убрать одежду с фото: история технологии

Донейросетевая эпоха: ручной Photoshop (до 2018)

До появления нейросетей задача «убрать одежду с фото» решалась исключительно вручную через Adobe Photoshop или аналоги. Профессиональные ретушёры использовали набор инструментов: Clone Stamp для клонирования текстуры кожи с соседних участков, Healing Brush для бесшовного смешивания, Liquify для коррекции формы.

Это был медленный процесс, требующий значительного художественного мастерства. Качество результата полностью зависело от навыков конкретного исполнителя. Время работы — от часа до нескольких часов на один снимок. Стоимость у профессионала — значительная сумма за каждое изображение.

Первые попытки автоматизации появились с Content-Aware Fill в Photoshop CS5 (2010) — инструмент заполнял выделенную область «умным» образом, используя окружающие пиксели. Однако для задачи удаления одежды это не работало: вместо тела алгоритм генерировал фрагменты фона.

Первые GAN-эксперименты (2017–2019)

Появление pix2pix в 2017 году (условная GAN «изображение в изображение») открыло принципиально новое направление. Исследователи начали экспериментировать с обучением моделей напрямую переводить изображение с одеждой в изображение без неё.

Первые результаты были очень грубыми: характерная «мозаичная» текстура, нарушенные пропорции, отсутствие реалистичных деталей. Но сам факт того, что нейросеть может выполнить подобную трансформацию автоматически — был революционным.

2019 год ознаменовался выходом DeepNude — первого публично доступного специализированного инструмента на базе GAN. Несмотря на низкое качество по современным меркам, его появление вызвало огромный общественный резонанс.

Stable Diffusion открывает новую эпоху (2022–2023)

Выход открытого Stable Diffusion в 2022 году стал переломным моментом. Диффузионные модели принципиально отличаются от GAN: вместо прямого предсказания — итеративное уточнение через процесс удаления шума. Это давало несравнимо более высокое качество и реализм.

Специализированный инпейнтинг — заполнение выделенной области (маски) новым контентом — стал доступен как отдельный режим. Разработчики начали применять его для задачи удаления одежды: выделить область одежды, передать в диффузионную модель, получить сгенерированный контент.

Качество скачкообразно выросло. Реалистичные текстуры кожи, более правильные пропорции — разрыв с GAN-эпохой был очевиден.

ControlNet: прорыв в сохранении позы (2023)

Принципиальная проблема ранних диффузионных раздеваторов — изменение позы при генерации. Модель «перерисовывала» тело в новой позе, нарушая оригинальную композицию снимка.

ControlNet, появившийся в 2023 году, решил эту проблему. Карта ключевых точек тела (OpenPose skeleton) стала дополнительным условием для генерации — модель была обязана сохранить структуру позы. Это открыло возможность получать результаты, где поза точно соответствует оригинальному снимку.

2024–2026: трансформерная архитектура и стандарт качества

В 2024–2025 годах классическая UNet-архитектура диффузионных моделей начала уступать место трансформерной DiT (Diffusion Transformer). Модели третьего поколения, включая Diffusion v3.4, принесли:

• Нативное разрешение до 2048×2048 без потери деталей
• Принципиально улучшенное понимание анатомии — лишние конечности стали редкостью
• Точность сохранения идентичности лица 97%+ благодаря face restoration
• Время обработки 2–4 секунды на серверной GPU

Параллельно улучшились модели сегментации одежды — на основе Segment Anything Model (SAM), обеспечивающей точность выделения маски 92–95%.

В 2026 году удаление одежды с фото стало доступным массовым сервисом: Telegram-бот, никакой регистрации, 3 секунды ожидания, студийное качество результата. Путь, пройденный с 2017 года — от неудачных GAN-экспериментов до современного уровня — занял менее десяти лет.