其機制：取得輸入圖像，通過 VAE 編碼器編碼至潛在空間，根據「去噪強度」參數添加噪音（0.0 = 不變，1.0 = 純噪音 = 文字轉圖像），然後在文字提示的條件下進行去噪。在強度 0.3 時，輸出與輸入非常相似，只有細微修改。在強度 0.8 時，圖像基本被重新想像，但保留基本構圖。
去噪強度是關鍵參數：它控制輸出可以偏離輸入多少。低強度（0.2–0.4）：輕微的風格變化、色彩調整、細微的細節添加。中強度（0.5–0.7）：顯著的風格轉換，同時保留構圖。高強度（0.8–1.0）：大幅重新想像，與輸入僅有模糊的結構相似性。找到適合你用途的正確強度需要反覆實驗。
一個強大的 img2img 工作流程：畫一個粗略的草圖（甚至用小畫家就行），以中高去噪強度將其作為輸入圖像，然後描述期望的輸出。草圖提供空間佈局（物體在哪裡、它們的相對大小），而 AI 填充所有的藝術細節。這讓任何會畫火柴人的人都能使用 AI 圖像生成——構圖來自你，渲染來自 AI。