Нейросетевые портреты меняют лицо: почему ИИ теряет сходство

Это не обязательно ошибка конкретного запроса: сохранение одной и той же личности остаётся отдельной технической задачей, и обычная текстовая инструкция не всегда удерживает её достаточно точно.

Поэтому вопрос «почему нейросеть меняет лицо на фото» связан не только с формулировкой промпта. На результат влияют способ передачи референса, особенности модели и последовательность редактирования. Алгоритм строит изображение заново, опираясь на заданные условия, а не просто перемещает пиксели исходного портрета. Между описанием человека и его визуальной идентичностью остаётся пространство для интерпретации.

Почему текстовой инструкции недостаточно, чтобы удержать личность

В текстовом запросе легко задать общие признаки: цвет волос, возрастной диапазон, настроение, освещение. Сложнее описать сочетание черт, по которому узнаётся конкретный человек: расстояние между глазами, характерную линию носа, асимметрию улыбки, форму скул. Каждая такая деталь может быть небольшой сама по себе, но вместе они формируют узнаваемость.

Модель воспринимает слова как условия генерации, а не как удостоверение личности. Формулировка «сохрани лицо» сообщает о намерении, однако не обязательно задаёт способ, которым система должна сохранить каждую черту. Если запрос одновременно просит изменить ракурс, выражение лица, освещение и стиль, у модели появляется несколько конкурирующих задач. Сцена может получиться убедительной, а сходство — ослабнуть.

Это особенно заметно, когда пользователь просит создать несколько изображений одного человека. В исследовании, опубликованном в материалах AAAI-24, авторы отмечали, что обычным text-to-image diffusion-моделям трудно одновременно точно следовать текстовому запросу и воспроизводить одну личность в серии картинок. Для рассмотренных подходов генерация нескольких лиц с одинаковой идентичностью за один проход обычно оказывалась невыполнимой.

Исследование посвящено конкретным технологиям и не описывает все современные сервисы. Но его вывод помогает увидеть устройство проблемы: системе нужно одновременно удерживать смысл промпта, свойства изображения и признаки личности. Если последним не отведено достаточно технического контроля, они могут растворяться среди других требований.

Узнаваемость лица складывается из множества малых признаков. Текст обычно задаёт их менее точно, чем сам референс.

Отсюда возникает характерный эффект: пользователь узнаёт общий типаж или настроение, но замечает, что портрет уже не вполне похож на исходного человека. ИИ может сохранить возраст, цвет глаз и причёску, одновременно изменив пропорции лица. Для генератора это может быть приемлемой вариацией образа; для человека, который хочет отредактировать собственную фотографию, — потерей главного условия задачи.

Случайный seed и различия между моделями

Даже одинаковый запрос не гарантирует одинакового результата. В генерации изображений участвует случайная составляющая, которую часто связывают с параметром seed. При разных значениях модель получает разные исходные условия для построения картинки, поэтому может менять не только фон и детали сцены, но и черты лица.

В исследовании AAAI-24 сравнивались Stable Diffusion v2.1 и Realistic Vision. Авторы отмечали, что разные случайные seed дают разные лица даже тогда, когда генерация заявлена для одной идентичности и одного промпта. Это наглядный пример того, почему повторный запуск не всегда возвращает к прежнему результату: повторяется текстовая инструкция, но не обязательно весь процесс построения изображения.

Если в интерфейсе доступна фиксация seed, она может помочь сравнивать варианты при изменении отдельных параметров. Но это не универсальный механизм сохранения личности и не гарантия, что модель удержит лицо при смене позы, освещения или композиции. Управление случайностью и управление идентичностью — разные задачи.

Различаются и сами модели. Одна может лучше справляться с редактированием участка изображения, другая — с созданием стилизованного портрета, третья предлагает отдельные инструменты для работы с референсами. Поэтому опыт с одним генератором нельзя автоматически переносить на другой. В имеющихся данных нет универсальной вероятности, с которой конкретная нейросеть изменит лицо: результат зависит от модели, режима, запроса и способа подачи исходного изображения.

Практический смысл этого ограничения прост: оценивать надо конкретный рабочий процесс, а не абстрактное обещание «генерации по фото». Если задача состоит в том, чтобы менять только фон или одежду, стоит отдельно смотреть, удерживаются ли лицо и его детали именно при таких правках. Если требуется серия изображений одного персонажа, важен тест на повторяемость: насколько стабильно система воспроизводит черты при смене сцены.

Какие детали лица теряются первыми

Исследователи описывают сохранение идентичности как самостоятельную проблему персонализированной генерации портретов. В статье ConsistentID среди трудностей названы ограниченный контроль над отдельными зонами лица и недостаточный учёт мелких черт вместе с лицом как целым. Иными словами, модели нужно одновременно понимать общую структуру и не терять локальные особенности.

Это требование сложнее, чем кажется. Если система ориентируется на лицо целиком, она может воспроизвести его общий тип, но сгладить уникальную асимметрию или характерную форму отдельных элементов. Если внимание сосредоточено на одной зоне, например на глазах, другие части могут измениться. Внешне картинка остаётся правдоподобной, но сходство с конкретным человеком становится менее надёжным.

ConsistentID предлагает использовать мультимодальные подсказки о чертах и областях лица и сеть сохранения идентичности; описанная система рассчитана на одну исходную фотографию. Авторы также представили исследовательский набор FGID, включающий более 500 000 изображений лиц. Эти детали показывают масштаб самой задачи, но не означают, что любой пользовательский сервис располагает таким механизмом или обеспечивает результат с сопоставимым уровнем контроля.

Имеет значение и то, как оценивают сходство. Человек может считать портрет узнаваемым по совокупности мелких признаков, тогда как алгоритм распознавания сопоставляет лицо по собственным метрикам. В исследовании AAAI-24 авторы сообщили о демографических различиях в оценках сгенерированных лиц системами распознавания; в их пользовательском исследовании качество лиц представителей большинства оценивалось выше. Это результат конкретной работы, а не универсальный закон для всех генераторов и всех групп людей. Но он напоминает: автоматическая оценка сходства тоже зависит от того, на каких данных и по каким критериям она построена.

Поэтому фраза «лицо сохранилось» может означать разные вещи. Для одного человека достаточно общей узнаваемости, другому принципиально, чтобы остались конкретная линия подбородка, родинка или асимметрия. Чем важнее индивидуальные детали, тем меньше стоит полагаться на общее описание вроде «оставь лицо прежним». Полезнее явно указать, какие зоны и признаки должны остаться неизменными, а какие разрешено редактировать.

Как референс влияет на сходство

Референс даёт модели визуальную информацию, которой нет в кратком текстовом описании. Но сам факт загрузки фотографии ещё не означает, что система будет точно следовать ей. Одни инструменты используют изображение как ориентир для композиции или стиля, другие предлагают специальные режимы для персонажей и лиц. Их возможности и рекомендации различаются.

В инструкции Runway для Gen-4 References советуют брать качественное фото с равномерным естественным освещением и нейтральным выражением лица. В описанном интерфейсе для одной генерации можно выбрать до трёх референсов. Это рекомендации разработчика для конкретного инструмента, а не универсальное правило и не обещание точного сходства. Их разумно понимать как попытку уменьшить неоднозначность входных данных.

Если исходник затемнён, лицо частично закрыто или выражение сильно отличается от того, которое запрашивается, модели может быть сложнее соотнести черты с новой сценой. Однако доступные сведения не позволяют утверждать, что качество или ракурс фото всегда сами по себе вызывают потерю сходства. Эффект зависит от модели и задачи; поэтому аккуратный референс полезен, но не превращается в гарантию.

Для практической работы можно выстроить запрос так, чтобы модель получала меньше конкурирующих указаний:

• Выберите фотографию, на которой лицо хорошо различимо, без сильной тени и выраженного фильтра.
• Опишите, какие черты должны остаться прежними: например, форма лица, глаз и носа, характерная улыбка.
• Отделите желаемую правку от запрета на изменения: укажите, что меняется фон или одежда, а лицо и выражение остаются прежними.
• Вносите изменения по одному. Если одновременно менять причёску, ракурс, возраст, свет и стиль, понять источник дрейфа будет сложнее.
• Сравнивайте результат с референсом по конкретным деталям, а не только по общему впечатлению.

Этот подход снижает неоднозначность запроса, но не устраняет ограничений модели. Кроме того, подробное текстовое описание не всегда помогает лучше дополнительного визуального референса: всё зависит от того, как устроен конкретный режим генерации.

Почему лицо дрейфует при серии правок

Серия последовательных редактирований удобна: сначала меняется фон, затем одежда, потом освещение. Однако на каждом этапе модель может опираться уже на изменённый вариант, а не на исходное лицо. Небольшое отклонение становится частью следующего входного изображения. Так появляется дрейф: после нескольких итераций портрет сохраняет общий замысел, но постепенно отдаляется от исходной внешности.

Это не означает, что любой новый запрос неизбежно ухудшит сходство. Результат зависит от продукта, способа редактирования и того, насколько ясно заданы границы изменений. Но для пользователя серия правок создаёт риск накопления расхождений: каждый отдельный шаг выглядит приемлемо, тогда как итог уже трудно соотнести с первым портретом.

Google в руководстве по Gemini 2.5 Flash Image советует при заметном дрейфе черт после множества последовательных правок начать новый диалог и заново дать подробное описание. Там же рекомендуются уточнение промпта и итеративная работа. OpenAI в документации по редактированию предлагает явно обозначать, что должно измениться, а что нужно оставить неизменным, и проверять сохранение идентичности и деталей референса. Это инструкции для конкретных продуктов, не подтверждение того, что сходство будет сохранено при любом запросе.

В этой логике полезно возвращаться к исходному изображению, если правки начали менять лицо. Новый диалог с исходным референсом может убрать часть накопившихся преобразований. Если результат важен, разумно сохранять промежуточные версии и сравнивать их с оригиналом. Тогда изменение лица не обнаруживается только в конце, когда уже трудно понять, на каком шаге оно возникло.

При этом регулярные проверки не должны превращаться в попытку выжать из модели абсолютную точность. Генеративная система работает с вероятностным построением изображения; её результат может оставаться изменчивым даже при тщательно сформулированных условиях. Там, где требуется достоверное изображение конкретного человека, особенно в контексте публикации или документирования, необходимо оценивать не только эстетическое качество, но и риск ложного представления.

Сходство как технический и этический вопрос

Когда ИИ меняет внешность на портрете, речь идёт не только о визуальной неточности. Лицо связано с идентичностью и доверием: зритель обычно воспринимает портрет как изображение конкретного человека, даже если картинка создана или существенно отредактирована алгоритмом. Чем реалистичнее изображение, тем легче принять сгенерированные детали за достоверные.

В бытовой обработке последствия могут быть ограничены неудовлетворительным результатом. В публикациях, рекламе и публичной коммуникации изменение черт способно затронуть репутацию человека или создать впечатление, будто он действительно выглядел так, как на изображении. Здесь важна ясность происхождения картинки: генерация и редактирование меняют статус портрета, особенно если зритель не знает о вмешательстве.

Универсального стандарта, который задавал бы допустимый уровень сходства для всех генераторов, нет. Не найдено и общей измеренной вероятности потери черт для популярных моделей. Поэтому оценка остаётся контекстной: для художественного образа вариативность может быть частью замысла, а для портрета, призванного представлять конкретного человека, отклонение от исходника имеет иной вес.

Технологический прогресс может расширять контроль над отдельными зонами лица и улучшать работу с референсами. Но даже более точные инструменты не отменят необходимости различать изображение человека и его визуальную симуляцию. Сходство стоит рассматривать как отдельное условие задачи, а не как побочный эффект удачного промпта. Пока модель не гарантирует устойчивую идентичность, ответственность за проверку результата и за то, как его предъявляют другим, остаётся у человека.