Reconstrucción Guiada por Referencias: El Desafío de los Modelos de Edición

¿Es posible utilizar modelos de edición de imágenes para «reconstruir» una escena, utilizando las imágenes originales de alta calidad de los personajes y el entorno como fuentes de información, pero manteniendo intacta la composición, la cámara y las poses de un render mediocre?

La respuesta es sí. Lo que estás buscando se conoce en el ámbito técnico como «reconstrucción guiada por referencias».

El primer paso es entender qué papel juega cada imagen. El render de baja calidad actúa como un mapa estructural; te da la geometría proyectada, las posiciones y el encuadre exacto que necesitas. Las imágenes de alta calidad, por otro lado, funcionan como fuentes de información visual para la identidad, los rasgos faciales, el vestuario y el entorno.

Al principio, parece que cualquier modelo de edición debería ser capaz de esto automáticamente. Sin embargo, rápidamente chocamos con una limitación técnica real: el nodo `TextEncodeQwenImageEditPlus` dentro del workflow nativo de ComfyUI solo acepta tres entradas de imagen simultáneamente.

Esto nos obliga a ser creativos con cómo agrupamos nuestros datos. Intentar meter cuatro referencias distintas en un solo paso inicial se vuelve imposible, lo que lleva a errores en el proceso. De hecho, al probar esto inicialmente con MiniMax H3, el modelo simplemente devolvió una copia exacta del frame original.

El problema aquí es que si no establecemos explícitamente qué información debe reemplazar qué, el camino de menor resistencia para la IA es conservar el frame y simplemente «mejorar» los píxeles existentes, en lugar de regenerar completamente la apariencia visual.

La solución final fue utilizar un prompt altamente estructurado que separa conceptualmente las tareas. El modelo recibe instrucciones claras sobre qué debe preservar (cámara, encuadre, pose) y exactamente qué debe cambiar (identidad, ropa, entorno). Se le instruye para no simplemente reproducir el render original.

El resultado es una reconstrucción exitosa que demuestra cómo se puede trabajar dentro de las limitaciones de los nodos actuales. Al asignar correctamente el frame, los sujetos y el entorno a sus respectivas referencias en pasos secuenciales o mediante una composición compuesta inteligente, logramos obtener una imagen final de alta calidad.

Este enfoque no solo resuelve la restricción del nodo de tres entradas, sino que también evita que la IA confunda la estructura con la apariencia visual, permitiendo un control total sobre el resultado final.