Почему ИИ-еда выглядит как кошмар: разбираемся в проблемах генерации

Поток отвратительных изображений еды захлестнул соцсети и меню: креветки-пончики, рубены из глубин, червеобразная лапша и макароны-стружка. ИИ-генерация превращает мороженое в стройматериал, бургеры — в монстров, а буррито — в трипофобный кошмар с дырами и личинками. Проблема в том, что диффузионные модели плохо понимают физику продуктов: они смешивают текстуры, игнорируют пропорции и создают «слоп» — неестественные, несъедобные на вид блюда.

Корень зла — в обучающих данных: модели натренированы на миллионах фотографий еды, но не знают, как выглядят реальные ингредиенты в сочетании. Они генерируют «среднее» по всем картинкам, получая мутантов. Например, «пончик-креветка» — это смесь пончика и креветки, которую модель посчитала вероятной комбинацией. Бизнес, экономя на фотографах, получает антимаркетинг: клиенты не хотят заказывать то, что выглядит как биологическое оружие.

Пока одни стартапы пытаются улучшить генерацию через fine-tuning на кулинарных датасетах, другие предлагают полностью отказаться от ИИ для фуд-фото. Выход — гибридный подход: ИИ генерирует концепт, а человек доводит до ума. Но пока рестораны продолжают заливать слоп, пользователи голосуют лайками и мемами. Вопрос не в технологиях, а в их применении: модель не виновата, что её попросили нарисовать то, чего не бывает.