Нейросети в создании изображений¶
Нейросети для создания изображений — класс программных систем искусственного интеллекта, обученных генерировать, преобразовывать и редактировать графические изображения по текстовому описанию (промпту), эскизу или исходному изображению. К началу 2020-х годов технология стала массовой: генеративные модели используются художниками, дизайнерами, маркетологами и энтузиастами, а споры вокруг авторства и правового статуса сгенерированных работ остаются предметом дискуссий.
¶Принцип работы
Генеративные модели изображений строятся на архитектурах глубокого обучения. Ключевые из них:
- Генеративно-состязательные сети (GAN) — состоят из генератора и дискриминатора, которые обучаются в конкуренции; GAN-модели (например, StyleGAN) известны высокой реалистичностью портретов.
- Диффузионные модели — последовательно зашумляют изображение и учатся обратному процессу «очистки» от шума; именно на них основаны Stable Diffusion, Midjourney и DALL·E.
- Трансформерные архитектуры — обрабатывают текст и изображение как последовательности токенов; пример — модель DALL·E от OpenAI.
Обучение требует огромных вычислительных ресурсов: на этапе предобучения модели используют тысячи графических процессоров и обучающие наборы, содержащие сотни миллионов пар «изображение — описание».
¶Основные модели и платформы
| Модель | Разработчик | Год выхода | Особенности |
|---|---|---|---|
| DALL·E / DALL·E 2 / DALL·E 3 | OpenAI | 2021–2023 | Текстовые описания высокой точности, интеграция с ChatGPT |
| Midjourney | Midjourney, Inc. | 2022 | Художественная стилизация, работа через Discord |
| Stable Diffusion | Stability AI (совместно с Runway и CompVis) | 2022 | Открытые веса, возможность локального запуска |
| Imagen / Parti | 2022 | Высокая детализация, исследовательский статус | |
| Kandinsky | Сбер | 2022–2023 | Русскоязычные промпты, открытая лицензия |
| Шедеврум | Сбер | 2023 | Массовый сервис генерации изображений |
| FusionBrain | Касперский | 2023 | Платформа с набором моделей |
Российские разработки — Kandinsky от Сбера и платформа FusionBrain от «Лаборатории Касперского» — поддерживают русскоязычные описания и распространяются с открытыми весами, что позволяет запускать их локально без обращения к облачным сервисам.
¶Применение
- Иллюстрация и концепт-арт — быстрый поиск визуальных решений, создание эскизов для игр, фильмов и анимации.
- Дизайн и реклама — генерация баннеров, упаковки, презентаций; автоматизация рутинных задач.
- Образование — создание наглядных материалов, иллюстраций к учебным текстам.
- Медиа и журналистика — иллюстрация новостных материалов (с оговорками о достоверности).
- Личное творчество — хобби-генерация изображений, участие в онлайн-сообществах и конкурсах.
¶Правовой и этический аспекты
В России и ряде других стран правовой статус сгенерированных изображений остаётся неопределённым. По общему правилу, произведение признаётся объектом авторского права только при наличии творческого вклада человека; полностью автоматическая генерация, как правило, не подпадает под охрану. В 2023 году Российское авторское общество (РАО) указывало, что текстовые промпты сами по себе не являются объектом авторского права.
Отдельную проблему представляет обучение моделей на существующих произведениях без согласия авторов. Ряд художников подал коллективные иски к разработчикам моделей (в частности, к Stability AI и Midjourney) в США, утверждая, что их работы использовались в обучающих наборах без разрешения. В России в 2023 году Государственная Дума рассматривала законопроект о регулировании ИИ-генераций, включая обязательную маркировку сгенерированных изображений.
Дополнительные риски связаны с дипфейками — подделкой изображений и видео с участием реальных людей, что используется для дискредитации, мошенничества и распространения недостоверной информации. В ответ на это разрабатываются системы детекции генераций и стандарты водяных знаков.
¶История
Первые GAN-модели предложил Ян Гудфеллоу в 2014 году. В 2021 году OpenAI представила DALL·E, показавшую связь текста и изображения на уровне трансформера. В августе 2022 года Stability AI выпустила Stable Diffusion с открытыми весами, что резко снизило порог входа и привело к массовому распространению локальных генераторов. В 2023–2024 годах произошёл переход от статичных изображений к генерации видео (Sora от OpenAI, Runway Gen-2, Kandinsky Video от Сбера).
¶Источники
- Доклады и публикации Runway ML и Stability AI
- Материалы конференций CVPR и NeurIPS по генеративным моделям
- Публикации Сбера о семействе моделей Kandinsky
- Правовые обзоры РАО о статусе ИИ-генераций