ИИ раздевает девушек до гола: техническая механика без упрощений

Когда говорят, что ИИ раздевает девушек до гола, звучит просто. На самом деле за этими тремя секундами вычислений скрывается сложная цепочка специализированных моделей, каждая из которых решает конкретную математическую задачу. В этой статье разберём механику без упрощений — на уровне, который понимает технически грамотный пользователь.

Напоминание: сервис genersx предназначен для лиц 18+, использование допустимо исключительно с собственными материалами или с явного согласия изображённого человека.

Почему «раздеть до гола» — это не просто «убрать одежду»

Принципиальное отличие современного подхода от примитивных инструментов прошлого: задача не сводится к тому, чтобы «стереть» пиксели одежды. Если бы нейросеть просто убирала слой одежды, под ним оказался бы пустой фон — ведь тело под одеждой не сфотографировано.

Настоящая задача: синтезировать реалистичное изображение тела на основе косвенных данных — видимых частей тела, позы, освещения и статистических закономерностей из обучающей выборки. Именно поэтому нейросеть, которая корректно выполняет эту задачу, принципиально сложнее любого фоторедактора.

Этап 1: построение трёхмерной модели тела

Первое, что делает система, когда ИИ раздевает девушек до гола — строит внутреннее представление о трёхмерном положении тела в пространстве. Это называется 3D pose estimation.

Алгоритм определяет 17–33 ключевых точки скелета (в зависимости от используемой модели): суставы, позвоночник, плечевой пояс, тазобедренные суставы. На основе этих точек и их взаимного расположения строится параметрическая модель тела — как правило, на базе SMPL (Skinned Multi-Person Linear Model) или аналога.

Почему это важно? Потому что форма кожи под одеждой зависит от позы. Если рука поднята, грудная клетка на стороне поднятой руки растянута иначе, чем на противоположной. Без учёта трёхмерной позы сгенерированное тело будет анатомически неверным.

Этап 2: сегментация одежды с попиксельной точностью

Параллельно с построением модели тела запускается сегментация одежды. Её задача — создать точную маску: для каждого пикселя изображения определить, принадлежит он одежде, телу, волосам, фону или аксессуарам.

Для этого используются архитектуры типа SegFormer или DeepLab v3+ с предобученными весами на датасетах изображений людей в одежде. Ключевая техническая деталь: маска должна быть побайтово точной на границах. Ошибка в 2–3 пикселя на краях рукава или воротника даёт заметный артефакт на финальном результате.

Именно здесь начинается разница между качественными и некачественными реализациями. Плохой сегментатор «срезает» границы одежды там, где она касается кожи — и на итоговом изображении видны дыры или неестественные переходы. genersx использует дообученную версию сегментатора со специфическим акцентом на границах одежда/кожа.

Этап 3: guided inpainting с conditioned диффузией

Центральный этап — заполнение области, которую занимала одежда. Используется техника conditioned inpainting: диффузионная модель получает на вход не только маску и исходное фото, но и дополнительные conditioning-сигналы:

• Параметры тела из SMPL-модели — задают форму тела в маскированной области
• Оттенок кожи — сэмплируется с открытых участков тела (руки, шея, лицо)
• Карта освещения — вычисляется из глобального анализа сцены
• Текстурный дескриптор кожи — статистика текстур с видимых участков

Диффузионная модель итеративно «очищает» шум, двигаясь к изображению, которое: а) совместимо с conditioning-сигналами, б) реалистично само по себе, в) плавно сшивается с граничными пикселями исходного фото.

Количество шагов диффузии в оптимизированных production-системах — 20–50. Каждый шаг — это отдельный проход через UNet-подобную архитектуру с миллиардами весов.

Этап 4: согласование освещения и цвета

После inpainting сгенерированная область имеет правильную форму и текстуру, но может незначительно отличаться по яркости и цветовой температуре от окружающих частей фото. Этот эффект называется colour seam — «шов» по цвету.

Специализированный модуль выполняет гармонизацию: он анализирует гистограммы яркости и цветовых каналов (R, G, B) в узкой полосе вокруг границы маски и применяет адаптивную коррекцию к сгенерированной области. Результат: перехода «кожа-кожа» не видно на финальном изображении.

Дополнительно добавляется ambient occlusion — тени в складках тела и в местах прилегания конечностей. Без этого кожа выглядит «плоской» и ненатуральной.

Этап 5: суперразрешение и финальная резкость

Диффузионный inpainting работает в стандартном разрешении 512–1024 пикселя. Исходное фото может быть в 3–4 раза выше по разрешению. Апскейлер на основе нейросети (ESRGAN-архитектура или аналог) восстанавливает детализацию, добавляя:

• Поры кожи и микротекстуры
• Тонкие волоски на коже
• Естественную зернистость, соответствующую сенсорному шуму исходного фото

Именно финальный апскейл часто определяет, выглядит ли результат «живым» или «нарисованным». genersx использует апскейлер, откалиброванный на сохранение естественного шума кожи, а не на сглаживание.

Почему полное обнажение технически сложнее частичного

Режим «голая» (полное обнажение) — самый технически сложный, потому что генерируемая область максимальна по площади. Больше маскированных пикселей означает больше неопределённости для модели. Conditioning-сигналы из видимых частей тела становятся более разреженными относительно заполняемой площади.

Именно поэтому режим «бикини» или «нижнее бельё» на том же фото часто даёт более детальный результат, чем полное обнажение: заполняемая площадь меньше, и нейросеть работает с большей точностью. Для максимального качества в режиме «голая» особенно важны хорошее исходное фото и видимые контуры тела.

Как genersx управляет параметром «размер груди»

Параметр AUTO / S / M / L реализован как дополнительный conditioning-вектор в диффузионной модели. При AUTO модель самостоятельно определяет параметр на основе видимых контуров тела и статистики обучающей выборки. При ручной установке S/M/L conditioning-вектор смещается в нужном направлении в латентном пространстве модели.

Технически это реализуется через classifier-free guidance: модель получает два прогноза — с conditioning и без — и интерполирует между ними с весом, определяемым заданным параметром.

Подробнее об общей архитектуре конвейера читайте в материале про АЙ раздеватор изнутри.

FAQ: технические вопросы об ИИ, который раздевает до гола

Почему при одном и том же фото результаты разные при каждом запуске?
Диффузионные модели используют случайный начальный шум (seed). Разные seeds дают разные траектории диффузии — и разные финальные изображения. Это задуманное поведение. Для воспроизводимости результата нужно фиксировать seed — такая возможность обычно доступна в продвинутых интерфейсах.

Насколько точно модель угадывает форму тела под одеждой?
Модель не угадывает — она генерирует статистически вероятное тело, совместимое с позой и видимыми контурами. На плотной одежде точность высока, на свободной — есть вариативность. Для максимальной точности выбирайте фото в облегающей одежде.

Какой объём вычислений требует один запуск?
Один запуск в genersx выполняет порядка 20–50 шагов диффузии, каждый из которых — проход через UNet с сотнями миллионов параметров. Суммарно это 10–50 терафлоп операций с плавающей точкой — именно поэтому нужен GPU, и именно поэтому серверный тариф быстрее локального запуска.

Почему результат иногда выглядит «пластиковым»?
Это следствие слабого апскейлера или чрезмерного сглаживания. genersx настраивает апскейлер на сохранение кожной текстуры, а не на минимизацию шума. Если вы видели «пластик» на других сервисах — это их архитектурная проблема.

Итог: почему это сложнее, чем кажется

ИИ раздевает девушек до гола — это не фоторедактор и не наложение шаблона. Это синтез реалистичного изображения тела из косвенных данных с использованием трёх параллельных нейросетевых конвейеров. Качество результата определяется точностью каждого из пяти этапов — и плохой результат почти всегда означает слабость одного конкретного звена цепочки.

Для практических советов по выбору фото смотрите кейсы в материале про ИИ раздеть девушку на фото — там три сценария с реальными параметрами и оценкой результата. А начать можно с пошаговой инструкции для новичков здесь.