Нейросеть улучшает старое фото так: она разбирает снимок на миллионы мелких признаков, сравнивает их с сотнями тысяч похожих фотографий, которые видела при обучении, и по этому опыту достраивает то, что время стёрло. Царапину она распознаёт как чужеродную линию, которой не место на коже или небе, а настоящую деталь (морщинку, ресницу, узор на воротнике) сохраняет, потому что такие детали она встречала на реальных лицах тысячи раз. Именно поэтому ИИ для старых фотографий не просто «замыливает» дефекты, а восстанавливает изображение осмысленно.
Ниже разберём эту магию по шагам: без формул, но честно.
Что вообще значит «улучшить» старое фото
У старого снимка обычно несколько бед сразу: низкая резкость, зерно и шум, царапины и заломы, выцветшие тона, потерянные из-за пятен куски изображения. Человеческий глаз легко догадывается, что должно быть под пятном, и мозг «дорисовывает» картинку. Нейросеть делает примерно то же самое, только опираясь не на воображение, а на статистику миллионов изображений.
Важно понимать: улучшение не равно выдумыванию. Хорошая реставрация возвращает то, что с высокой вероятностью там и было, а не подставляет красивую фантазию. От этого зависит, узнаете вы на фото своего деда или увидите незнакомца.
Как ИИ отличает царапину от детали
Это ключевой вопрос, и ответ в том, что нейросеть смотрит на снимок сразу на нескольких уровнях.
Сначала первые слои сети видят самое простое: границы, линии, перепады яркости. Царапина на этом уровне выглядит как тонкая яркая или тёмная полоса с резкими краями, часто идущая через разные объекты подряд, через щёку, потом через фон, потом через одежду. Настоящая деталь так себя не ведёт: ресница живёт только на веке, морщина повторяет форму лица.
Глубже сеть собирает из простых признаков более сложные: «это похоже на глаз», «это структура ткани», «это волосы». И когда поверх глаза проходит прямая светлая линия, модель понимает противоречие: глаз она знает хорошо, а вот прямой засвеченной черты поперёк радужки в её опыте не было. Значит, это повреждение, и его нужно убрать, а не сохранить.
Нейросеть не «стирает царапины». Она достраивает, каким участок был бы без повреждения, опираясь на то, как выглядят тысячи неповреждённых лиц и фонов.
Поэтому качество исходника имеет значение. Если царапина прошла ровно по зрачку и уничтожила его полностью, ИИ восстановит правдоподобный зрачок, но это будет реконструкция, а не чудо возврата исчезнувших пикселей.
GAN простыми словами: художник и критик
Долгое время главной технологией восстановления были генеративно-состязательные сети, или GAN. Представьте двух персонажей.
Первый, генератор, это художник. Ему дают повреждённое фото и просят нарисовать, как оно выглядело в оригинале. Второй, дискриминатор, это придирчивый критик. Ему показывают то настоящие качественные фотографии, то работы художника, и его задача угадать, где подделка.
Дальше начинается соревнование:
- художник пытается обмануть критика и рисует всё убедительнее;
- критик учится ловить фальшь во всё более тонких деталях;
- через миллионы таких дуэлей художник начинает выдавать результат, который критик уже не отличает от реального фото.
После обучения критик больше не нужен, а художник остаётся и умеет превращать испорченный снимок в чёткий. GAN отлично справляются с лицами: они быстро научились достраивать глаза, зубы, текстуру кожи. Их слабость в том, что иногда художник слишком уверен в себе и придумывает деталь, которой не было. Отсюда и «пластиковые» лица на некоторых сервисах.
Diffusion: восстановление из тумана
Более свежий подход, который сегодня даёт особенно естественный результат, называется диффузионным (diffusion). Логика у него неожиданно красивая.
Сеть сначала учат на простой задаче: берут хорошее фото и постепенно, шаг за шагом, добавляют в него шум, пока не останется бессмысленная «крупа», как на ненастроенном телевизоре. Модель запоминает, как выглядит каждый шаг этого разрушения. А потом её просят проделать путь обратно: из шума аккуратно, по чуть-чуть, восстановить осмысленное изображение.
Когда такой модели дают ваше старое фото, она относится к дефектам как к разновидности того самого шума и «проявляет» из него чистую картинку, будто фотография медленно всплывает из тумана. За счёт того, что модель движется маленькими шагами, она реже фантазирует и лучше держит баланс между чёткостью и правдоподобием.
Если упростить разницу:
- GAN рисует ответ одним уверенным движением;
- diffusion подходит к ответу осторожно, множеством мелких шагов;
- поэтому диффузионные модели обычно дают более деликатный и естественный результат на сложных снимках.
Почему мы не «улучшаем» лицо до неузнаваемости
У технологии есть соблазнительная тёмная сторона. Раз нейросеть умеет дорисовывать, её легко попросить сделать лицо «покрасивее»: разгладить кожу, увеличить глаза, подправить черты. Результат будет гладким и эффектным, но это будет уже не ваш прадед.
Наш принцип в реставрации простой: черты лица сохраняются на 100 процентов. Мы убираем повреждения, шум и выцветание, возвращаем резкость, но не переделываем внешность. Задача не в том, чтобы получить красивую картинку, а в том, чтобы вы узнали родного человека. Если хочется именно художественный образ, для этого есть отдельная история — нейрофотосессия с десятками стилей, где творческая свобода уместна.
Кстати, если ваш архив на плёнке или в негативах, полезно сначала прочитать разбор о том, как правильно восстановить фото с плёнки, чтобы отдать нейросети максимально качественный исходник.
Цвет: отдельная работа для отдельной модели
Раскрашивание чёрно-белого снимка (колоризация) это тоже задача для нейросети, но со своей спецификой. Тут модель угадывает не форму, а цвет: какого оттенка была военная гимнастёрка, трава на фоне, кирпичная стена. Опирается она на огромный опыт: если объект по форме и контексту похож на небо, он, скорее всего, голубой.
Цвет всегда содержит долю предположения, ведь на исходнике его физически нет. Поэтому к колоризации мы относимся честно как к вероятной реконструкции, а не как к точной истине. Подробнее об этом деликатном балансе мы написали в материале про колоризацию военных фотографий, где цена ошибки в оттенке особенно чувствительна.
Что нейросети пока не по силам
Честный разговор о технологии включает и её пределы. ИИ не вернёт то, чего в кадре не осталось совсем: если пол-лица выгорело в белое пятно без единого перепада яркости, восстанавливать нечего, любой результат будет чистой выдумкой. Он может ошибиться в мелочах, которые видел редко: экзотический узор, редкая техника, необычная деталь одежды. И он не заменит вашего знания о человеке: иногда именно вы замечаете, что модель сделала глаза чуть светлее, чем были на самом деле.
Поэтому лучший сценарий это связка технологии и человека: нейросеть делает тяжёлую работу за секунды, а вы смотрите на итог глазами того, кто помнит оригинал.
Сколько это стоит и что если не вышло
Технология мощная, но пробовать её не страшно и не дорого. Реставрация начинается от 20 рублей за фото, есть уровни на 20, 30 и 50 кредитов под разную сложность повреждений. Один рубль равен одному кредиту, подписки нет, кредиты не сгорают, а при регистрации мы дарим 50 кредитов, которых хватит на первые снимки.
Отдельно про честность: если нейросеть не справилась и внятного результата нет, кредиты возвращаются автоматически. Вы не платите за неудачу.
Обработка занимает секунды. А сами восстановленные кадры удобно превратить во что-то большее, например собрать семейную родословную из старых фото, где отреставрированные лица предков наконец видно чётко.
Коротко о главном
- Нейросеть улучшает старое фото не стиранием дефектов, а осмысленным достраиванием на основе опыта миллионов изображений.
- Царапину ИИ отличает от детали, потому что рассматривает снимок на нескольких уровнях: от простых линий до понятия «глаз» или «ткань».
- GAN работает как художник и критик, diffusion аккуратно проявляет фото из шума и обычно даёт более естественный результат.
- Мы сохраняем черты лица на 100 процентов и не делаем из вашего родного человека незнакомца.
- Попробовать не рискованно: от 20 рублей, 50 кредитов в подарок, а если результата нет, кредиты вернутся автоматически.