Как нейросеть рисует героя по фото: простыми словами

Первое заблуждение - что модель берёт снимок и перерисовывает его в мультяшном стиле, как фильтр. На деле она делает другое: раскладывает лицо на признаки. Расстояние между глазами, форма носа, линия бровей, пропорции - всё это превращается в набор чисел, понятный алгоритму. Именно поэтому одну и ту же внешность потом можно показать в любой позе и при любом свете: у модели есть не картинка, а описание. Аналогия грубая, но рабочая: словесный портрет у следователя, только гораздо подробнее и без слов.

Нейросеть заранее «насмотрелась» огромного количества изображений и научилась закономерностям: как устроены лица, как падают тени, как меняется внешность при повороте головы. Она не помнит конкретные фотографии - она усвоила общие правила. Когда вы загружаете снимок, модель не ищет его в памяти, а прикладывает выученные правила к вашему случаю. Отсюда важный вывод: качество результата зависит и от того, на чём училась модель, и от того, что вы ей дали на вход. Хороший алгоритм на плохом фото выдаст посредственный результат.

Самая частая претензия к нейросетевым картинкам: попросишь нарисовать одного ребёнка несколько раз - получишь несколько разных детей. Причина в том, что модель каждый раз генерирует изображение немного заново, добавляя случайность. Для одной иллюстрации это незаметно, для мультфильма - заметно сразу: у героя вдруг другой нос или длина волос. Побеждается это тем, что образ фиксируют один раз и потом используют как жёсткий ориентир для всех сцен. В нашем случае вы сначала утверждаете героя на бесплатном кастинге, и только после этого он идёт в кадры - уже одинаковый.

Практическая часть, которая влияет на результат сильнее всего. Модели нужен портрет, где лицо видно целиком: не в профиль, не в тени, не закрытое капюшоном, рукой или большими очками. Ровный дневной свет лучше вспышки, спокойное выражение лучше гримасы. Смазанный тёмный кадр в пол-лица нейросеть честно попытается обработать, но додумает недостающее - и сходство пострадает. Пять минут на выбор хорошего снимка дают больше, чем любые настройки после. Это тот редкий случай, когда подготовка входных данных важнее самого алгоритма.

Честно про границы. Модель не «узнаёт» вашего ребёнка как человека и ничего о нём не понимает - она работает с формой лица, а не с личностью. Она может ошибиться с возрастом, если фото нетипичное, и склонна усреднять черты, сглаживая то, что делает лицо особенным. Поэтому результат почти всегда требует человеческого взгляда: похоже или нет, решает родитель, а не алгоритм. Именно из-за этого разумные сервисы показывают несколько вариантов и дают выбрать, а не выдают один кадр и объявляют его окончательным.

Собираем картину целиком. Вы загружаете один портрет, через две-три минуты получаете три варианта героя, выбираете похожий или до двух раз бесплатно просите перерисовать. Выбранный портрет и становится тем жёстким ориентиром, о котором шла речь выше: дальше герой идёт в сюжет и во всех сценах остаётся одним и тем же ребёнком. Платите только после выбора, готовый мультфильм приходит через десять-двадцать минут.

Сами вычисления идут не на нашем сервере: картинку и движение считают внешние нейросервисы, для изображений мы используем fal.ai, его серверы находятся за пределами России. Поэтому при загрузке вы ставите две галочки: что вы законный представитель ребёнка и что согласны на трансграничную передачу фото на время обработки. У нас снимок живёт семь дней и удаляется автоматически, для обучения нейросетей мы его не используем - к этому моменту образ героя уже построен, и исходник больше не нужен.