Нейросеть не смотрит на картинку так, как человек. У нее нет культурного контекста, она не знает, что такое кисть, холст или объектив камеры. Для алгоритма любое изображение – это просто массив чисел, обозначающих цвет и яркость пикселей. Чтобы отличить фотографию от рисунка, искусственный интеллект ищет статистические закономерности и микроскопические детали, которые человеческий глаз часто игнорирует.
Понимание этих механизмов необходимо, если вы генерируете изображения в нейросетях (Kandinsky, YandexART, Midjourney) или настраиваете фильтры для модерации пользовательского контента.
| Какой вопрос закроем | Что это даст на практике |
| По каким признакам ИИ отличает фото от арта | Поймете, как алгоритм принимает решение, и перестанете действовать наугад |
| Как заставить нейросеть выдать нужный стиль | Сможете писать промпты, которые не дают алгоритму свалиться в "цифровой рисунок" |
| Почему фильтры и классификаторы ошибаются | Узнаете, какие изображения нужно проверять вручную |
Базовый принцип: на что именно опирается алгоритм
Нейросети, работающие с компьютерным зрением, анализируют картинку по слоям. На нижних уровнях они ищут базовые элементы: линии, пятна, перепады контраста. На верхних – собирают их в сложные паттерны. Разница между фото и рисунком определяется по четырем главным критериям.
1. Частотный шум и артефакты матрицы
В любой реальной фотографии есть цифровой шум – микроскопическая зернистость, которую оставляет матрица фотоаппарата или смартфона. ИИ улавливает эту высокочастотную рябь. В цифровом рисунке (если шум не наложен специально) пиксели залиты идеально ровным цветом. Если алгоритм видит математически чистый градиент, он классифицирует картинку как арт.
2. Резкость контуров (Edge Detection)
В рисунках художники используют четкие линии, контуры (лайн-арт) и резкие переходы цвета. В фотографии даже самые резкие объекты имеют микроскопическое размытие по краям из-за дифракции света в объективе. ИИ ищет эту физическую неидеальность оптики.
3. Логика света и теней
Фотография фиксирует реальную физику света: глобальное освещение, сложные рефлексы от соседних объектов, хроматические аберрации (цветные искажения на краях объектов). В рисунке освещение чаще всего упрощено или стилизовано. Алгоритм оценивает, насколько распределение света соответствует законам физики.
4. Микротекстуры
ИИ смотрит на детализацию поверхностей. На фото кожа имеет поры, неравномерные капилляры, пушок. В рисунке вместо этого алгоритм находит мазки кисти, паттерны текстурной кисти Photoshop или идеально гладкую заливку.
Как использовать это при генерации изображений
Если вы создаете картинки по текстовому описанию, нейросеть часто выдает "пластиковый" результат – нечто среднее между фото и 3D-рендером. Чтобы получить чистый результат, нужно бить по тем самым критериям, которые ИИ использует для классификации.
Сценарий 1: Нужна абсолютная фотореалистичность
Ваша задача – заставить ИИ имитировать несовершенства реальной камеры. Одного слова photorealistic недостаточно.
- Добавьте маркеры оборудования: укажите конкретную камеру или пленку (shot on Kodak Portra 400, Fujifilm XT4, 35mm lens).
- Добавьте маркеры оптики: пропишите физические эффекты (depth of field, bokeh, motion blur, chromatic aberration, glare).
- Добавьте маркеры освещения: (natural lighting, harsh flash, golden hour, studio softbox).
- Используйте негативный промпт: запретите маркеры рисунка (illustration, painting, 3d render, smooth skin, plastic, digital art, brush strokes).
Сценарий 2: Нужен чистый рисунок или иллюстрация
Если нейросеть упорно делает рисунок слишком объемным и реалистичным, нужно убрать физику света и добавить маркеры техники.
- Укажите инструмент и материал: (watercolor on rough paper, vector art, ink outline, flat shading, digital painting).
- Укажите стиль освещения: для 2D-рисунков хорошо работают запросы flat colors, cel shading (затенение ячейками, как в комиксах).
- В негативном промпте отрежьте фото-артефакты: (depth of field, photorealistic, noise, film grain, hyperrealism, 3d).
Частые ошибки: когда ИИ путает фото и рисунок
Если вы используете нейросеть для фильтрации контента (например, чтобы пользователи загружали в профиль только реальные фото, а не аватарки из аниме), вы столкнетесь с ложными срабатываниями. Алгоритмы регулярно ломаются на трех типах изображений.
Ошибка 1: Гиперреализм в живописи
Художники-гиперреалисты копируют не только объекты, но и фотографические артефакты – блики, размытие заднего фона.
Почему ломается ИИ: Алгоритм видит правильную физику света и макро-детали.
Как избежать: Настраивать классификатор на поиск микро-паттернов мазков (даже в гиперреализме на микроуровне видна краска, а не цифровой шум матрицы).
Ошибка 2: Сильно отретушированные фотографии
Фотографии из соцсетей, прошедшие через бьюти-фильтры.
Почему ломается ИИ: Фильтры уничтожают поры, выравнивают тон кожи в идеальный градиент и удаляют естественный шум. Нейросеть не находит признаков камеры и помечает реальное фото как 3D-графику или рисунок.
Как избежать: Если вы собираете датасет для обучения своей модели, обязательно включайте в выборку "фотографий" сильно отфотошопленные снимки, иначе модель будет браковать половину селфи.
Ошибка 3: Современная 3D-графика (Unreal Engine 5, Blender)
Рендеры с трассировкой лучей имеют идеальную физику света, которая полностью совпадает с реальным миром.
Почему ломается ИИ: Свет и тени математически безупречны, как на фото.
Как избежать: Анализ геометрии краев. В 3D-сценах (если не наложен специальный пост-процессинг) края полигонов часто остаются неестественно ровными, а текстуры при многократном приближении показывают паттерны тайлинга (повторения), которых нет в природе.
Ограничения и граничные случаи
Правила распознавания работают только при достаточном качестве исходника. Есть сценарии, где граница между фото и рисунком стирается даже для машины.
Сильное сжатие (JPEG-артефакты)
Если картинка пересылалась несколько раз через мессенджеры вроде Telegram или WhatsApp без сохранения качества, алгоритмы сжатия уничтожают высокочастотные детали. На месте кинозерна или текстуры бумаги появляются квадратные блоки пикселей. Нейросеть теряет главную опору для анализа и начинает угадывать по общим контурам. Надежность классификации падает кратно.
Низкое разрешение
На иконке размером 100×100 пикселей невозможно найти ни хроматическую аберрацию, ни мазки кисти. В таких случаях ИИ опирается исключительно на пропорции (например, неестественно большие глаза – значит, рисунок). Это приводит к частым ошибкам при оценке превью-изображений.
Img2Img генерации (Перерисовка)
Когда реальную фотографию прогоняют через фильтр "сделай в стиле аниме" (например, в нейросетях вроде Stable Diffusion). Итоговое изображение сохраняет фотографические пропорции, композицию и логику света реального кадра, но текстуры заменяются на цифровые заливки. Для алгоритма это пограничный случай, который разные модели могут классифицировать по-разному в зависимости от того, на что у них сделан больший вес – на геометрию или на текстуру.
