Нейросеть картинки и фото человека: в чём разница

Кратко. Генератор изображений рисует правдоподобного незнакомца: лицо он собирает из усреднённых черт и каждый раз новое. Чтобы в кадре оказался ты, модели сначала показывают твоё лицо: три селфи для переноса черт или 15-20 снимков для обучения личной модели. Поэтому картинки раздают бесплатно, а портреты стоят денег.

Нейросеть картинки собирает из среднего

Нарисовать «мужчину с бородой в сером пиджаке» модель может за секунды именно потому, что ей не с чем свериться. В поиске рядом стоят два запроса: «нейросеть картинки» и «генератор изображений нейросеть», и за ними прячется одна и та же механика. Модель училась на огромном количестве подписанных изображений и вынесла оттуда понятия: мужчина сорока лет, короткая борода, серый пиджак, свет из окна слева. Она знает, как эти вещи выглядят вообще.

Твоего лица среди понятий нет. Даже если пара снимков из соцсети когда-то попала в обучающий набор, они растворились среди миллионов чужих и никакого отдельного следа не оставили.

Поэтому запрос «мужчина с бородой в костюме» выдаёт правдоподобного незнакомца, а повтор того же запроса приводит другого незнакомца того же типажа. Для модели это штатная работа: верного ответа здесь нет вообще, любое лицо подходит. Придраться можно разве что к пальцам, ушам и надписи на вывеске за спиной, потому что больше сверять не с чем.

Отсюда и бесплатные тарифы. Обучение большой модели прошло один раз и сразу для всех, дальше каждая картинка занимает видеокарту на несколько секунд. Такую мелочь площадке дешевле подарить в обмен на регистрацию, чем считать деньги за штуку.

Портрет конкретного человека: верный ответ ровно один

С твоим лицом задача переворачивается. Существует единственный правильный вариант, и его наизусть знает каждый, кто видел тебя живьём. Промах на пару миллиметров в ширине челюсти или в посадке глаз считывается за долю секунды, хотя объяснить причину человек не сможет. Допустим, ты показываешь кадр маме. Она не скажет «у тебя глаза посажены шире», она скажет «ну, какой-то ты тут не такой».

Отсюда расхождение, которое чаще всего удивляет. Мощность модели и сходство лежат на разных осях. Модель рисует кожу с порами, ткань с переплетением нитей и свет как в студии, а лицо при этом остаётся чужим. Красота картинки и узнаваемость человека делаются разными способами, и вторая не приходит следом за первой.

Есть и вторая половина задачи, про которую вспоминают уже после первого удачного кадра. Одну похожую фотографию можно вытащить везением: из тридцати попыток какая-то совпадёт. Профиль так не собирается. Для анкеты или рабочей страницы нужно пять-шесть снимков, где в разной одежде, при разном свете и в разных сценах остаётся один и тот же человек. Если на кадре из спортзала подбородок уехал, а на офисном лицо помолодело лет на семь, зритель прочитает подборку как чужую, даже не разбираясь почему.

Держать это постоянство от кадра к кадру тяжелее, чем попасть один раз. Для тебя это значит, что оценивать сервис стоит по серии, а не по лучшему кадру из рекламы.

Почему лицо проверяют строже, чем всё остальное в кадре

Лишнее дерево на пейзаже почти никто не заметит, а съехавший нос у знакомого заметят все. Лица мы различаем и помним точнее любых других предметов, и мозг сверяет их без спроса.

У незнакомых лиц допуск огромный: сгенерированный стоковый мужчина проходит мимо внимания. Как только в кадре появляется человек, которого зритель знает, допуск схлопывается почти до нуля. Поэтому AI-иллюстрации в статьях никого не смущают, а AI-портрет коллеги в рабочем чате вызывает вопрос ещё до того, как его успели разглядеть.

В анкете знакомств работает третий вариант, самый неудобный. Девушка тебя не видела, сравнить ей не с чем, но через несколько дней вы можете встретиться, и сверка всё равно произойдёт, только очно. Поэтому планка там задаётся не чужим взглядом, а твоим собственным лицом на встрече: кадр должен показывать тебя в хороший день, а не другого мужчину.

Есть и обратная сторона, уже с твоей стороны экрана. Своё лицо мы помним по зеркалу, то есть отражённым, а на фотографии видим его развёрнутым обратно. Собственный портрет из-за этого кажется незнакомым даже тогда, когда снят настоящей камерой. Разбор ловушки лежит в отдельном тексте про то, будешь ли ты похож на AI-фото.

Два способа затащить своё лицо в генерацию

Перенос черт по образцу. Сцену модель считает по описанию, а лицо берёт с двух-трёх твоих селфи. Порог входа минимальный, ждать почти нечего. Слабое место в мелочах: родинка теряется, борода меняет контур от кадра к кадру, форма носа слегка гуляет. На иконке в мессенджере этого никто не увидит, на большом экране увидят.

Обучение личной модели. Сервис берёт 15-20 твоих фотографий и дообучает поверх большой модели маленький дополнительный слой. Приём называется LoRA, мы объясняли его простыми словами отдельно. После обучения твоё лицо становится для модели самостоятельным понятием, таким же как борода или серый пиджак, и вытаскивается в любую сцену.

Разница в деньгах растёт из того же корня. Картинку по описанию модель считает одинаково для всех. Под тебя приходится или гонять твои селфи в каждой генерации, или обучать отдельную модель, и оплачивает это кто-то один.

Выбор между двумя способами упирается в то, где кадр будет жить. Аватарку в мессенджере разглядывают полсекунды на экране шириной с ноготь, там хватит переноса черт. Фотография в анкете знакомств или на странице услуг открывается во весь экран, её листают и сравнивают с другими, и вот там мелкие промахи начинают работать против тебя.

Что чем делать

Три ошибки, из-за которых кадр выходит чужим

1. Описать себя словами вместо загрузки снимков. «Русые волосы, серые глаза, короткая борода» задают типаж, под который подходит полвагона метро в час пик. Приметы словами не передаются.
2. Дать однообразные исходники. Пять селфи, снятых за минуту у одного окна, модель прочитает как одно фото и заучит единственный ракурс вместе с выражением лица.
3. Ждать совпадения по пикселям. Похожесть меряется иначе: человек, знающий тебя вживую, смотрит на кадр и не запинается. Сравнивать результат с любимым своим фото бессмысленно, там ты выбран из полусотни дублей.

Как проверить похожесть за две минуты

• Показать кадр двум знакомым и спросить «похоже?», а не «красиво?».
• Смотреть на пропорции: расстояние между глазами, ширину челюсти, линию скул. Кожа и свет тут ни при чём.
• Найти приметы, по которым тебя опознают: шрам, родинка, форма бровей, залысины. Их генерация теряет первыми.
• Сверять с обычным домашним снимком, а не с лучшей фотографией за год.

Если похожими вышли не все кадры пакета, это нормально для генерации: отбраковка входит в процесс, и в анкету всё равно идут пять-шесть лучших.

Как это устроено у нас

Мы занимаемся второй задачей из двух описанных: портретами конкретного человека, одного мужчины в кадре. Картинки по описанию у нас заказать нельзя, как и кадр с друзьями или девушкой.

Быстрый режим начинается с трёх селфи. Дальше выбираешь сцены в каталоге, их больше 600: студия, улица, деловой кабинет, спортзал, поездка. Первые кадры приходят через пару минут после оплаты, весь пакет собирается за 10-20 минут. Десять фото стоят 490 ₽, двадцать пять 990 ₽, пятьдесят шесть 1 990 ₽.

Режим с обучением личной модели живёт на странице профи-фотосессии: 15-20 фото на вход, около двадцати минут ожидания, на выходе 60 кадров в пяти стилях за 3 490 ₽. Туда идут, когда снимки увидят люди, которые знают тебя в лицо.

Кадры приходят вертикальными, в пропорции 3:4. Других ориентаций и автоматической обрезки под форматы площадок нет, квадрат под аватарку вырезаешь сам. Кадры из каталога приходят сразу в 2K (в «Профи» часть кадров своей модели ещё и увеличивается бесплатно), файлы скачиваются в полном размере из личного кабинета.

Когда нейросеть для изображений это правильный выбор

Если лицо в кадре не твоё, обучать нечего и платить за сходство незачем. Обложка для канала, фон презентации, предметный кадр, человек со спины или силуэт в дыму: тут обычный генератор справится за секунды и бесплатно, а русский запрос понимают Кандинский от Сбера и Шедеврум от Яндекса.

Граница видна ровно в одном месте. Как только кадр начинает представлять тебя перед людьми, генератор картинок заканчивается и начинается работа с твоими исходниками. На документы не годится ни то, ни другое: там принимают только съёмку по регламенту.

Частые вопросы