Artículo de información

José Carlos Botto Cayo y Abel Marcial Oruna Rodríguez

16 de noviembre del 2026

Abramos el álbum familiar. Entre las fotos encontramos la de un almuerzo de domingo. Reconocemos el mantel, la vajilla y la camisa de quien se sentó de espaldas a la ventana, aunque su rostro apenas se distingue. Si queremos verlo mejor, podemos digitalizar la fotografía, adjuntarla a una conversación y pedir que se aclare esa parte. La novedad está en el modo de dar la indicación. Podemos decir «aclara un poco el rostro de la persona junto a la ventana», con las mismas palabras que usaríamos si alguien estuviera a nuestro lado, mirando la foto con nosotros. Esa manera de editar acerca el retoque a quienes pocas veces han abierto un programa de fotografía (Nguyen et al., 2026).

En la captura que acompaña el artículo, /iluminar, /restaurar y /proshot son abreviaturas acordadas en una conversación de ChatGPT. Podemos usarlas allí donde hayamos explicado su significado. En un chat nuevo, basta adjuntar la foto y describir el retoque con una frase. Son los dos elementos con los que trabaja la edición guiada por texto: la imagen de partida y la indicación de lo que queremos cambiar (Zang et al., 2026).

Del atajo al retoque

Volvamos a la foto del almuerzo. Si escribimos «mejora la foto», dejamos abiertas varias decisiones. El sistema puede interpretar que conviene subir el contraste de toda la imagen, cambiar el color del mantel o recortar la mesa. Probemos un pedido más concreto. Escribamos «/iluminar. Aclara el rostro de la persona junto a la ventana y conserva la luz del resto de la escena». Con eso ya tenemos una manera de comprobar el resultado. Podemos mirar si se distingue mejor la cara y si la mesa sigue recibiendo la misma luz. En un estudio con un modelo de edición, Watanabe y sus colegas observaron que varias redacciones de un mismo pedido podían dar lugar a imágenes diferentes (Watanabe et al., 2024).

Los otros atajos de la captura ayudan a nombrar tareas distintas. Con /enfocar pedimos mejorar la nitidez de una toma ligeramente borrosa. Si queremos suavizar el brillo de la frente, podemos escribir /retocar y añadir que se conserve la textura de la piel. Con /proshot dejamos más decisiones abiertas porque pedimos un acabado editorial que puede abarcar la luz, el color y el encuadre. En un retrato para una publicación, por ejemplo, podemos indicar si aceptamos un recorte más cerrado o si queremos que aparezcan también la mesa y las personas que estaban alrededor. En cada caso importa delimitar hasta dónde debe llegar el cambio (Zang et al., 2026).

Con /blancoynegro pedimos una versión en escala de grises. Si el rostro ya está en sombra, podemos solicitar que el contraste sea suave y deje visibles las facciones. Así precisábamos antes un ajuste al trabajar con las herramientas de un editor. Ahora podemos expresar con palabras el tratamiento que queremos probar (Nguyen et al., 2026).

Qué recuperamos cuando restauramos una foto

Con /restaurar podemos pedir que se atenúe una mancha del papel o que se corrija una raya sobre el mantel. El trabajo cambia si la raya cubre un ojo o si falta un pedazo del retrato. Cuando el sistema rellena esa zona, puede producir un detalle que encaje con lo que todavía se ve. A primera vista, el ojo reconstruido quizá parezca parte de la toma. Para saber cómo se veía aquel domingo tendríamos que buscar otra copia de la misma fotografía. Ahí se juega una distinción que importa en cualquier álbum: una cosa es hacer visible un detalle que se conserva y otra es completar el que se perdió (Huang et al., 2025).

/colorizar plantea una pregunta parecida. Si la camisa aparece azul en la versión digital, ¿de dónde salió ese color? Podemos mirar otra fotografía en color de aquel día o preguntarle a alguien que recuerde la prenda. Mientras falte esa referencia, el azul pertenece a la versión que el sistema produjo. La familia puede disfrutar de la imagen colorizada y guardar junto a ella la toma en blanco y negro (Huang et al., 2025).

La fidelidad a la foto también importa cuando el papel está en buen estado. Jung y sus colegas estudiaron qué sucede al pedir cambios en la postura de un sujeto o en la composición de una escena. El problema era conseguir el cambio solicitado y conservar, al mismo tiempo, la apariencia del sujeto y los detalles del fondo. Pensemos ahora en nuestro retrato. Una cara más clara nos sirve si podemos reconocer la expresión de quien está sentado junto a la ventana. Un gesto apenas visible puede ser el detalle por el que alguien de la familia identifique a esa persona (Jung et al., 2025).

Antes de guardar la foto, volvamos al original

Pongamos las dos versiones del almuerzo una al lado de la otra. En el original, la sombra cubre buena parte de la cara. En la copia editada distinguimos mejor los ojos y la expresión. Miremos ahora el mantel. Si también se aclaró toda la mesa, podemos volver a la foto inicial y delimitar el pedido a la cara de la persona junto a la ventana. Si el cambio quedó donde lo pedimos, ya tenemos una copia que cumple su propósito. Revisar qué se modificó y qué se conservó es parte de la evaluación de estas herramientas (Zang et al., 2026).

El destino de la imagen también ayuda a elegir. Para compartirla con quienes estuvieron en aquel almuerzo, la copia más clara puede ser la preferida. Si queremos publicarla como documento, conviene conservar la versión que mejor permita examinar la escena tal como quedó fotografiada. En su estudio sobre edición para redes sociales, Watanabe y sus colegas evaluaron por separado el atractivo visual de una imagen y la fidelidad a la instrucción. Podemos aplicar esa distinción al escoger la copia que vamos a usar (Watanabe et al., 2024).

Si la fotografía va a ingresar a un archivo familiar o vecinal, guardemos el original y pongamos una nota breve en la copia. «Ajuste de luz», «versión colorizada» o «fragmento reconstruido» indican trabajos distintos. Dentro de unos años, alguien puede volver a esa foto para reconocer un rostro, identificar el lugar o averiguar cómo se reunía la familia. Podrá mirar la versión que hicimos para que el rostro se vea mejor y, si quiere saber qué quedó registrado aquel domingo, tendrá a mano la fotografía del álbum (Huang et al., 2025).

Bibliografía

Huang, Yi / Huang, Jiancheng / Liu, Yifan / Yan, Mingfu / Lv, Jiaxi / Liu, Jianzhuang / Xiong, Wei / Zhang, He / Cao, Liangliang / Chen, Shifeng. (2025). Diffusion model-based image editing: A survey. IEEE Transactions on Pattern Analysis and Machine Intelligence, 47(6), 4409–4437. https://doi.org/10.1109/TPAMI.2025.3541625

Jung, Yunji / Lee, Seokju / Djanibekov, Tair / Ye, Jong Chul / Shim, Hyunjung. (2025). Text optimization with latent inversion for non-rigid image editing. Pattern Recognition Letters, 196, 281–288. https://doi.org/10.1016/j.patrec.2025.06.011

Nguyen, Thanh Tam / Ren, Zhao / Pham, Trinh / Le Nguyen, Phi / Nguyen, Quoc Viet Hung / Yin, Hongzhi. (2026). A review of instruction-guided image editing. Engineering Applications of Artificial Intelligence, 163, parte 2, artículo 112953. https://doi.org/10.1016/j.engappai.2025.112953

Watanabe, Yuto / Togo, Ren / Maeda, Keisuke / Ogawa, Takahiro / Haseyama, Miki. (2024). Text-guided image editing based on post score for gaining attention on social media. Sensors, 24(3), artículo 921. https://doi.org/10.3390/s24030921

Zang, Xianghao / Jiang, Zijian / Cheng, Jiarong / Teng, Qianrui / He, Ying / Mu, Yuxuan / Ban, Chao / Zhang, Huayu / Zhou, Lanxiang / Feng, Zerun / Zhang, Chi. (2026). Instruction-based image editing: A survey on data, models, evaluation, and applications. Vicinagearth, 3, artículo 3. https://doi.org/10.1007/s44336-026-00034-3