos podem ser redesenhados. Um logo no canto sobre céu é mais simples do que texto sobre os olhos ou uma marca repetida pela imagem toda.

Quando este fluxo pode ajudar

• Uma marca pequena cobre fundo plano: o preenchimento pode se misturar melhor, mas confira rosto, bordas e texto normal.
• Letras translúcidas cruzam rosto, tecido ou objeto importante: compare olhos, cabelo, trama e etiquetas legítimas.
• Uma marca repetida ou grande cobre várias áreas: há mais conteúdo a gerar; revise cada região e mantenha ou recorte o original se o resultado não servir.
• A imagem não tem marca visível: o controle limpo também mudou; não envie um retrato sensível só para experimentar.
• Você tem direito de editar a imagem: abra o removedor de marca-d’água em imagens do QuietTake, compare as duas visualizações e baixe somente uma versão revisada.

Ao usar a ferramenta, a imagem é enviada ao serviço de processamento configurado. Envie apenas materiais que você possa compartilhar com esse provedor. Uma saída gerada pode alterar rostos, textos da cena e outros detalhes. Os controles de comparação e nova tentativa ajudam a revisar alternativas, mas não prometem restauração exata. Não remova marcas de autoria sem permissão nem apresente uma imagem editada como original.

Limites e dados do experimento

Este é um retrato sintético com três posições de marca e um controle. Não é uma amostra estatística de pessoas, câmeras ou fotos reais. Não houve avaliação cega independente nem verificação de identidade. A máscara exata foi usada só na pontuação; o modelo não a recebeu. MAE e contagem de alterações são comparações RGB sem alinhamento e não medem beleza ou qualidade percebida. O tempo varia conforme rede, proxy, leitura e download.

A solicitação registra o modelo e a qualidade pedidos, mas não confirma o backend do proxy, o custo ou a retenção. A segunda instrução de preservação usou o mesmo retrato e não demonstra uma melhora geral. A imagem foi criada para testes e não retrata uma pessoa identificada; as marcas foram geradas localmente. O registro de mídia descreve os arquivos. Estes resultados explicam este experimento, não preveem o efeito em qualquer foto.