Глоссарий
Термины из мира нейросетевой обработки фото. От архитектур моделей до конкретных техник.
А
- Апскейл фото
- Апскейл фото — увеличение разрешения изображения нейросетью с восстановлением деталей. В отличие от обычного интерполяционного увеличения (bicubic), AI-апскейл генерирует утерянные детали на основе обученных моделей.
Б
- Bicubic interpolation
- Bicubic interpolation (бикубическая интерполяция) — классический математический алгоритм увеличения разрешения изображения, использующий значения 16 ближайших пикселей для вычисления нового. Стандарт Photoshop и большинства графических редакторов до появления AI-апскейла.
В
- Watermark / водяной знак
- Watermark (водяной знак) — видимая или невидимая метка, накладываемая на изображение для защиты авторских прав или идентификации источника. Видимые водяные знаки — полупрозрачные логотипы и подписи; невидимые (стеганографические) — скрытые данные в структуре пикселей.
Д
- Diffusion model
- Diffusion model (диффузионная модель) — класс генеративных нейросетей, обученных последовательно добавлять и затем убирать шум из изображения. Основа Stable Diffusion, DALL-E 3, GPT Image 2 и SeedVR2. Обеспечивает фотореалистичную генерацию и редактирование.
К
- Колоризация (Colorization)
- Колоризация — автоматическое раскрашивание чёрно-белых изображений в цветные через нейросеть. Современные модели (ColorFlow, Adobe Quickfire) учитывают исторический период съёмки для period-accurate раскраски.
М
- Segmentation mask
- Segmentation mask (маска сегментации) — бинарное или полутоновое изображение, где каждый пиксель кодирует принадлежность к объекту (1/белый) или фону (0/чёрный). Soft mask содержит промежуточные значения 0–255 для полупрозрачных областей и антиалиасинга.
Н
- HEIC формат
- HEIC (High Efficiency Image Container) — контейнерный формат изображений Apple на базе кодека HEVC. Обеспечивает сжатие в 2 раза лучше JPEG при аналогичном визуальном качестве. Используется по умолчанию на iPhone начиная с iOS 11.
Э
- EXIF-данные
- EXIF (Exchangeable Image File Format) — стандарт метаданных, встраиваемых фотокамерой в файл снимка. Содержит технические параметры съёмки (выдержка, диафрагма, ISO), дату, координаты GPS и идентификатор устройства.
- Edge detection
- Edge detection (детекция границ) — группа алгоритмов компьютерного зрения для выделения границ объектов по резкому изменению яркости или цвета пикселей. Лежит в основе классической сегментации изображений и дополняет нейросетевые методы удаления фона.
A
- AVIF
- AV1 Image File Format — современный формат сжатия изображений на основе видеокодека AV1. Стандартизован Alliance for Open Media в 2019 году. Даёт на 30–50% меньший размер, чем JPEG, при сопоставимом или лучшем качестве. Поддерживает HDR, прозрачность, анимацию.
- Adversarial training (состязательное обучение)
- Adversarial training (состязательное обучение) — метод, при котором две нейросети учатся друг против друга: генератор создаёт данные, дискриминатор их разоблачает. Лежит в основе GAN и adversarial-лосса в апскейле (ESRGAN) и восстановлении лиц (GFPGAN).
- Alpha channel
- Alpha channel (альфа-канал) — дополнительный канал в RGBA-изображении, кодирующий прозрачность каждого пикселя (0–255). Позволяет создавать полупрозрачные области, anti-aliasing границ. Поддерживается в PNG, WebP, TIFF.
B
- BiRefNet
- BiRefNet (Bilateral Reference Network) — нейросеть для high-resolution dichotomous image segmentation от Zheng et al. (AAAI 2024). F-measure 0.934 на DIS5K — лучший открытый результат для удаления фона на 2026 год.
- BiRefNet
- BiRefNet (Bilateral Reference Network) — state-of-the-art архитектура нейросети для задач dichotomous image segmentation. Опубликована в 2024 году, превосходит U-Net и SAM по точности на бордерах объектов.
C
- CFG scale (Classifier-Free Guidance)
- CFG scale (Classifier-Free Guidance) — параметр диффузионной генерации, задающий, насколько строго модель следует текстовому промпту. Низкие значения дают свободу и креатив, высокие — точное соответствие запросу, но риск артефактов.
- CodeFormer
- CodeFormer — модель восстановления лиц от S-Lab NTU (NeurIPS 2022). VQVAE + Transformer, параметр w для контроля баланса fidelity/quality. FID 5.1, отлично сохраняет идентичность, главный выбор для семейного архива.
- ControlNet
- ControlNet — надстройка над диффузионными моделями, задающая структуру генерации по управляющему изображению: карте краёв, глубины, позе или сегментации. Позволяет точно контролировать композицию, не полагаясь только на текстовый промпт.
D
- DALL-E 3
- Нейросеть OpenAI для генерации изображений по тексту, третье поколение модели DALL-E. Публично запущена в октябре 2023 года. Сильная сторона — точное следование сложным промптам и качественный рендеринг текста внутри картинки.
- DDPM / DDIM (сэмплирование диффузии)
- DDPM и DDIM — алгоритмы обучения и сэмплирования диффузионных моделей. DDPM (2020) задал forward/reverse-процесс из ~1000 шагов, DDIM (2021) сделал генерацию детерминированной и в 10-50 раз быстрее.
- DNG
- Digital Negative — открытый формат RAW от Adobe, опубликованный в сентябре 2004 года. Универсальная альтернатива проприетарным RAW-форматам производителей камер (Canon CR2/CR3, Nikon NEF, Sony ARW). С iOS 14.3 Apple использует DNG для фото в режиме ProRAW.
- DPI vs PPI
- DPI (Dots Per Inch) — плотность точек принтера. PPI (Pixels Per Inch) — плотность пикселей экрана. Часто путают, но это разные единицы. Понимание разницы критично при подготовке фото к печати.
- Denoising
- Denoising (шумоподавление) — удаление шума с цифрового фото нейросетью. Современные AI-модели (DnCNN, NAFNet) отделяют шум от полезного сигнала с сохранением деталей. Незаменимо для фото с высоким ISO и сканов плёнки.
- Denoising в диффузии (шаг обратной диффузии)
- Denoising в диффузии — ключевой шаг работы генеративных моделей: нейросеть последовательно убирает предсказанный шум из латента, за N шагов превращая случайный шум в изображение. На этом принципе построены Stable Diffusion, DALL-E 3 и апскейлер SeedVR2.
E
- ESRGAN
- ESRGAN (Enhanced Super-Resolution GAN, ECCV 2018) — прорывная GAN-модель апскейла. Ввела RRDB-блоки, relativistic-дискриминатор и perceptual loss до активации. Прямой предок Real-ESRGAN и стандарт GAN-апскейла.
F
- Face restoration (восстановление лиц)
- Face restoration — восстановление деталей лица на размытых, зашумлённых или повреждённых фото с помощью нейросетей. Модель детектирует лицо, реконструирует черты по обученному prior и вклеивает результат обратно (paste-back).
- Fidelity weight (баланс fidelity-quality)
- Fidelity weight — управляющий параметр моделей восстановления лиц (в CodeFormer обозначается w, 0–1), задающий баланс между верностью оригиналу и фотореалистичностью. Низкий w сохраняет идентичность, высокий — усиливает детализацию.
G
- GAN (Generative Adversarial Network)
- GAN (Generative Adversarial Network, генеративно-состязательная сеть) — архитектура нейросетей из двух конкурирующих моделей: Generator создаёт синтетические изображения, Discriminator отличает их от реальных. Игра Zero-sum вынуждает Generator производить всё более реалистичные результаты.
- GFPGAN
- GFPGAN (Generative Facial Prior GAN) — модель восстановления лиц от Tencent ARC Lab (CVPR 2021). StyleGAN2 в качестве prior, быстрая (~30 мс/лицо), малые требования к GPU. На 2026 уступает PMRF по качеству, но популярна для self-host.
- GPT Image 2
- GPT Image 2 — модель OpenAI для генерации и редактирования изображений по тексту (2025). Лучшее понимание сложных промптов, точная отрисовка текста на картинках. Только через API OpenAI.
H
- HEIF формат
- HEIF (High Efficiency Image File Format, ISO/IEC 23008-12) — контейнерный стандарт для хранения изображений, сжатых кодеком HEVC. HEIC от Apple — это его подмножество. Даёт 10/12-битный цвет, HDR, серии кадров и сжатие вдвое эффективнее JPEG.
- HEVC (H.265) кодек
- HEVC (High Efficiency Video Coding, H.265) — кодек сжатия видео и изображений, преемник H.264. Даёт то же качество при вдвое меньшем размере. Лежит в основе форматов HEIC и HEIF, а также видео 4K/8K на iPhone.
I
- IP-Adapter
- Image Prompt Adapter — лёгкий адаптер для диффузионных моделей, позволяющий задавать стиль и содержание не текстом, а reference-изображением. Опубликован Tencent AI Lab в августе 2023 года. Размер — около 22 МБ, работает со Stable Diffusion и Flux.
- Image matting (маттинг)
- Image matting — задача точного отделения объекта от фона с вычислением коэффициента прозрачности alpha для каждого пикселя. В отличие от бинарной сегментации, маттинг сохраняет полупрозрачные края: волосы, мех, дым, стекло.
- Image-to-image (img2img)
- Image-to-image (img2img) — режим работы генеративных нейросетей, где на вход подаётся не только текст, но и исходное изображение. Модель переписывает его с учётом промпта, а сила изменений задаётся параметром denoising strength.
- Inpaint / Inpainting
- Inpainting — техника редактирования фото, при которой выделенная область заменяется новым контентом, сгенерированным нейросетью с учётом контекста. Используется для удаления объектов, замены фрагментов, реставрации повреждений.
J
- JPEG артефакты
- JPEG артефакты — визуальные дефекты, возникающие при агрессивном сжатии JPEG: блочность (8×8 блоки), кольца Гиббса вокруг контрастных границ, цветовые пятна, размытие деталей. Интенсивность зависит от уровня качества (Quality factor 1–100).
L
- Latent Diffusion (латентная диффузия)
- Latent diffusion — диффузия не в пикселях, а в сжатом латентном пространстве VAE (напр. 64×64×4 вместо 512×512×3). Снижает вычисления в десятки раз, что сделало возможным Stable Diffusion на потребительских GPU.
- Latent inpainting (инпейнтинг по маске)
- Latent inpainting — инпейнтинг в диффузионных моделях: пользователь задаёт маску, и денойзинг перегенерирует только область под ней, сохраняя остальное изображение неизменным. Так удаляют объекты, заменяют фрагменты и реставрируют повреждения на фото.
- Latent space
- Латентное пространство — сжатое математическое многообразие, в которое нейросеть отображает данные. У современных диффузионных моделей изображение 512×512 пикселей превращается в латент 64×64×4 числа — на 48 порядков компактнее. Все вычисления модель проводит именно в латенте.
- LoRA
- Low-Rank Adaptation — метод параметрически эффективной тонкой настройки больших нейросетей. Вместо обновления миллиардов весов модели обучается компактный адаптер из двух матриц низкого ранга, который добавляется поверх базовой модели. Размер — десятки мегабайт против гигабайтов полной модели.
M
- Midjourney
- Коммерческая нейросеть для генерации изображений по текстовому промпту, известная характерным художественным стилем. Разработана независимой студией Midjourney Inc. (Сан-Франциско), первая публичная бета — июль 2022, флагман v7 — апрель 2025.
N
- Nano Banana
- Nano Banana (кодовое название Google Gemini 2.5 Flash Image) — модель Google для редактирования фото по тексту. Лучшая identity preservation при правках, на 30–50% дешевле GPT Image 2.
- Negative prompt (негативный промпт)
- Negative prompt (негативный промпт) — текстовое описание того, чего НЕ должно быть на изображении. Отталкивает генерацию от нежелательных элементов и артефактов: размытия, лишних пальцев, водяных знаков, искажений анатомии.
O
- Outpainting (расширение кадра)
- Outpainting (аутпейнтинг) — расширение изображения за его исходные границы: нейросеть дорисовывает продолжение сцены по краям кадра. Технически это инпейнтинг с маской по периметру. Используется для смены формата (9:16 ↔ 16:9), досъёмки фона и раскрытия композиции.
P
- PMRF (Posterior-Mean Rectified Flow)
- PMRF (Posterior-Mean Rectified Flow) — модель восстановления лиц от Ohayon et al. (ICLR 2025). Rectified flow диффузия с paste-back механизмом сохраняет идентичность лица. FID 3.8 — лучший открытый результат для face restoration.
- PNG vs WebP
- PNG vs WebP — выбор между двумя форматами с поддержкой прозрачности. PNG: lossless, универсальная совместимость, больший размер. WebP: на 25–35% меньше, lossy и lossless режимы, не везде поддерживается.
- Prompt engineering
- Prompt engineering — практика составления текстовых запросов к нейросетям для получения детерминированного результата. От качества промпта зависит 80% результата при работе с генеративными моделями.
R
- RAW формат
- RAW — сырой формат данных с матрицы фотокамеры без обработки в JPEG. Содержит максимум информации о снимке: 12–14 бит на канал, широкий динамический диапазон. Расширения зависят от производителя: CR2/CR3 (Canon), NEF (Nikon), ARW (Sony).
- Real-ESRGAN
- Real-ESRGAN — GAN-based нейросеть для апскейла от Tencent (ICCV 2021). Обучена на реалистично деградированных изображениях, BSD-лицензия, малый размер (67 МБ). Самый популярный open-source апскейлер.
- Real-ESRGAN vs альтернативы
- Сравнение Real-ESRGAN с SeedVR2, Topaz Gigapixel, SwinIR и диффузионными апскейлерами: качество (F-LPIPS), скорость, требования к GPU, лицензия и когда какой инструмент выбирать для апскейла.
- rembg
- rembg — open-source Python библиотека для удаления фона с изображений с помощью нейросетей. MIT-лицензия, поддерживает модели U2Net, BiRefNet, BRIA, обрабатывает фото через ONNX Runtime на CPU или GPU.
- rembg
- rembg — Python-библиотека для удаления фона с изображений через нейросети (U-Net, BiRefNet, BRIA). Open-source, MIT-лицензия, поддерживает GPU через onnxruntime-gpu.
S
- SISR (Single Image Super-Resolution)
- SISR — увеличение разрешения по одному изображению без дополнительных кадров. Нейросеть достраивает недостающие пиксели, восстанавливая детали и текстуры. Базовая задача для всех AI-апскейлеров: Real-ESRGAN, SeedVR2, Topaz.
- Seed (сид генерации)
- Seed (сид) — целое число, инициализирующее генератор случайного шума в диффузионной модели. Один и тот же seed при одинаковых параметрах даёт идентичный результат, что делает AI-генерацию воспроизводимой.
- SeedVR2
- SeedVR2 — one-step diffusion модель для апскейла видео и фото от ByteDance, опубликована на ICLR 2026. Использует flash-attention 2 и tiled VAE для работы с большими разрешениями.
- SeedVR2
- SeedVR2 — one-step diffusion модель для апскейла фото и видео от ByteDance Seed (ICLR 2026). 3B параметров, F-LPIPS 0.09, превосходит ESRGAN и Topaz Gigapixel при сопоставимой скорости.
- Sharpening
- Sharpening (увеличение резкости) — операция усиления контраста на границах объектов для впечатления более чёткой картинки. Алгоритмы: Unsharp Mask, High-pass filter, AI-sharpening. Не создаёт новых деталей.
- Stable Diffusion
- Stable Diffusion — open-source diffusion модель текст-в-изображение от Stability AI (2022). Latent diffusion в 64×64×4 пространстве, U-Net + VAE + CLIP. Основа сотен производных моделей и сервисов.
- Super-resolution
- Super-resolution (SR) — общий термин для технологий увеличения разрешения изображения с восстановлением деталей. Включает SISR, VSR, multi-frame SR. Синоним русскоязычного «апскейл».
- SwinIR
- Image Restoration model на базе Swin Transformer — модель восстановления и апскейла изображений, использующая Transformer-архитектуру с оконным вниманием. Опубликована в августе 2021 года командой Liang et al. (ETH Zurich). На многих задачах превосходит классический ESRGAN.
U
- U-Net
- U-Net — архитектура свёрточной нейросети для семантической сегментации (Ronneberger et al., MICCAI 2015). Encoder-decoder с skip-connections в форме буквы «U». Основа для всех современных моделей сегментации.
V
- VAE (вариационный автоэнкодер)
- VAE (Variational Autoencoder, вариационный автоэнкодер) — нейросеть, сжимающая изображение в компактное латентное пространство и восстанавливающая его обратно. Основа Stable Diffusion: диффузия идёт в latent 64×64×4, а VAE-decoder превращает результат в пиксели.
25 ₽ welcome бонусСоздайте фото с ИИ
Создайте фото с ИИ
за 30 секунд
AI-фотосессия по шаблону, генерация изображений нейросетью или обработка вашего фото — удаление фона, апскейл до 1440p, восстановление лиц. 10 ₽/день бесплатно без регистрации, +25 ₽ welcome бонусом — хватит на 125 удалений фона. Без карты, без подписки, без watermark.