¿Por qué los modelos locales alteran los rostros en las imágenes?

¿Es posible que los modelos locales alteren los rostros?

La pregunta inicial es si los modelos locales de generación de imagen y video tienden a alterar los rostros cuando las instrucciones indican mostrar más piel de lo aconsejable, especialmente en personajes identificables. La respuesta es un rotundo sí. Es perfectamente posible que esto ocurra, y no necesariamente indica una censura deliberada por parte del modelo.

Cuando un modelo recibe un prompt donde un personaje reconocible aparece en una situación con mucha menos ropa de la que suele verse, entran en conflicto varios objetivos aprendidos durante el entrenamiento. Esto puede derivar en lo que se conoce como deriva de identidad. El modelo intenta satisfacer dos condiciones difíciles a la vez: mantener la identidad del personaje y cumplir con la situación poco frecuente solicitada; si tiene pocos ejemplos de esa combinación, empieza a sacrificar la identidad facial antes que el resto de la imagen.

Razones técnicas detrás de las alteraciones

Este fenómeno no es aislado. Existen varias causas fundamentales:

• Regularización durante el entrenamiento: Muchos modelos han sido entrenados con técnicas que reducen la capacidad de reproducir fielmente rostros en contextos considerados sensibles.
• Filtros en el dataset: El conjunto de entrenamiento puede contener muy pocas imágenes etiquetadas de personajes famosos en esas circunstancias, ya sea porque fueron eliminadas o simplemente no existían.
• Sesgo del prior: Si el modelo ha visto miles de imágenes de un personaje vestido de cierta manera, ese aspecto está muy «anclado». Al pedir algo muy distinto, la identidad puede degradarse.

En video, esto se nota aún más. Modelos como Wan o Hunyuan Video deben mantener la identidad a lo largo del tiempo; si el prompt empuja hacia una apariencia poco habitual, la identidad puede ir «derrapando» cuadro a cuadro.

Un patrón curioso observado en la comunidad es que el cuerpo suele mantener bien los rasgos generales, pero el rostro es precisamente la parte que cambia. Esto es consistente con un sistema cuyo objetivo es evitar una reproducción demasiado fiel de una identidad conocida.

¿Depende del modelo?

También influye el modelo concreto. Los modelos centrados en ilustración de anime suelen preservar mejor la identidad de personajes ficticios, mientras que los entrenados con fotografías tienden a modificar más fácilmente las caras cuando el contexto cambia mucho.

Conclusión

Así que sí: incluso usando modelos completamente locales y sin comunicación con servidores externos, puedes encontrarte con que un personaje reconocible termine con un rostro ligeramente distinto. Esto se debe tanto a limitaciones estadísticas del entrenamiento como a decisiones deliberadas incorporadas durante el proceso.