Как работают компьютерное зрение и генерация изображений

Компьютерное зрение — способность машины "видеть" и понимать изображения. За 15 лет от "узнать ли это кошка" до "нарисуй мне закат в стиле Ван Гога" — путь огромный.

Распознавание

Свёрточные нейронные сети (CNN) сделали прорыв в 2012 (AlexNet). Сеть анализирует изображение по частям, находит паттерны (края, формы, части объектов), собирает их в целое.

Применения распознавания

• Лицевая идентификация (FaceID)
• Медицинская диагностика (снимки рентгена, МРТ)
• Автономные автомобили (распознавание дорожных знаков, пешеходов)
• Система безопасности
• Агрономия (болезни растений по фото)

Генерация

Обратная задача: сгенерировать изображение из ничего или из текстового описания. Три главных подхода:

• GAN (Generative Adversarial Networks): две сети соревнуются — одна генерирует, другая отличает настоящее от поддельного. Каждая учит другую
• Диффузионные модели: добавляют шум к изображениям и учат модель удалять его. Stable Diffusion, DALL-E 3, Midjourney — на этой основе
• Автокодировщики: сжимают изображение и восстанавливают. Использовались раньше

Текст в изображение

Главный прорыв 2022 — модели, генерирующие изображения по текстовым описаниям. DALL-E 2, Stable Diffusion. Революция в дизайне, искусстве, стоке.

Как это работает

Две нейросети: одна превращает текст в "смысловое пространство" (эмбеддинг). Другая превращает эмбеддинг в изображение. Обучались на миллиардах пар текст-картинка из интернета.

Последние модели

FLUX, Stable Diffusion 3, DALL-E 4 (2025) — почти фотореалистичные результаты. Умеют точно следовать сложным инструкциям. Генерируют несколько секунд на обычном ПК.

Видео

Sora (OpenAI), Veo (Google), Kling (Китай) — генерация видео из текста. Начали работать в 2024. Качество быстро растёт.

Этика и проблемы

• Deepfakes — возможность создания ложных видео
• Авторское право — модели обучались на защищённых работах без разрешения
• Влияние на труд художников, иллюстраторов, стоковых фотографов
• Распространение fake news

Законодательство

ЕС принял AI Act (2024) с требованиями маркировки сгенерированного контента. Россия рассматривает аналогичный закон. Вопрос — как обеспечивать исполнение.