Image-to-Image (Görüntüden Görüntüye Dönüşüm)

#görüntü-üretimi #diffüzyon #generatif-ai #stable-diffusion

Mevcut bir görüntüyü metin isteği rehberliğinde dönüştüren yapay zeka tekniği; diffüzyon modelleri görüntüye gürültü ekleyip yeniden oluşturarak stil, renk veya içerik değişikliklerine olanak tanır.

Image-to-image (img2img), var olan bir görüntüyü başlangıç noktası olarak kullanıp metin istemi rehberliğinde yeni bir görüntü üreten yapay zeka tekniğidir. Sıfırdan görüntü oluşturan text-to-image yöntemlerinin aksine, img2img giriş görüntüsündeki kompozisyon, renk dengesi ve genel yapıyı büyük ölçüde koruyarak belirlenen dönüşümleri uygular; böylece çıktı üzerinde daha fazla kontrol sağlanır. Diffüzyon tabanlı img2img sürecinde önce giriş görüntüsüne hesaplanan miktarda gürültü (noise) eklenir; ardından bu gürültülü görüntü, metin isteği tarafından yönlendirilen ters diffüzyon (denoising) süreciyle yeniden oluşturulur. İşlemin temel parametresi olan denoising strength (gürültü giderme gücü), orijinal görüntüden ne kadar uzaklaşılacağını belirler: düşük değerlerde (0.1–0.3) girdi büyük ölçüde korunurken, yüksek değerlerde (0.7–1.0) radikal dönüşümler gerçekleşir. Img2img'in başlıca kullanım alanları şunlardır: kaba eskizlerin gerçekçi görüntülere çevrilmesi, fotoğrafların anime veya yağlı boya gibi stillere aktarılması, düşük kaliteli görsellerin iyileştirilmesi ve kahraman konsept tasarımlarının hızlı iterasyonu. Pix2Pix, CycleGAN ve InstructPix2Pix gibi özel modeller de img2img paradigmasının farklı varyantlarıdır. ControlNet entegrasyonu ile kenar haritaları, derinlik haritaları veya iskelet verisi eklenerek yapısal kısıtlamalar getirilir; bu da çıktının tutarlılığını önemli ölçüde artırır. Stable Diffusion, DALL-E ve Midjourney gibi araçlar img2img'i sırasıyla img2img modu, variation ve vary özellikleriyle sunar. Flux modeli de yüksek kaliteli img2img sonuçlarıyla dikkat çekmektedir.

Nasıl Çalışır?

Diffüzyon tabanlı img2img süreci iki adımda gerçekleşir. İlk adımda giriş görüntüsü, denoising strength parametresine bağlı oranda Gaussian gürültüyle bozulur; bu görüntüyü kısmen veya tamamen rastgele gürültüye dönüştürür. İkinci adımda metin istemi (prompt), CFG scale değeri ve seçilen model mimarisi rehberliğinde ters diffüzyon (denoising) uygulanır. Ters diffüzyon boyunca her adımda gürültü azaltılır ve görüntü anlam kazanır. Giriş görüntüsünden gelen bilgi, denoising sürecinin başlangıç koşulunu belirlediğinden çıktıda orijinal yapı, renk veya kompozisyon izleri kalır. Text-to-image'de ise başlangıç koşulu tamamen rastgele gürültüdür.

Temel Parametreler

  • check_circle Denoising Strength (Gürültü Giderme Gücü): 0.0 ile 1.0 arasında değer alır. 0.0'da giriş görüntüsü hiç değişmez; 1.0'da tamamen yeni bir görüntü elde edilir (tam text-to-image). Pratik kullanımda 0.3–0.75 arası en yaygın aralıktır.
  • check_circle CFG Scale (Sınıflandırıcısız Rehberlik Ölçeği): Modelin metin istemine ne kadar bağlı kalacağını belirler. Yüksek değerler (12+) isteğe çok sadık ama bazen yapay sonuçlar üretir; düşük değerler (5–8) daha özgün ve doğal çıktılar verir.
  • check_circle Örnekleme Yöntemi (Sampler): DDIM, DPM++ ve Euler gibi örnekleme algoritmaları kalite ile hız arasındaki dengeyi etkiler. Daha az adımla hızlı sonuç için DPM++ 2M Karras sıklıkla tercih edilir.
  • check_circle Seed (Tohum Değeri): Rastgeleliği kontrol eder. Sabit seed ile aynı giriş ve parametreler verildiğinde tutarlı çıktılar elde edilir; iteratif üretimde çok kullanışlıdır.

Kullanım Alanları

  • check_circle Eskiz → Gerçekçi Görüntü: Kalem veya dijital çizimler gerçekçi fotoğraf kalitesinde görüntülere dönüştürülür. Düşük denoising strength (0.4–0.6) ile orijinal kompozisyon korunur.
  • check_circle Stil Transferi: Fotoğraflar anime, yağlı boya, suluboya veya piksel sanatı stiline aktarılır. Neural Style Transfer'e kıyasla daha hızlı ve prompt tabanlı kontrol sunar.
  • check_circle Konsept Tasarım İterasyonu: Ürün, karakter veya mimari taslakları hızla farklı varyasyonlarda üretilir. Oyun stüdyoları ve tasarım ajansları bu akışı prototipleme süreçlerinde aktif kullanmaktadır.
  • check_circle Görüntü Restorasyonu: Düşük çözünürlüklü veya gürültülü görüntüler iyileştirilir. Düşük denoising strength ile detaylar artırılırken orijinal içerik korunur.

Öne Çıkan Modeller

Img2img paradigmasının en yaygın uygulaması Stable Diffusion'dır; AUTOMATIC1111 ve ComfyUI gibi arayüzler aracılığıyla yerel olarak kullanılabilir. Pix2Pix (2017), koşullu GAN mimarisi kullanarak eşleştirilmiş görüntü çiftleriyle eğitim alır; CycleGAN ise eşleştirilmemiş veriyle döngüsel tutarlılık kaybı ile stil dönüşümlerini öğrenir. InstructPix2Pix, doğal dil talimatlarına göre görüntü düzenlemesine olanak tanır. DALL-E'nin variation modu ve Midjourney'in vary komutu da img2img mantığıyla çalışır. Flux gibi akı tabanlı yeni nesil modeller yüksek çözünürlüklü ve ayrıntılı img2img çıktılarıyla dikkat çekmektedir.

ControlNet ile Gelişmiş Kontrol

ControlNet, img2img sürecine yapısal kısıtlamalar ekleyen bir uzantı mimarisidir. Kenar tespiti (Canny, HED), derinlik haritası, poz iskeleti (OpenPose) veya normal haritası gibi ek koşullar modele verilerek çıktının belirli yapısal özellikleri koruması sağlanır. Örneğin bir karakterin vücudunu hareket ettirmek için poz iskeleti, arka planı değiştirirken kenar haritası kullanılabilir. Böylece salt metin istemi ile elde edilemeyen hassas düzenlemeler gerçekleştirilebilir. SAM (Segment Anything Model) ile birleştirildiğinde nesne bazlı bölgesel dönüşümler de mümkün hale gelir.

Sık Sorulan Sorular

  • check_circle Image-to-image ile text-to-image arasındaki fark nedir? Text-to-image sıfırdan görüntü üretirken, image-to-image var olan bir görüntüyü başlangıç noktası olarak alır. Bu sayede orijinal kompozisyon, renk veya yapı korunarak yönlendirilmiş bir dönüşüm yapılabilir.
  • check_circle Denoising strength değerini nasıl seçmeliyim? İnce stil değişiklikleri için 0.3–0.5; orta düzey dönüşümler için 0.5–0.7; radikal stilize için 0.7–0.9 arası önerilir. 1.0'a yaklaştıkça giriş görüntüsünün etkisi kaybolur.
  • check_circle ControlNet olmadan img2img yeterli midir? Basit stil ve renk dönüşümleri için ControlNet şart değildir. Poz, kenar haritası veya derinlik gibi yapısal kısıtlamalar gerektiğinde ControlNet çıktı kalitesini ve tutarlılığını önemli ölçüde artırır.
  • check_circle Img2img hangi durumlarda işe yaramaz? Giriş görüntüsü çok düşük kaliteliyse veya içerik tamamen farklı bir bağlamda ise model anlam çıkaramaz. Çok yüksek denoising strength değerlerinde ise giriş görüntüsü etkisi kaybolur ve etkin text-to-image üretimi yapılmış olur.
  • check_circle InstructPix2Pix ile normal img2img arasındaki fark nedir? InstructPix2Pix, görüntüyü talimat cümleleriyle (örn. gökyüzünü bulutlu yap) doğrudan düzenler; ayrı bir mask veya ControlNet gerekmez. Normal img2img ise prompt'a dayanır ve genellikle düşük denoising strength ile ince değişiklik yapılır.