KandiShop от AIRI: лицо и мелкий текст в ИИ-картинке «доклеивают» из фото-образца
Лаборатория FusionBrain Института AIRI показала метод постобработки генераций: нужный фрагмент увеличивают, совмещают с исходным фото и перерисовывают в два прохода. На тесте сходство лиц у FLUX.2 klein выросло с 52% до 75%, код этой версии открыт.

Адаптация и понятное объяснение для начинающих. Заявления приведены по материалу источника.
Проблема, знакомая каждому, кто генерировал портрет по фото: в новой сцене человек вроде похож, но черты «поплыли». Исследователи лаборатории FusionBrain Института AIRI предложили не перегенерировать картинку целиком, а исправлять её по частям — метод получил название KandiShop. О результатах сообщила пресс-служба AIRI.
Логика простая и объяснимая. Когда нейросеть просят скопировать снимок, ей не нужно одновременно придумывать позу, свет и композицию — детали воспроизводятся точнее. В новой сцене всё это меняется сразу, и сходство с образцом теряется. KandiShop находит на готовом изображении нужный фрагмент, увеличивает его, совмещает с фотографией-образцом, подгоняя угол и масштаб, а затем перерисовывает: один процесс отвечает за позу и освещение, другой — за сохранение черт лица или надписи. Результаты объединяются, и исправленный фрагмент возвращается на место.
Что показали замеры
На испытании со 100 лицами метрика сходства у FLUX.2 klein поднялась с 52% до 75%. У Nano Banana Pro без обработки она составляла 57%, после — 76%, приводит цифры научный сотрудник группы «Контролируемый генеративный ИИ» AIRI Вера Соболева. У GPT Image 2 от OpenAI показатель без обработки — 86%. На групповых снимках метод обрабатывает каждое лицо отдельно, чтобы черты людей не смешивались.
Отдельно проверили мелкий текст — на упаковках 32 товаров в 320 сценах. По метрике распознавания F1 (она учитывает и полноту, и точность найденных символов, чем выше — тем лучше) FLUX улучшился с 0,76 до 0,84, Nano Banana — с 0,77 до 0,83; у GPT Image 2 результат 0,82.
Границы результата
Все цифры — из оценки самой команды. Метод тестировали на четырёх открытых нейросетях, и, по словам исследователей, он не требует подключать дополнительные модели, а общее качество изображений сохраняется. В открытом доступе опубликован код версии для FLUX.2 klein.
Практический смысл шире портретов: тот же приём «подставить образец и перерисовать фрагмент» применим к упаковкам и любым мелким надписям, которые генеративные модели традиционно искажают. Подробнее о том, как генерация изображений устроена в приложениях, — в материале каталога.


