Ноги раздвинуты шире плеч, даже когда в промте об этом нет
Пользователь описывает человека в полный рост, а на снимке фигура стоит с ногами, разведенными значительно шире таза. Эффект встречается в разных генераторах изображений: на базе диффузионных моделей и в закрытых нейросетях. Это не случайная ошибка отдельного сервиса, а систематическая черта того, как модель «понимает» тело на плоскости.
Ситуация усиливается, если в запросе есть слова «full body», «standing» или «wide shot». Модель пытается разместить фигуру во всём кадре и часто растягивает конечности к границам изображения, чтобы сохранить баланс и симметрию. Чем общая формулировка, тем чаще ноги уезжают в стороны без прямой инструкции о положении стоп.
Читатель может столкнуться с этим в Midjourney, Stable Diffusion, DALL-E, Kandinsky и подобных системах. Суть проблемы не меняется от того, какой именно сервис используется.
Диффузионная модель не изучала анатомию, она усреднила миллионы снимков
Нейросеть обучается на пары «изображение — текстовое описание». Она запоминает, какие пиксели обычно встречаются рядом, а не устройство скелета. Если большинство фотографий людей в полный рост показывают разведенные ноги, модель считает это нормальной позой и повторяет её, даже когда пользователь об этом не просил.
Другими словами, модель не знает, где должны быть суставы, а знает только статистику пикселей. Ширина ног — это следствие усреднения vast количества снимков, а не ошибка в конкретном запросе.
Поза в обучающих данных
Фотографы часто снимают людей в полный рост с разведенными ногами: так фигура выглядит устойчивее, а пропорции сбалансированнее. Нейросеть запомнила это как стандарт и воспроизводит автоматически, даже если в текстовом описании про это нет ни слова.
Симметрия и передняя проекция
При генерации фигуры «лицом к зрителю» модель стремится к симметричной композиции. Левая и правая нога часто растягиваются к краям кадра, что визуально расширяет постановку и делает её ненатуральной.
Слова в промте, которые расширяют постановку
Запросы «standing», «full body», «wide shot» подталкивают модель показать фигуру полностью и широко. Без прямой инструкции о положении стоп нейросеть склонна разводить ноги, чтобы заполнить пространство кадра.
| Промт | Как читает модель | Типичный результат |
|---|---|---|
| «full body standing» | Фигура во весь рост, надо показать всё тело | Ноги разведены для устойчивости в кадре |
| «person standing with feet together» | Попытка свести ноги, но без опоры на примеры | Ноги уже, но могут остаться заметно разведены |
| «close-up portrait, waist up» | Ноги просто не попадают в кадр | Проблема с шириной ног исчезает |
| «legs together, feet touching» | Прямая инструкция по расположению стоп | Постановка ног становится уже и естественнее |
Примерная зависимость формулировки от результата; фактическое поведение зависит от модели и версии.
Пять шагов, чтобы сузить ноги на генерации
До правки промта
Ноги разведены шире таза, стопы не соприкасаются.
После правки промта
Стопы сводятся, постановка ног становится уже.
Что не поможет исправить ширину ног
- —Надеяться на случайное изменение начального значения генерации.
- —Добавлять прилагательные «тонкий», «стройный» — они меняют объём тела, не постановку ног.
- —Писать более длинный промт без прямой инструкции о положении стоп.
