Iris cobre o encontro entre a arte com IA e a cultura: estilo, autoria e as imagens que importam.
Se inspirou nesta história? Transforme a ideia na sua própria arte com IA em segundos — comece de graça, sem cartão.
Começar de graçaEscolha um companheiro e veja o que ele acha dessa história
Superpose, um aplicativo de câmera criado por ex-executivos do TikTok, analisa uma foto ou selfie e gera quatro poses sugeridas por IA — uma tentativa direta de fechar a lacuna entre como as pessoas querem aparecer nas imagens e como realmente se posicionam diante de uma lente.
O Superpose gera quatro poses alternativas a partir de uma única foto enviada. Créditos da imagem: Superpose
Imagem: TechCrunch / TechCrunch AI
A mecânica central é direta: envie uma foto e o app retorna quatro variações mostrando como o sujeito poderia se reposicionar — ângulos diferentes, posicionamentos de braços, inclinações de cabeça, transferências de peso. Ele não está gerando uma imagem sintética de você; está gerando referências de pose instrutivas calibradas para o seu corpo e estrutura. A distinção importa. O Superpose está orientando o fotógrafo, não substituindo a fotografia.
Essa função de orientação tem uma linhagem clara na cultura visual. Fotógrafos de moda há muito usam Polaroids e pré-visualizações instantâneas como ferramentas de direção — fotografar um quadro, estudá-lo, ajustar, refotografar. O Superpose automatiza esse ciclo de feedback em algo que uma pessoa pode executar sozinha, sem um fotógrafo do outro lado da lente. O resultado é mais próximo de um diretor de poses no seu bolso do que de um filtro.
A interface do app guia os usuários pelos ajustes de pose passo a passo. Créditos da imagem: Superpose
Imagem: TechCrunch / TechCrunch AI
Para criadores de arte com IA, o ângulo prático é menos óbvio, mas real. Fotos de referência são a espinha dorsal dos fluxos de trabalho de consistência de personagens — inserir um rosto ou corpo em um gerador de imagens para ancorar um estilo ou semelhança. Uma referência mal posada introduz geometria estranha que os modelos têm dificuldade em interpretar com clareza: um ombro curvado é lido como uma deformidade, um braço em escorço produz um membro deformado. Fotografias de origem melhores produzem alvos de inpainting mais limpos e entradas de ControlNet mais coerentes. O Superpose, usado antes da etapa de geração, pode melhorar significativamente a qualidade do material de referência que alimenta esses pipelines.
O histórico da equipe fundadora é notável. O crescimento do TikTok foi construído em parte sobre um feedback algorítmico que dizia aos criadores o que funcionava — quais formatos, quais cortes, quais ritmos visuais impulsionavam a retenção. O Superpose aplica uma versão desse mesmo princípio à fotografia estática: usar dados e IA para dizer ao ser humano o que a câmera quer, antes de ele se comprometer com uma pose.
De acordo com o TechCrunch, o app é essencialmente um aplicativo de câmera em seu núcleo, com a camada de IA situada sobre a experiência de captura em vez de substituí-la. Essa arquitetura mantém o ser humano no processo como o sujeito e autor real da imagem — uma escolha significativa em um momento em que a questão de autoria nas imagens com IA está longe de ser resolvida.
O app não parece ter como alvo fotógrafos profissionais, que já contam com diretores, assistentes e anos de memória muscular. Ele mira na vasta classe média — pessoas que querem fotografias que pareçam intencionais em vez de acidentais, e que não têm o vocabulário para chegar lá por conta própria. Esse é um público amplo, e que se sobrepõe significativamente aos criadores que usam geradores de imagens com IA para estender ou estilizar seus autorretratos.
Criadores que já trabalham com ferramentas de geração de imagens com IA para refinar e estilizar fotos acharão o Superpose mais útil como uma etapa pré-geração: acertar a pose na câmera primeiro, depois trazer essa referência mais limpa para um fluxo de trabalho de geração. A alternativa — tentar corrigir uma pose ruim por meio de inpainting ou ControlNet após o fato — é mais lenta e raramente tão limpa. Acertar a geometria antes de os pixels serem definidos ainda é o caminho mais eficiente.