Как проверить похожесть AI-фото: порядок из шести шагов

Кратко. Похожесть проверяют в три захода: сначала смотришь кадр миниатюрой, потом в полном размере по якорным точкам (линия роста волос, посадка глаз, форма носа, овал), потом кладёшь рядом свою обычную фотографию того же года. До генерации исходники оцениваются автоматически, после неё решает человек: метрики «похож» у машины нет.

Три уровня похожести, и путать их не надо

Ты смотришь на кадр и за полсекунды решаешь: я или не я. Только решение это принимается на одном из трёх уровней, и от уровня зависит, что считать браком.

Первый уровень: тебя узнают в миниатюре. Аватарка в мессенджере занимает около сотни пикселей по стороне, и там читается форма головы, причёска, борода, общая масса лица. Промахнуться тут трудно, такую проверку проходит почти любой кадр.

Второй уровень: тебя узнают на полном экране. Вступают в игру пропорции и черты, посадка глаз, ширина переносицы, линия челюсти, форма губ. Именно на этом уровне идёт нормальный разбор, и именно сюда стоит целиться.

Третий уровень: кадр выдерживает соседство с твоей настоящей фотографией. Родинка под скулой, шрам на брови, чуть свёрнутый вбок нос. Досюда генерация дотягивает редко, и обещать такое было бы враньём. Где проходит честная граница, разобрано отдельно в тексте про то, буду ли я похож на себя на AI-фото.

Порядок проверки кадра: шесть шагов

Идти лучше от грубого к мелкому. Кадр, который отвалился на первом шаге, дальше проверять незачем.

1. Уменьши изображение до размера аватарки или просто отойди от экрана на два метра. Если на этом расстоянии ты себя не находишь, дело не в мелочах.
2. Открой в полном размере и пройди по якорным точкам. Линия роста волос, расстояние между глазами относительно ширины носа, форма кончика носа, линия челюсти, форма уха. Пять точек хватает: они держат узнаваемость сильнее, чем цвет глаз или морщины.
3. Посмотри всю серию одной сцены разом, а не по кадру. Гуляющее от снимка к снимку лицо означает трудный ракурс и тяжёлый свет. Лицо стабильное, но чужое означает слабые исходники.
4. Положи рядом свою живую фотографию того же года и примерно того же поворота головы. Сравнивать с отражением в зеркале бесполезно: отражение переставляет стороны, и мозг привык именно к нему.
5. Отдельно проверь возраст, вес и волосы. Эти три вещи уезжают чаще всего и заметны быстрее черт лица.
6. Вернись к отобранному утром. Ночь снимает половину претензий и добавляет пару новых, обе полезные.

Одну поправку держи в голове по ходу проверки: часть ощущения «не я» даёт оптика, а не модель. Портрет с широкого угла и близкой дистанции растягивает нос и прижимает уши, длинное фокусное расстояние наоборот уплощает лицо. Сцены в каталоге собраны под разную оптику, поэтому один и тот же человек в двух кадрах смотрится по-разному, оставаясь при этом похожим.

Седьмой заход делается чужими глазами, и он надёжнее всех предыдущих. Порядок опроса знакомых описан в той же статье про похожесть, повторяться не буду.

Что проверяется до того, как кадр родился

Первая проверка идёт до генерации, на твоих исходниках. Каждый загруженный снимок получает внутреннюю оценку качества лица: фронтальные и резкие поднимаются наверх списка, тёмные, размытые и снятые сбоку опускаются.

В быстром режиме из этой очереди отбираются четыре лучших настоящих снимка. Они уходят в модель образцами при каждом кадре пакета, то есть лицо держится не памятью модели, а этой четвёркой картинок. Работа идёт в 2K, кадр вертикальный 3:4.

У этой оценки есть предел, о котором честно сказать полезнее, чем промолчать. Она судит отдельный снимок, а не набор целиком. Три резких фронтальных селфи, снятых подряд у одного окна в одной футболке, получат высокий балл каждое, хотя вместе дают модели узкое представление о твоём лице: один ракурс, один свет, одно выражение. Поэтому разнообразие остаётся на тебе, автоматика тут не выручит.

В профи-режиме отбор строже, потому что ошибка попадает в веса личной модели и размножается на все 60 кадров. Набор из 15-20 фото режется автокропом по человеку, лишний фон отбрасывается, маски по субъекту заставляют модель учить тебя, а не комнату за спиной. Учится набор сразу в нескольких разрешениях, 2 500 шагов, скорость обучения 0,0001. Как собрать исходники, чтобы они прошли этот фильтр, расписано в инструкции по селфи для нейросети.

Случай, из-за которого мы переписали отбор образцов

Когда-то первым образцом в быстром режиме шёл сгенерированный превью-кадр. Логика казалась разумной: превью уже проверено человеком, в нём хороший ракурс и ровный свет.

Вышел каскад. Сначала живое лицо, потом его неточная копия в превью, потом кадр, построенный уже по копии. Каждое звено теряло по чуть-чуть, и к финальному пакету накапливался заметный сдвиг: кожа гладкая, черты усреднённые, человек вроде бы тот, а вроде и нет. Формально всё отрабатывало штатно, брака не было, но лицо медленно уплывало от оригинала.

Теперь в образцы допускаются только настоящие снимки. Правило короткое: опорой служит исходник, а не то, что модель нарисовала раньше.

Апскейл: увеличить, но не перерисовать

История из той же серии. Апскейл поднимает кадр вдвое по стороне, и инструменты для этого бывают двух пород. Настоящий апскейлер (super resolution) восстанавливает резкость по тем пикселям, что уже есть. Диффузионный дорисовывает недостающее, то есть заново придумывает лицо в высоком разрешении.

Какое-то время у нас стоял диффузионный. Резкость он выдавал отличную, а человек на увеличенном кадре переставал быть собой: нос и губы собирались заново, каждый раз немного по-своему. Сейчас работает настоящий апскейлер, подтяжка лица включена на половинной силе (на полной кожа становится пластмассовой), двенадцать апскейлов в пакете бесплатны.

Отсюда практический вывод для проверки: сходство оценивай по исходному кадру, а увеличенный смотри только на резкость.

Что видишь и что за этим стоит

Отдельная категория это технический брак: лишний палец, кривая дужка очков, надпись-абракадабра на фоне. К похожести он отношения не имеет, хотя портит кадр не меньше. Разбор по видам лежит в справочнике артефактов.

Почему последний судья всё равно человек

Автоматика оценивает исходники и отсеивает мусор на входе. Сказать «этот кадр похож на тебя» она не умеет, и это стоит проговорить прямо.

Числа сходства, которые выдают детекторы лиц, отвечают на другой вопрос: считает ли алгоритм распознавания это одним и тем же человеком. Алгоритм спокойно засчитает кадр, где тебе выправили асимметрию, подтянули челюсть и убрали семь лет. Друг забракует его за секунду, потому что человек опознаёт лицо по мелкой неправильности, а для детектора неправильность это шум.

Есть и вторая причина, менее очевидная. Похожесть зависит от задачи. В анкету знакомств подойдёт кадр, где ты чуть лучше, чем в жизни, а на страницу компании нужен тот, с кем тебя сравнят на встрече через неделю. Один и тот же снимок для первой задачи хорош, для второй не годится. Машина такого различия не делает, поэтому финальный отбор мы отдаём тебе и предлагаем звать чужие глаза.

Что происходит, когда ты пишешь «непохоже»

Разбор начинается не с моделей, а с твоих исходников, потому что там причина в девяти случаях из десяти.

В каталоге лечение обычно быстрое: меняем сцену на фронтальную с ровным светом и нормальным планом по грудь. Боковой ракурс с тяжёлым контровым светом требует от модели больше, чем она может отдать с трёх селфи, и сходство проседает первым.

В профи-режиме смотрим набор. Классическая картина: пятнадцать кадров одного вечера, одна футболка, один поворот головы, половина против окна. Такой набор дал ровно то, чему его научили. Лечится он пересъёмкой и повторным обучением на других исходниках за 2 290 ₽. Обещать результат тут нельзя: новый набор поднимает шансы, а не гарантирует попадание, и при редкой внешности технология может не добрать. Диагностика по симптомам разложена в статье про то, что делать с непохожим кадром.

Как это устроено у нас

Каталог сцен работает от трёх селфи, сцен в базе больше 900, пакеты от 490 ₽. Первые кадры приходят через пару минут после оплаты, весь пакет собирается за 10-20 минут, так что проверить похожесть и сменить сцену можно в тот же вечер.

Профи-фотосессия стоит 3 490 ₽ и даёт 60 фото в пяти стилях, на всё уходит около сорока минут вместе с обучением личной модели. Сходство там выше, цена ошибки в исходниках тоже.

Кадры приходят вертикальные, 3:4. Горизонтальных версий и автоматических кропов под площадки нет, квадрат под аватарку вырезается вручную из полноразмерного файла.

Частые вопросы