Почему нейросети не «раздевают» на фото: технические ограничения, этика и что на самом деле умеют модели

Что происходит, когда вы пишете «undress»

Модель не «видит» тело под одеждой. У неё нет рентгеновского зрения, нет 3D-модели человека, нет понимания анатомии как системы. Диффузионная модель — это вероятностный генератор пикселей, обученный на парах «текст → изображение». Она знает, как выглядят люди в одежде и как выглядят люди без одежды (в обучающей выборке были оба класса), но не знает, как *конкретному* человеку на *конкретном* фото перейти из состояния А в состояние Б.

Когда вы просите inpainting-заменить область одежды на «кожу», модель гасит шум в замаскированной зоне, глядя на контекст: позу, освещение, перспективу, текстуру ткани по краям. Результат — галлюцинация: незначительная похожесть на кожу, странные артефакты, неверная перспектива, лишние конечности, размытость. Никакой промт не заставит модель восстановить информацию, которой нет в исходном пикселе.

# Virtual Try-On (Flux / SDXL + ControlNet)
# Вход: фото модели + фото изделия (white background)
# ControlNet: OpenPose (pose) + Canny (garment edges)

Positive:
professional fashion photography, (wearing:1.3) [описание изделия: red silk midi dress with draped neckline], perfect fit, natural fabric physics, preserved model identity, preserved face, preserved hands, studio lighting, soft key light + fill, 85mm lens, sharp focus on garment, high frequency texture detail, 8k uhd, raw photo

Negative:
distorted anatomy, extra limbs, mutated hands, changed face, different person, ill-fitting garment, floating fabric, lowres, blur, jpeg artifacts, watermark, text, logo, oversaturated, cartoon, illustration, 3d render

# Recolor / Texture Swap (SDXL Inpainting + ControlNet Canny)
# Маска: только область одежды

Positive:
same garment structure, same fit, same pose, same lighting, [новый материал: emerald green velvet / navy pinstripe wool / white linen], photorealistic fabric microdetail, subsurface scattering, natural folds, preserved background, preserved skin tone, 8k

Negative:
changed silhouette, changed pose, skin texture on fabric, fabric texture on skin, color bleed, halos, low frequency, blurry, deformed

# Clean Removal (Accessories / Small Items)
# Маска: область аксессуара + 10-15px padding

Positive:
clean unblemished skin, natural skin texture, pores, subsurface scattering, matching lighting direction, consistent shadows, no trace of removed object, seamless background continuation, hyperrealistic, 8k

Negative:
scar, bruise, tattoo, mole (unless in original), smudge, blur, clone stamp look, pattern repetition, color mismatch, lighting mismatch