Este artículo evalúa el impacto de las estrategias de aumento para mantener la similitud facial en la personalización de difusión estable para generar retratos de calidad profesional a partir de fotografías de aficionados. Para dos métodos de personalización, DreamBooth e InstantID, comparamos y analizamos el aumento convencional (volteo de izquierda a derecha, recorte y ajuste de color) con el aumento generativo utilizando imágenes sintéticas de InstantID. Evaluamos cuantitativamente la similitud facial utilizando SDXL y una novedosa métrica FaceDistance basada en FaceNet. Los resultados experimentales muestran que el aumento convencional puede producir artefactos que dificultan la identificación de personas, mientras que InstantID mejora la fidelidad cuando se usa de manera equilibrada con imágenes reales para evitar el sobreajuste. Un estudio de usuarios con 97 participantes confirma la diferencia entre la preferencia por la apariencia refinada de InstantID y la identificación precisa de personas de DreamBooth. Los resultados de este estudio proporcionan información sobre estrategias de aumento efectivas para la generación personalizada de texto a imagen.
