Нейросети всё ещё не умеют в перспективу: FLUX 2024 показал лучший результат среди 7 моделей

Исследователи Sony ещё в 2023 году отмечали, что диффузионные модели не учат сводить параллельные линии в одну точку — точность перспективы просто не закладывается в обучение. Автор решил проверить, изменилась ли ситуация, и протестировал семь актуальных моделей на трёх разных сценах.

Лучший результат показал FLUX 2024, который обошёл Nano Banana 2.1 и GPT Image 2.5. Однако даже у лидера заметны искажения: линии сходятся не идеально, а на сложных ракурсах ошибки становятся очевидными. Остальные модели справились хуже — у некоторых перспектива «ломалась» полностью.

Вывод: за год прогресс есть, но проблема остаётся фундаментальной. Пока разработчики не начнут целенаправленно учить модели геометрии сцены, идеальной перспективы от генераторов ждать не стоит.