Фотографии, которых никогда не было

TechNotes — Mon, 31 Aug 2026 07:18:58 +0000

Каждый день в сеть выкладывают миллионы снимков, и всё чаще среди них попадаются кадры, где фотограф не нажимал на кнопку — потому что ни камеры, ни места съёмки никогда не существовало. Долина на фото ниже выглядит как кадр из отпуска, но это работа нейросети: модель собрала её из миллиардов чужих пикселей и собственного представления о том, как выглядит «живописная долина после полудня».

Изображение: Wikimedia Commons, общественное достояние, сгенерировано Stable Diffusion.

Как отличить выдумку от снимка

Главный признак — слишком гладкое правдоподобие. Настоящая фотография всегда несёт случайный мусор: провода в углу кадра, смазанного прохожего, пересвеченное небо. Нейросеть же рисует мир, в котором никто не помешал кадру состояться. Присмотритесь к деталям:

текстуры повторяются: трава и листва местами выглядят как один и тот же штамп;
геометрия плывёт: линии заборов, перил и крыш изгибаются там, где обязаны быть прямыми;
свет красив, но невозможен: тени от соседних предметов падают в разные стороны.

Ни один признак по отдельности не приговор: странные пальцы встречаются и на честных снимках, а невозможно красивый свет — у терпеливых пейзажистов. Работает сумма: чем больше мелких странностей собирается в одном кадре, тем выше шанс, что перед вами генерация.

Один запрос — три разных леса

Насколько результат зависит от формулировки, видно по серии ниже. Автор просил у модели одно и то же: лес и синтоистское святилище. Менялся только негативный промт — список того, что модели рисовать запрещено. Убрал «зелёные деревья» — лес стал осенним. Запретил «круглые камни» — дорожка из валунов превратилась в аккуратную брусчатку.

Один запрос, три негативных промта: без ограничений, без зелёных деревьев, без круглых камней

Все пейзажи в этой заметке — общественное достояние, их сгенерировали энтузиасты и выложили в открытый архив. Ещё год-два, и отличать такие кадры на глаз станет невозможно. Тогда вопрос «настоящее ли это фото» будет решать не зрение, а привычка проверять источник — та же, что давно спасает нас от выдуманных цитат и переписанных заголовков.

Четыре шага из шума: как рисует нейросеть

TechNotes — Fri, 28 Aug 2026 00:27:14 +0000

Попросите нейросеть показать кота-космонавта — и через десять секунд получите картинку, хотя такой фотографии не существует. Генеративные модели не ищут готовое изображение и не собирают коллаж из чужих кусков. Они рисуют с нуля — из чистого случайного шума. Рассказываем, как это работает, без единой формулы.

Диффузионную модель обучают задом наперёд. Берут миллионы настоящих фотографий и постепенно засоряют их шумом, пока не останется только рябь. Модель следит за каждым шагом порчи и запоминает, как его обратить вспять. Генерация — та же порча, запущенная в обратную сторону. Получив случайную рябь и текстовую подсказку, модель шаг за шагом убирает шум и проявляет то, что вы просили. В слайдере ниже — четыре стадии одного кадра: от помех до заката в горах.

Именно поэтому два одинаковых ответа у нейросети не бывают: другой стартовый шум — другая картинка. И поэтому она путается в деталях вроде пальцев: модель не знает анатомии, она лишь помнит, как выглядят миллионы рук одновременно. Шум — это мрамор, из которого можно высечь что угодно. А ваша фраза — резец в руках скульптора.

DEV Community: TechNotes

Фотографии, которых никогда не было

Как отличить выдумку от снимка

Один запрос — три разных леса

Четыре шага из шума: как рисует нейросеть