A IA consegue gerar imagens fotorrealistas a partir de descrições de texto que rivalizam com a fotografia profissional ?

A IA deu grandes saltos na conversão de texto em imagens detalhadas. De paisagens a retratos, modelos de difusão como o DALL-E 3 e o Midjourney criam visuais quase indistinguíveis de fotos reais. Esta capacidade transformou indústrias criativas, publicidade e redes sociais. A qualidade muitas vezes engana até olhos treinados. A reprodução de cenas complexas com iluminação e sombras corretas é agora esperada.

Os actuais sistemas de texto para imagem, como o Stable Diffusion XL, Midjourney v6 e DALL-E 3, conseguem produzir saídas fotorrealistas que, à primeira vista, são indistinguíveis de fotos profissionais de stock, mas ainda têm dificuldade em aderir consistentemente a relações espaciais complexas, replicação precisa de estilos de marca e coerência de iluminação entre vários objectos. Estes modelos aproveitam arquitecturas baseadas em difusão treinadas com centenas de milhões de pares de imagem-legenda para sintetizar detalhes convincentes, mas ainda apresentam artefactos como mãos distorcidas, sombras não naturais e reflexos implausíveis quando os pedidos exigem alta fidelidade. Fotógrafos profissionais relatam que, embora a IA possa aumentar a concepção e a prototipagem rápida, ainda não consegue fornecer de forma fiável o controlo subtil, a proveniência legal e a origem ética necessários para campanhas comerciais.

— Enriquecido a 12 de maio de 2026 · Fonte: “Photorealistic Text-to-Image Diffusion Models: A Survey”, pré-impressão arXiv arXiv:2309.07995, 2023.