Аутпейнтинг: де рветься стик розширеного кадру
Аутпейнтинг добудовує те, чого в кадрі не було: розширення меж зображення спирається на вузьку смугу контексту біля краю, і за нею модель має зрозуміти, що знаходиться далі — продовження неба, стіни, листя, тканини.
Чим менше опори на вході, тим більше добудова схожа на правдоподібне припущення. Результат видно відразу: видимий стик кадру, де вихідна частина переходить у згенеровану, помічає навіть недосвідчений глядач.
Стик рветься з кількох причин. Перша — розсинхрон яскравості та зерна: вихідна область знята з одним шумом і глибиною різкості, добудована — з іншим, і межа читається як лінія.
Друга — втрата текстури на краю: повторні проходи накопичують розмиття, і дрібний візерунок — ворс, листя, штукатурка — розпадається в рівну пляму. Третя — розбіжність стилю при серійній обробці: кожен наступний кадр із набору отримує свою палітру та контраст.
Окремий випадок — кадр обрізаний краєм. Якщо в межу впирається об'єкт або лінія горизонту, модель не знає, чим продовжувати, і добудовує випадкову геометрію; на серії з десятків знімків це виглядає як різні сцени з різних зйомок.
Ми розбираємо кожну поломку окремо і за причиною: нестача контексту, накопичення помилки за проходи або неузгодженість налаштувань між кадрами. Далі — як це закривається.
Цілісність кадру, стик і повторюваність результату
Розширення кадру майже завжди ламається на межі: модель впевнено добудовує небо і траву, але на лінії стику з'являється шов — стрибок яскравості, повтор текстури, зміна колірної температури або «примарний» контур об'єкта, зрізаного краєм кадру.
Для одного зображення це виправляється ретушшю, для серії з сотень кадрів — перетворюється на ручний конвеєр.
Ми будуємо генерацію так, щоб шва не виникало на етапі синтезу. Кадр розширюється не встик, а з перекриттям маски на 10–15% площі, тому модель бачить реальний контекст і продовжує його, а не вгадує по краю.
Потім межа узгоджується: зіставлення гістограм, підгонка зерна та мікроконтрасту, зворотне звуження маски. Базова модель — Stable Diffusion з дообученням на вашому матеріалі: вона тримає розмітку перспективи і не перевинаходить об'єкти, які вже є в кадрі.
Повторюваність результату — окрема задача. Ми фіксуємо початкове зерно генерації, профіль стилю та еталонний набір кадрів для всієї серії: наступний кадр продовжує той самий матеріал, а не виглядає знятим в інший день.
Єдиний стиль серії кадрів перевіряємо на зменшених копіях до повного прогону — розбіжність за кольором і деталізацією видно відразу, правки йдуть у профіль, а не в кожен кадр окремо.
Ефект вимірний: частка кадрів, що проходять приймання з першого прогону, зростає з 40 до 85–90%, серія з 200 зображень обробляється за один нічний прогін замість тижня ручної роботи, а клас дефектів на межі — видимий шов і розрив градієнта — зникає зі списку правок.
Режими аутпейнтингу: порівняння підходів
Розтягування полів — найшвидший режим: крайні пікселі дублюються або інтерполюються вздовж межі.
Він працює на однорідних фонах — студійна заливка, градієнт, небо — і розвалюється там, де в кадрі є мікротекстура, дрібні деталі або перспектива: замість трави виходить вертикальна змазка.
Дзеркальне продовження відображає наявний фрагмент за межу кадру. Результат чесний на симетричних поверхнях — тканина, вода, повторюваний орнамент — і помітно помилковий на обличчях, написах та об'єктах з напрямком руху.
Генерація полів по масці знімає обидва обмеження, але спирається на референс стилю: без нього нова область живе за своїми законами освітлення та зерна.
| Режим | Коли підходить | Обмеження |
|---|---|---|
| Розтягування полів | однорідні фони, м'які градієнти, підгонка пропорцій | втрачає мікротекстуру, дає змазку на краях |
| Дзеркальне продовження | симетричні поверхні, орнамент, вода і небо | ламається на перспективі, обличчях, написах |
| Генерація полів по масці | складні сцени, архітектура, товарні зйомки | потребує референсу стилю та вивіреної маски стику |
| Розтягування + генерація по масці | великі розширення, де потрібні і швидкість, і якість | потрібне ручне налаштування межі між зонами |
Як обираємо режим
Дивимося не на режим, а на кадр: чи є в зоні розширення повторювана структура і куди йде світло. Референс стилю беремо за ділянками, найближчими до межі, а маску стику будуємо з перекриттям і м'яким переходом — тоді шов не читається при збільшенні.
На виході віддаємо зображення в початковій роздільній здатності та робочу маску, за якою розширення можна повторити.
Етапи впровадження: від аудиту кадрів до передачі
Аутпейнтинг починається не з моделі, а з вихідників: розширення меж ламається там, де кадр обрізаний по самому об'єкту, перетиснений при збереженні або знятий в іншому колірному профілі — на стику видно шов, а палітра з'їжджає.
Тому етапи впровадження будуємо від аудиту кадрів до передачі рішення, з перевірюваним результатом на кожному кроці.
- Аудит кадрів. Розбираємо вибірку вихідників: співвідношення сторін, точку обрізки, метадані, артефакти стиснення, профілі кольору. На виході — список обмежень і вимоги до підготовки файлів, без яких добудова дає брак.
- Схема обробки. Фіксуємо, як саме розширюємо: маска по краях, добудова ділянками з перекриттям, порядок кроків, місце ручної правки. Схему узгоджуємо до запуску в потік, щоб не переробляти логіку.
- Налаштування під ваш стиль. Збираємо еталонні ваші зображення — світло, фактура, палітра — і підбираємо параметри так, щоб продовження кадру не відрізнялося від оригіналу.
- Контрольна вибірка. Прогоняємо кадри різних сюжетів повністю і дивимося шви, колір, дрібну текстуру. Розбіжності повертають нас на крок налаштування, а не спливають у вас на потоці.
- Складання потоку. Пакетна обробка, черга завдань, журнал запусків, повтор невдалих кадрів. Результат складається поряд з вихідником, без ручного перенесення файлів.
- Передача рішення. Документація, доступи, навчання вашої команди, регламент на типові випадки та супровід, поки рішення не почне працювати автономно.
Комплект поставки: схеми, конфігурації, регламенти
Комплект поставки — це не звіт про виконану роботу, а робочий набір, з яким ваша команда запускає аутпейнтинг сама.
Конфігурації, карта обробки, правила відбору кадрів і регламенти залишаються у вашому репозиторії з історією версій: повторний запуск на новій партії дає той самий передбачуваний результат і не залежить від того, чи пам'ятаємо ми, які параметри стояли минулого разу.
- Конфігурації генерації: масштаб вихідного зображення, крок розширення меж, число проходів, вага збереження вихідної деталізації — з поясненням, який параметр на що впливає і що ламається при його зміні.
- Карта обробки: послідовність етапів — підготовка маски, розширення, зшивання швів, вирівнювання тону по краю; зазначено, на якому кроці дивитися при відхиленні.
- Правила відбору кадрів: критерії придатності вихідників і результату, поріг відбракування, окремий список випадків, які закриваються тільки ручною доопрацюванням.
- Регламент обробки: як запускати пакет повністю, що фіксується в журналі, як перезапустити партію, що впала, з останнього успішного етапу замість повного прогону.
- Регламент приймання: набір перевірок і еталонні зображення для порівняння — приймання спирається на критерії, а не на суб'єктивне враження.
- Документація та інструкції: оточення, залежності, точки підключення до вашого сховища, порядок оновлення конфігурацій без зупинки обробки.
Кейс: розширення архівної зйомки для каталогу
Що було на вході
Каталог збирався роками: частина зйомки зроблена у вузькому кадрі, частина — під друк, і такі файли не встають у широкі банери вітрини.
Ручна перемальовка країв у графічному редакторі давала потрібний результат, але не тягнула обсяг: серія з 40 кадрів займала три робочих дні, а з першого прогону узгоджували менше половини зображень.
Що змінили в конвеєрі
Аутпейнтинг побудували на ComfyUI: по краях кадру збирається маска, модель добудовує продовження сцени, далі йде підвищення деталізації та перевірка на артефакти — повторювану текстуру, розмиті стики, поплившу геометрію.
Кадри, де в зону розширення потрапляє текст або дрібна фактура, йдуть на ручне доопрацювання, решта проходять автоматично.
Метрики до і після рахували на одній і тій самій вибірці кадрів: частка приймання з першого прогону зросла з 40% до 92%, серія з 40 зображень з трьох днів скоротилася до двох годин, частка кадрів з ручною правкою — з 70% до 8%.
Обсяг ручної роботи в графічному редакторі впав майже в дев'ять разів, а каталог отримав широкі формати без повторної зйомки.
Переноситься й сама логіка: правила відбору кадрів, набір масок під різні типи сцен і схему перевірки стиків ми використовуємо в інших проєктах розширення архівної зйомки.
Чим генерація полів відрізняється від кадрування?
Кадрування працює тільки з тими пікселями, що вже є: змінюються межі кадру, пропорції та положення об'єкта, але нової інформації не з'являється.
Якщо сюжет впирається в край — голова, руки, кут будівлі, товар на вильоті, — розширити рамку можна лише обрізкою сусідніх зон або розтягуванням, а це вже викривлення геометрії.
Генерація полів, або аутпейнтинг, добудовує зображення за межами вихідної рамки. Модель оцінює освітлення, перспективу, напрямок тіней, зерно сенсора та повторювані текстури, після чого синтезує нові пікселі, продовжуючи сцену.
Відмінність принципова — джерело даних: при кадруванні перерозподіляємо наявне, при генерації полів створюємо те, чого не вистачає.
Критерій вибору — запас сюжету всередині кадру. Якщо об'єкт повністю в рамці і є вільне поле, кадрування дешевше, повністю передбачуване і повторюване від запуску до запуску.
Коли смисловий центр обрізаний, домалювання країв залишається єдиним способом зберегти і сюжет, і пропорції, які вимагає площадка.
Збереження композиції при генерації полів вирішується маскою: вихідна область виключається із зони синтезу, пікселі залишаються недоторканими, модель працює тільки за межею.
Це критично для товарів, логотипів і впізнаваних об'єктів — Правило третин та інші композиційні схеми зберігаються, а не збираються заново.
Обмеження теж важливо розуміти: домалювання дає правдоподібне продовження, а не відновлений факт. Якщо зображення зобов'язане збігатися з реальністю — документ, креслення, розпізнавана деталь, — генерацію застосовують тільки з перевіркою людиною. Для каталогових зйомок надійніше заздалегідь залишати запас по краях кадру.
Технічні сумніви щодо стиків, кольору та обсягу
Сумніви зазвичай спливають після демо: на одному кадрі результат переконливий, а на серії в сотні зображень проступають колірний зсув, шви та розповзлий стиль. Відповідаємо на чотири питання, які задають до старту.
Об'єкт обрізаний самою межею кадру — що вийде?
Добудова спирається на видиму частину об'єкта та тіні, тому продовження анатомії залишається правдоподібним. Маска розширюється з перекриттям — межа не читається навіть при збільшенні.
Там, де контексту мало, чесніше м'яко затемнити край, ніж вигадувати деталь: такі кадри узгоджуємо заздалегідь.
Шум та артефакти вихідника не вилізуть назовні?
Вилізуть, якщо не готувати вхід: генерація повторює дефекти і робить їх помітнішими на однорідному фоні. Перед добудовою йде шумозаглушення, вирівнювання рівня чорного та звірка гістограми по краю, а колірний зсув на стику знімаємо калібруванням за опорними пікселями.
На великій серії кадрів стиль не роз'їдеться?
Для серії налаштовується єдиний профіль: фіксовані параметри генерації та еталонна добірка, з якою автоматично звіряється кожен результат. Відхилення за кольором і контрастом відловлюються до видачі, кадр іде на повтор. Версії зберігаються, тому будь-який кадр можна відкотити.
Кому належать права на результат?
Працюємо на моделях і даних з прозорим ліцензійним статусом і не добудовуємо чужі захищені зображення. Вихідники залишаються вашими, права на результат — теж; у навчання ваші матеріали без письмової згоди не йдуть. Обмеження щодо людей і об'єктів у кадрі обговорюємо до старту і фіксуємо в договорі.
Обговоримо ваше завдання розширення кадру
Щоб обговорити завдання предметно і повернутися з оцінкою та планом, а не із загальними словами, нам потрібен реальний матеріал і межі роботи. Чим конкретніші ввідні, тим точніші терміни і менше правок на прийманні.
- Вихідні кадри — 5-10 знімків у максимальній роздільній здатності та без перетиснення: скріншоти і картинки з месенджерів зрізають деталі, за ними не оцінити шум і поведінку контуру.
- Цільовий формат — куди піде кадр: вітрина, банер, картка товару. Співвідношення сторін і мінімальна ширина визначають, скільки саме потрібно добудувати.
- Вимоги до стику — де проходить межа вихідної області, чи повинна вона залишатися непомітною або допускається м'який перехід, які об'єкти не можна перемальовувати.
- Обмеження на вміст — що неприпустимо в добудованій частині, чи є заборонені сюжети та слова для генерації.
- Референси стилю — 5-10 кадрів з близьким світлом і оптикою, щоб потрапити у вашу подачу, а не в усереднену.
- Обсяги та режим — скільки зображень у серії, разова це робота чи постійний потік, потрібен ручний запуск чи автоматична обробка.
- Передача та доступи — як зручно передавати матеріал і чи є вимоги щодо конфіденційності та зберігання.
Далі ми розбираємо кадри, перевіряємо на них поведінку моделі та повертаємося з оцінкою і планом робіт: етапи, терміни та те, що ви побачите на кожному. Опишіть завдання — почнемо з розбору ваших вихідників.
