Обработка фото нейросетью: ретушь, стиль, замена фона

Привычная аналогия — один ярлык «Photoshop онлайн», который делает всё сразу. На практике цепочка ломается на первом шаге. Увеличить старое семейное фото и заменить небо за спиной для модели — разные задачи с разной математикой. Первая операция поднимает мелкие детали и может дорисовать ресницы, которых на плёнке не было. Вторая строит маску неба и подменяет только эту область, но если маска захватила волосы, на новом фоне появится серая кайма.

Прежде всего стоит назвать, что именно нужно сохранить. Лицо узнаваемым? Надпись на упаковке читаемой? Историческую зернистость? Ответ «да» на любой пункт сужает выбор: нужен инструмент, который трогает маленькую область, а кнопка «сделай красивее весь кадр» здесь только навредит.

Под обработкой здесь понимают любую правку, где на вход подают ваш файл. Это отличается от чистой генерации, когда модель рисует картинку только по тексту. OpenAI в документации к моделям GPT Image прямо разводит два режима: генерация с нуля по текстовому запросу и правка, когда существующую картинку меняют частично или целиком. Google в документации Gemini API описывает правку по тексту и снимку и приём, который называет смысловой маской: область задают словами в диалоге («измени только синий диван»), а всё остальное просят оставить как было.

Типичный ии фоторедактор онлайн смешивает оба режима в одном интерфейсе. Кнопка «улучшить» часто запускает увеличение с дорисовкой, а «заменить фон» включает сегментацию. Поэтому запрос «обработать фото нейросетью» без уточнения почти всегда требует второго вопроса — что именно не устраивает в кадре.

Схема выбора задачи, иллюстрация GPThub

Сегментация — сеть выдаёт карту покрытия: где объект, где фон, где полупрозрачная прядь. Meta описывает Segment Anything как модель, которая принимает подсказку (точку или рамку) и строит маску даже на новых для неё кадрах; для обучения собрали больше миллиарда масок на 11 миллионах изображений. Такие карты нужны для вырезания, замены фона и иногда для ретуши по контуру. Подробности про край и полупрозрачность — в материале «Как нейросеть отделяет объект от фона». Здесь только правило: если задача «убери фон» или «поставь белую стену», начинать стоит с маски, а просьба «перерисуй всё маслом» тут лишняя.

Второе семейство — генеративная вставка: в выделенной области модель дорисовывает новые пиксели по тексту. Adobe в анонсе 2023 года формулировала так: текстовые подсказки добавляют, расширяют или убирают содержимое снимка, причём неразрушающе. Так же устроена правка в чатах с моделями картинок: описали изменение, получили вариант, уточнили одной фразой. Риск здесь другой — модель может заменить не только фон, но и лицо, если запрос широкий.

Между семействами нет жёсткой стены. Сначала строят маску, потом внутри неё генеративную заливку. Причём у генеративной модели даже маска остаётся подсказкой. В руководстве OpenAI сказано, что маскирование у GPT Image целиком опирается на запрос и модель может следовать форме маски не вполне точно. Отсюда типичная ошибка новичка: пропустить маску и попросить «сделай студийный портрет», когда нужно было «осветли только тени на щеке».

Если беспокоит мыло, зерно скана или смаз от движения, это ветка увеличения с дорисовкой деталей и восстановления. Стиль тут ни при чём. Real-ESRGAN и GFPGAN, две открытые разработки лаборатории Tencent ARC 2021 года, прямо называют свою задачу в заголовках статей «слепым» восстановлением. Модель не знает, как выглядел объект в день съёмки, и может выдать правдоподобную, но ложную деталь. Разбор увеличения и проверок — в статье «Улучшить качество фото нейросетью».

На практике после «улучшения» сравнивают два участка — мелкий текст на вывеске и край зрачка. Если одни буквы стали резче, а другие превратились в другой алфавит, это галлюцинация. Для лица смотрят на зубы, серьги и асимметрию глаз. GFPGAN опирается на заранее обученную генеративную модель лиц, и такие сети иногда выдают «типовое» лицо вместо вашего.

Запросы «нейросеть для удаления фона» и «нейросеть вырезает объект» попадают сюда. Инструмент ищет границу предмета, цвет стены для него вторичен. На видео та же маска кадр за кадром дрожит, это отдельная беда, она тоже описана в разборе про фон.

Когда снимок готовят для маркетплейса или документа, контур проверяют при увеличении 200%. Однотонная кайма вокруг волос почти всегда значит, что мягкий край сжали. Для замены фона запрос лучше держать конкретным: небо, интерьер, белая стена. Просьба о «красивом фоне вообще» приводит к тому, что модель перепишет и одежду под новый свет.

Раскраска старых снимков — отдельная задача. Модель угадывает цвет по контексту, и угадывание может быть исторически неверным. Результат — правдоподобная реконструкция, настоящий цвет она не возвращает. Критерии и типичные ошибки — в статье «Раскрасить чёрно-белое фото». Если исходник уже цветной, но выцвел, сначала пробуют баланс белого и кривые. Нейросеть-раскраска сюда не подходит.

«Оживить фото» — уже не статичная обработка: модель достраивает промежуточные кадры или целый ролик. Движение пальцев, моргание и поворот головы легко выглядят пластмассовыми, даже когда статичный кадр был правдоподобным. Ограничения и проверки разобраны в статье «Оживить фото». Если нужна только лёгкая анимация фона, а лицо должно остаться неподвижным, запрос стоит сузить до фона, иначе сеть сдвинет и портрет.

Стиль — это перенос палитры, текстуры или жанра на весь кадр или на его часть. Локальная правка — убрать провод, добавить книгу на стол, расширить кадр в сторону. В справке Google Photos у «Волшебного ластика» (Magic Eraser) область выбирают касанием, обводкой или кистью, а режим AI Enhance сочетает несколько инструментов и предлагает несколько готовых вариантов на выбор. В документации Gemini API Google называет многоходовый разговор рекомендуемым способом доводить картинку: её меняют короткими сообщениями, не начиная с нуля.

Здесь чаще всего ломаются надписи. Модель «исправляет» шрифт на этикетке или меняет число на ценнике. Проверка простая — сравнить каждый читаемый символ с исходником. Второй частый провал — перспектива: добавленный объект не лежит в той же плоскости, что стол.

Для переноса стиля полезно явно написать, что должно остаться фотографией: «стиль акварели только на фоне, люди без изменений». Без такого ограничения нейросеть, изменяющая фото, часто трогает кожу так же, как небо.

Под стилем понимают не одну живопись. Это ещё палитра кинохроники, зерно плёнки, холодный или тёплый баланс, имитация вспышки. В документации Gemini API перенос стиля описан шаблоном «сохрани исходную композицию, но передай её в такой-то манере», а для деталей, которые нельзя трогать, Google советует отдельно и подробно описать их в том же запросе: лицо, логотип. Без этой оговорки «золотой час» перекрасит и тени на лице. Поэтому стилевые правки почти всегда идут после геометрии и фона, когда контур уже финальный.

Если нужен единый стиль для серии из десяти кадров, фиксируют одну формулировку и один исходный цветовой профиль. Смена формулировки между кадрами даёт разную «плёнку», и подборка на сайте выглядит как работа пяти разных авторов.

Если в одном кадре несколько проблем, порядок обычно такой: сначала геометрия и вырезание, потом цвет, потом стиль, в конце движение. Иначе увеличение с дорисовкой может закрепить ошибочную маску.

Края. Лупа на контур рук, волос, стекла. Резкий срез там, где в исходнике был мягкий размытый фон, — признак сжатой маски.

Мелкий текст и логотипы. Любая генеративная вставка может «подправить» буквы. Если текст юридически важен, результат нейросети годится только как черновик.

Пальцы и уши. Особенно после оживления или широкого стиля. Лишний палец — повод отклонить весь кадр, ретушировать его локально бессмысленно.

Согласованный свет. Новый фон должен отбрасывать тень в ту же сторону, что и объект. Иначе мозг считывает монтаж даже без опыта в дизайне.

Повторный запуск. Два запуска с одним запросом у генеративных моделей часто дают разные лица. Для документов это минус. Для иллюстрации это норма, если вы заранее решили, какой вариант берёте.

Служебные метки. OpenAI пишет, что к картинкам ChatGPT Images 2.5 добавляются метаданные C2PA и невидимый водяной знак, Google — что все изображения моделей Nano Banana несут метку SynthID. Adobe ещё в 2023 году заявляла поддержку Content Credentials для генеративной заливки. Какие из этих меток переживают пересылку и как проверить файл, разобрано в статье «Водяной знак нейросети».

Слишком широкое «сделай профессионально» без указания области: модель меняет и кожу, и фон, и одежду. Запрос «как на Pinterest» без образца тянет случайную палитру. Просить одновременно увеличение в четыре раза и радикальный стиль — получить восковое лицо на текстурированном фоне. Загружать скриншот с водяным знаком и просить «убери текст» — иногда сеть стирает и нужную надпись на упаковке.

Со стороны файла: JPEG с сильным сжатием перед правкой даёт квадраты вокруг краёв, поэтому лучше сохранить копию в PNG или TIFF, если редактор позволяет. Поворот из EXIF иногда не учитывается веб-загрузчиком — картинка приходит боком, и маска строится не туда.

Сервисы в выдаче по запросу «обработка фото нейросетью онлайн» обычно делают три вещи: режут фон одной кнопкой, предлагают «улучшить» и дают текстовую правку. Отличия — в том, сохраняют ли слои, сколько шагов можно отменить и остаётся ли копия на сервере навсегда. Официальная справка конкретного сервиса здесь важнее рекламного слогана.

В чате с моделями картинок принцип тот же: прикрепляете снимок, формулируете правку, получаете файл. И Gemini, и GPT Image по документации разработчиков поддерживают цепочку правок в одном диалоге. Загрузка, форматы и ограничения по размеру описаны в гайде «Работа с картинками», формулировки запросов — в гайде «Как писать промпты».

В чате GPThub уже доступны модели картинок GPT Image 2.5 и Nano Banana 2.1. Вкладка «Картинка» принимает ваш файл и текст правки, как отдельный ии фоторедактор, только без смены программы. Чем линейки различаются, разобрано в статьях про GPT Image и про Nano Banana 2.1. Текстовые модели вроде Gemini 3.8 Flash, которая тоже уже доступна в чате, помогают сформулировать запрос, если вы не уверены, нужна маска или стиль. Пиксели такая модель не меняет, она только описывает, что не так в кадре.

Один и тот же инструмент даёт разный риск в зависимости от жанра снимка. На портрете критична узнаваемость, и смещение зрачка на миллиметр уже заметно родственникам. На карточке маркетплейса важнее чистый контур и правдоподобная тень на белом, а лицо модели может быть стоковым. На фото паспорта или договора любая правка текста недопустима — там остаётся только обрезка и иногда выравнивание перспективы без генерации.

Портрет после «улучшения» сравнивают с исходником в режиме мигания, два кадра друг на друга. Если черты «плывут», откатывают шаг. Товар после удаления фона кладут на однотонный лист и смотрят, не осталась ли цветная кайма по контуру упаковки. Документ печатают на листе A4 — то, что на экране казалось мелочью, на бумаге становится провалом.

Если вам интересен взгляд фотографа на те же инструменты — RAW на входе, серии, стоки, свет, — он собран в отдельной статье «Нейросеть для обработки фото». Здесь речь о выборе задачи, там о том, как вписать её в съёмку.

Полный гайд по формулировкам лежит в «Как писать промпты». Здесь только три шаблона мысли, без готовых строк для копирования.

Первый шаблон называет область: «только небо», «только пятно на асфальте», «область внутри рамки на стене». Второй называет операцию — «убери», «замени на», «осветли тени, не трогая лицо». Третий фиксирует запрет: «не меняй текст на вывеске», «сохрани зерно плёнки», «не трогай руки». Google в документации Gemini API предлагает почти тот же каркас: изменить только конкретный элемент и оставить всё остальное, включая свет и композицию, без изменений.

Если модель отвечает новым кадром, где изменилось больше, чем просили, запрос был шире, чем казалось. Сужение почти всегда дешевле, чем спор с результатом.

Файл, который вы загружаете, уже несёт историю правок. JPEG сжимает картинку блоками 8×8 пикселей и при каждом пересохранении теряет немного данных. После нескольких копий вокруг контуров появляются «ступеньки», и нейросеть может принять их за текстуру кожи. PNG или TIFF без потерь не волшебны, но не добавляют новых артефактов на каждом шаге.

Профиль sRGB остаётся безопасным выбором для веба. Если исходник пришёл из профессиональной камеры в широком профиле, конвертацию лучше сделать один раз вручную и не доверять случайному загрузчику. Иначе цвет кожи после «стиля» уедет, и вы спишете это на модель.

Поворот по метаданным EXIF иногда теряется при выгрузке из мессенджера. Одно приложение уже «впекло» поворот в пиксели, другое нет. Если превью в чате лежит боком, исправьте ориентацию до правки фона.

Для серии однотипных товаров с одного ракурса иногда выгоднее построить маску на эталоне и прогнать пакет в классическом редакторе, чем каждый раз описывать фон словами. Нейросеть в пакете сама себя не проверяет. Каждый кадр она обрабатывает заново, и на двадцатом может перерисовать этикетку, которую на первых девятнадцати не трогала.

Обычная выборка — каждый десятый кадр под лупой, плюс первый и последний в серии. Если на выборке нашли системную ошибку, останавливают весь пакет. Править один файл вручную, оставляя остальные с тем же дефектом, бессмысленно.

Обработка чужого лица без согласия — отдельный юридический пласт. Технически модель может заменить фон на свадьбе или убрать человека с группового снимка. Google в той же документации Gemini API прямо напоминает: на загружаемые изображения нужны права. Кому принадлежит результат и что можно делать с картинкой, разобрано в статье «Кому принадлежат картинки нейросети».

Если снимок идёт в новость, даже аккуратная ретушь может изменить смысл кадра. Убранный объект или подменённый фон — это уже монтаж, а не исправление экспозиции. Редакционные правила здесь важнее красоты результата.

Заливка с учётом содержимого (Content-Aware Fill) появилась в Photoshop CS5 в 2010 году. Программа подбирала пиксели из окрестности, чтобы закрыть выделение. Это работало на текстурах травы и стены, но ломалось, когда нужно было нарисовать новый объект, которого рядом не было. Generative Fill в 2023 году добавил текстовую инструкцию поверх той же логики выделения. В бете функция работала только с английскими запросами, а в общий доступ Adobe вывела её 13 сентября 2023 года.

Понимание этой лестницы помогает выбрать ожидания. Если нужно закрыть пятно от пылинки на однотонной стене, иногда хватит классики без нейросети. Если нужно «добавить вазу с цветами на стол», без генерации не обойтись.

Кривые, уровни, шумоподавление без генерации — всё ещё первый шаг для цветного снимка с нормальной экспозицией. Нейросеть имеет смысл, когда нужно достроить отсутствующие пиксели: убрать объект, расширить кадр, восстановить лицо на царапинах плёнки. Для пакетной обработки сотен одинаковых карточек товара автоматическая маска иногда экономит время по сравнению с ручной ретушью, но край всё равно проверяют на выборке.

Простая привычка — хранить исходник и финал рядом в одной папке с датой в имени файла. На экране телефона два кадра выглядят одинаково, на большом мониторе всплывает лишний блик на очках. Если снимок идёт в рекламу или в новость, второй человек смотрит только на текст и края, не оценивая «красоту». Так отлавливают цифры на ценнике и съехавшие зубы, которые автор уже перестал замечать.

Для личного архива достаточно короткого списка из блока «Коротко». Для коммерции добавляют печать на бумаге и просмотр с расстояния вытянутой руки.

Если из поиска пришли за «нейросеть изменяющая фото», но на самом деле нужен ролик из текста, это ближе к обзору видеомоделей. Если нужна картинка по описанию без исходника, это генерация, и ей посвящена статья «Нейросети для картинок». Обработка начинается с вашего файла.

Иногда задача звучит как «обработка фото нейросетью онлайн», а на деле это скриншот переписки или слайда. Текст на скриншоте модель может переписать так же охотно, как вывеску на улице. Поэтому сначала проверяют, нужна ли вообще генеративная правка. Часто хватает обрезки и размытия личных данных обычными инструментами, о которых говорится в гайде про картинки.

Перед тем как отдать архив семейных альбомов, стоит прочитать официальную справку площадки, а не только посадочную страницу. Три вопроса без юридического жаргона: хранится ли копия после закрытия вкладки, можно ли удалить историю, используются ли загрузки для обучения моделей. Ответы различаются даже у крупных разработчиков и меняются с обновлением политики.

Для рабочих материалов компании часто выбирают сервис, где файл не покидает оговорённый регион хранения. Речь о проверке риска, конкретный продукт тут вторичен: утечка кадра с белой доской может раскрыть больше, чем кажется на миниатюре.

Запрос «нейросети редакторы фото» в поиске обычно смешивает три аудитории. Первая хочет убрать прыщи на селфи, вторая готовит триста карточек товара, третья ищет «как в Photoshop, только в браузере». Общий ответ один, детали разные. Селфи проверяют по узнаваемости, карточки по контуру, браузерный редактор по тому, можно ли откатить шаг и скачать слой маски. Если сервис не отдаёт маску, сохраните исходник до правки, иначе претензия к результату останется без доказательств.

Если вы правите чужую работу фотографа, сохраните его файл без изменений и делайте копии с суффиксом v2, v3. Спор о том, «испортил ли клиент кадр», потом решается сравнением с оригиналом, а не памятью о вечере съёмки. Так же поступают в типографии, когда макет уходит в печать только вместе с исходником.