Как очистить изображения от меток нейросетей

Вы когда-нибудь пробовали отредактировать фотографию в Google Gemini или Samsung Galaxy AI? Результат часто радует, но есть нюанс: в углу появляется навязчивая искорка или надпись «Сгенерировано ИИ». Даже если вы просто убрали лишний объект с фона реального снимка, платформы заботливо вешают ярлык. Это не просто визуальный шум. Соцсети считывают невидимые метаданные и помечают ваш контент специальными плашками, которые иногда мешают охватам или просто раздражают.

Проект remove-ai-watermarks — это швейцарский нож для тех, кто хочет вернуть контроль над собственным контентом. Инструмент умеет находить и удалять как видимые логотипы, так и скрытые цифровые отпечатки вроде SynthID.

Зачем это нужно разработчику

Казалось бы, зачем городить целый репозиторий, если можно просто обрезать край картинки? Проблема в том, что современные водяные знаки стали умнее. Google DeepMind внедряет SynthID прямо в пиксели на уровне частот. Вы можете сжать картинку, изменить её размер или обрезать — метка всё равно останется.

Этот инструмент пригодится, если вы:

Тестируете устойчивость стеганографии и водяных знаков.
Хотите очистить свои фотографии от ложных срабатываний «Made with AI» после легкой ретуши.
Автоматизируете обработку большого массива генераций для личных архивов.
Изучаете, как работают современные методы защиты контента.

Что умеет инструмент

Автор проекта подошел к вопросу комплексно. Вместо того чтобы просто замазывать область (inpainting), библиотека использует разные стратегии для разных типов меток.

Удаление видимых логотипов без потери качества

Для популярных моделей вроде Gemini (Nano Banana), Doubao или Samsung Galaxy AI используется метод обратного альфа-смешивания. Программа знает, как именно накладывается логотип, и вычитает его из изображения. В итоге вы получаете оригинальные пиксели, которые были под логотипом, а не «галлюцинацию» нейросети на пустом месте. Это работает быстро и не требует видеокарты.

Борьба с невидимым: SynthID и компания

Самая интересная часть — работа со скрытыми метками. Чтобы удалить SynthID или StableSignature, инструмент прогоняет изображение через процесс диффузии. Он добавляет немного шума и заново восстанавливает картинку. Этого достаточно, чтобы разрушить структуру скрытого водяного знака, но сохранить детализацию.

Чистка метаданных и C2PA

Многие забывают, что информация об ИИ-происхождении зашита в EXIF, XMP и манифесты C2PA. Инструмент вычищает эти поля, оставляя только стандартные данные вроде автора или копирайта.

| До обработки | После обработки | | --- | --- | | Before | After |

Как это работает под капотом

Проект написан на Python и предлагает как CLI-интерфейс, так и библиотеку для интеграции в свой код.

Для удаления видимых знаков используется детектор на основе нормализованной кросс-корреляции (NCC). Он находит логотип, даже если вы изменили размер картинки. Если же метка неизвестна, можно использовать универсальный ластик erase, который задействует модель LaMa для качественного заполнения области.

Для работы с невидимыми метками по умолчанию используется SDXL с ControlNet (Canny). Это критически важная деталь: ControlNet позволяет сохранить структуру лиц и текста, чтобы после «очистки» человек на фото не превратился в кого-то другого.

Практический старт

Установить инструмент можно через pip, но я рекомендую использовать uv или pipx, чтобы не возиться с зависимостями:

uv tool install git+https://github.com/wiltodelta/remove-ai-watermarks.git

Если вам нужно удалять только метаданные и видимые логотипы, этого достаточно. Для работы с диффузией (скрытые метки) понадобится GPU и дополнительные пакеты:

pip install "remove-ai-watermarks[gpu]"

Базовая команда для полной очистки файла выглядит так:

remove-ai-watermarks all input.png -o output.png

Интересная фишка — режим identify. Он не удаляет ничего, а просто анализирует файл и выдает вердикт: какая нейросеть его создала и какие типы защиты вшиты. Это работает точнее, чем многие онлайн-детекторы, потому что проверяет сразу и метаданные, и специфические визуальные паттерны.

Стоит ли использовать

Проект активно развивается, и автор честно пишет об ограничениях. Например, диффузионная очистка — это всегда компромисс между удалением метки и сохранением мелких деталей. На очень высоких разрешениях может потребоваться много видеопамяти, хотя в последних версиях добавили тайлинг (обработку по кусочкам).

Инструмент не предназначен для обхода авторских прав или удаления водяных знаков фотостоков. Его цель — дать пользователю автономию над контентом, который он создал сам. Если вы работаете с генеративным ИИ и вам надоело, что корпорации «метят» каждый ваш шаг, этот репозиторий точно стоит добавить в закладки.

Для тех, кто предпочитает графический интерфейс, есть даже набор нод для ComfyUI, что позволяет встроить очистку прямо в ваш воркфлоу генерации.