Как AI создаёт изображение? От шума к картинке, простыми словами

Распространённое заблуждение: генератор изображений ищет в интернете подходящие картинки и склеивает их. Происходит не это.

От шума к картинке#

Большинство сегодняшних генераторов — диффузионные модели. При обучении им показывают изображения, которые постепенно зашумляли, пока не остался чистый случайный шум. Модель учится проходить этот процесс в обратную сторону: из шума сделать чуть менее шумное.

Когда вы просите изображение, модель стартует с чистого случайного шума и очищает его за десятки шагов, каждый раз чуть ближе к вашему описанию. В итоге остаётся картинка, которой никогда раньше не существовало.

Почему руки получались неправильными#

Классический сбой, сейчас во многом решённый, но он хорошо объясняет механику.

Модель не знает, что у руки пять пальцев. Она знает, как рука статистически выглядит. Руки встречаются в данных в сотнях поз, частично скрытые, под разными углами. Статистически правдоподобная рука — не то же самое, что анатомически верная.

Та же логика объясняет искажённый текст на картинках, неправильные отражения и физически невозможные объекты.

Что писать в промпте#

Генераторы изображений вознаграждают конкретность:

• Предмет: что на картинке
• Стиль: фотореализм, акварель, техническая схема
• Композиция: крупный план, сверху, общий план
• Свет: мягкий утренний, жёсткая тень, контровой
• Чего избегать: многие инструменты поддерживают негативный промпт

«Кофе» даст общую картинку. «Крупный план чёрного кофе в белой чашке на деревянном столе, мягкий боковой свет из окна, малая глубина резкости» даст то, что вы, возможно, и хотели.

Авторское право: три вещи#

Обучающие данные оспариваются. Модели обучали в основном на изображениях, собранных из интернета, часто без разрешения. Судебные споры идут в нескольких юрисдикциях, окончательного ответа пока нет.

Права на результат неясны. Во многих странах чисто машинное произведение не получает охраны авторским правом, потому что нет человека-автора. Значит, сгенерированный логотип может оказаться незащищаемым.

Коммерческое использование зависит от сервиса. Читайте условия. Где-то разрешено, где-то только на платных тарифах, где-то нет.

Практическое правило: сгенерированное изображение — хорошая иллюстрация и плохой товарный знак.

Где это работает лучше всего#

Иллюстрации, черновики, мудборды, визуализация идеи. Всё, где картинка должна быть достаточно хорошей, а не точно правильной.

Где работает плохо: всё, где деталь должна быть достоверной. Съёмка товара, технические чертежи, всё, что утверждает факт.