Inpainting: uzupełnianie obrazu AI

Jak działa inpainting w modelach dyfuzyjnych

Model dyfuzyjny generuje obraz przez stopniowe odszumianie. W inpaintingu proces ten ogranicza się do obszaru maski: na każdym kroku piksele spoza maski są przywracane z oryginału, a wewnątrz maski model dopasowuje treść do znanego otoczenia. Tak działa m.in. RePaint (Lugmayr i in., 2022).

Nowsze warianty trenują osobny model warunkowany maską: do wejścia trafia zamaskowany obraz, sama maska i opis tekstowy. Architektura latentna z pracy Rombacha i in. działa w skompresowanej przestrzeni, co przyspiesza operację kilkadziesiąt razy (arXiv 2112.10752). Szerzej o tym w haśle modele dyfuzyjne.

Inpainting różni się od img2img: tam model przerabia cały obraz z zadaną siłą, tu — tylko wskazany fragment, zachowując resztę piksel w piksel. W praktyce narzędzia łączą oba tryby: maskują ubranie, a otoczenie zostawiają nietknięte, przez co wynik wygląda wiarygodnie.

Od retuszu do narzędzi undress — zastosowania inpaintingu

W edytorach graficznych inpainting to funkcja „usuń obiekt” lub „wypełnienie generatywne” (Adobe). Narzędzia SFW, takie jak OpenArt czy Pixlr, używają jej do zmiany ubrań na inne — bez tworzenia nagości.

Narzędzia nudify wykorzystują tę samą operację z modelem dostrojonym na materiałach dla dorosłych: obszar ubrania staje się maską, a model uzupełnia go syntetycznym ciałem. Wynik nie „odsłania” niczego prawdziwego — jest zgadywaniem statystycznym — ale dla odbiorcy wygląda jak zdjęcie. Kategorię opisuje strona zestawienie narzędzi do zmiany ubrań.

Jakość zależy od trzech czynników: precyzji maski, dopasowania oświetlenia i rozdzielczości. Typowe artefakty to niespójne krawędzie, „rozmyte” dłonie i nienaturalne cienie — te same cechy, które wykorzystują metody wykrywania deepfake.

Inpainting a prawo: wizerunek, zgoda i oznaczanie

Uzupełnienie ciała pod ubraniem tworzy wizerunek osoby nagiej. Utrwalanie i rozpowszechnianie takiego wizerunku bez zgody jest przestępstwem z art. 191a KK zagrożonym karą do 5 lat pozbawienia wolności (ISAP). Fakt, że obraz jest syntetyczny, nie wyłącza odpowiedzialności — omawia to hasło art. 191a KK.

Od 2 sierpnia 2026 r. art. 50 ust. 4 rozporządzenia 2024/1689 wymaga ujawnienia, że treść przedstawiająca istniejącą osobę została sztucznie zmanipulowana (EUR-Lex). Inpainting cudzego zdjęcia to podręcznikowy przykład takiej manipulacji. Przetwarzanie zdjęcia to także przetwarzanie danych osobowych w rozumieniu RODO (EUR-Lex).

Dla własnych zdjęć i zdjęć osób, które wyraziły zgodę, inpainting jest legalny jak każda edycja. Granicę stanowi wizerunek innej osoby oraz — bezwzględnie — wiek: przetwarzanie zdjęć małoletnich w ten sposób jest przestępstwem z art. 202 KK niezależnie od zgody kogokolwiek.

Uzupełnianie obrazu AI w recenzowanych narzędziach

W recenzjach nie testujemy inpaintingu na zdjęciach osób trzecich — używamy materiałów syntetycznych i własnych, zgodnie z zasadami odpowiedzialnego użycia. Oceniamy, czy narzędzie pozwala precyzyjnie zaznaczyć obszar, jak radzi sobie z krawędziami i czy stosuje filtry wieku oraz zgody.

Sam mechanizm jest neutralny — decyduje sposób użycia i model, którym narzędzie uzupełnia maskę. Dlatego w kategorii przerabianie zdjęć odnotowujemy, czy usługa deklaruje moderację wejścia i czy odrzuca zdjęcia z widocznymi cechami małoletności. Wyniki testów są opisane w kartach narzędzi.

Powiązane narzędzia, które recenzujemy

Inpainting to podstawa działania większości recenzowanych narzędzi. Poniżej recenzje, w których opisaliśmy jakość maskowania i uzupełniania fragmentów.

• Ainudez — recenzja z oceną precyzji maski i spójności krawędzi.
• OpenArt — narzędzie SFW — zmiana ubrań, nie rozbieranie; inpainting w edytorze uniwersalnym.
• Pixlr — narzędzie SFW — zmiana ubrań, nie rozbieranie; funkcja usuwania obiektów.

Zasada zgody: opisywane narzędzia mogą być używane wyłącznie do własnych zdjęć lub zdjęć dorosłych (18+), którzy wyrazili na to zgodę. Tworzenie intymnych obrazów innych osób bez ich zgody może stanowić przestępstwo z art. 191a Kodeksu karnego. Więcej: Odpowiedzialne AI i zgoda.

Źródła

Wpis opiera się na publikacjach naukowych, dokumentacji standardów i tekstach aktów prawnych; daty dostępu podano przy każdym źródle. Redakcja nie linkuje do wag modeli ani dystrybucji oprogramowania i nie udziela porad prawnych.

1. Lugmayr i in., „RePaint: Inpainting using Denoising Diffusion Probabilistic Models”, arXiv 2201.09865 (2022) — dostęp 08.09.2026.
2. Rombach i in., „High-Resolution Image Synthesis with Latent Diffusion Models”, arXiv 2112.10752 (2022) — inpainting w modelach latentnych — dostęp 08.09.2026.
3. Suvorov i in., „Resolution-robust Large Mask Inpainting with Fourier Convolutions” (LaMa), arXiv 2109.07161 (2021) — dostęp 08.09.2026.
4. Pathak i in., „Context Encoders: Feature Learning by Inpainting”, arXiv 1604.07379 (2016) — dostęp 08.09.2026.
5. Adobe — dokumentacja funkcji Generative Fill w Photoshopie (wypełnienie generatywne) — dostęp 08.09.2026.
6. Kodeks karny — art. 191a (wizerunek osoby nagiej) i art. 202, ISAP — dostęp 08.09.2026.
7. Rozporządzenie (UE) 2024/1689 (AI Act) — art. 50 ust. 4: ujawnianie treści zmanipulowanych, EUR-Lex — dostęp 08.09.2026.