Ещё недавно распознать AI-видео было довольно просто. Шесть пальцев, странные зубы, лица, которые плавятся при повороте головы. Достаточно поставить ролик на паузу и немного присмотреться.
Сейчас этот метод работает всё хуже. Нейросети научились генерировать убедительную анатомию, реалистичные материалы, сложное освещение и движение камеры. Иногда даже специалисту по CG непросто с первого взгляда понять, где заканчивается реальная съёмка и начинается генерация.
Но есть нюанс. Красиво нарисовать мир и заставить его существовать по законам физики две разные задачи.
Чашка может выглядеть идеально, но при контакте со столом немного проваливаться в поверхность. Мяч после удара летит по странной траектории. Человек проходит перед зеркалом, а его отражение движется странно. Разберём, на что смотреть, если картинка уже не вызывает много вопросов.
В 2025 году исследователи INSAIT и Google DeepMind представили Physics-IQ бенчмарк для проверки того, насколько генеративные видеомодели воспроизводят физические процессы.
Для тестирования использовали реальные видеозаписи с различными физическими явлениями: столкновениями, движением жидкостей, отражениями, взаимодействием материалов и другими событиями. Затем проверяли, насколько правдоподобно нейросети могут продолжить происходящее.
Результаты показали существенный разрыв между визуальным реализмом и физической корректностью. Видео может выглядеть убедительно, но при этом нарушать вполне базовые принципы взаимодействия объектов.
В работе Physion-Eval, опубликованной в марте 2026 года, исследователи также анализировали физические ошибки в видео, созданных пятью генеративными моделями. В специально подобранных сценариях с физическими взаимодействиями эксперты обнаружили хотя бы одно заметное нарушение в 83,3% роликов с внешней камерой и 93,5% роликов от первого лица.
Важно: это результаты конкретного тестирования, а не процент ошибок во всех AI-видео, но они хорошо показывают, где у технологии по-прежнему возникают сложности.
Модель может убедительно изобразить действие, но не всегда способна сохранить его физическую логику на протяжении всего ролика.
Поэтому вместо поиска дефектов в отдельных кадрах полезнее следить за тем, что происходит между ними.
Представьте обычную сцену: человек берёт чашку со стола, поворачивается, на секунду закрывает её корпусом и снова показывает в кадре.
В реальности чашка останется той же самой. У неё не изменится форма ручки, размер или рисунок. Звучит очевидно, но для генеративного видео сохранение объекта при временном перекрытии может оказаться непростой задачей.
Например, чашка на несколько кадров исчезает за рукой и возвращается уже с другой ручкой. Или сумка меняет пропорции, пока человек идёт по улице.
Это нарушение непрерывности объекта, связанное с понятием object permanence - постоянством существования предмета независимо от того, видим мы его сейчас или нет.
Причём ошибка не обязательно выглядит как резкая подмена. Иногда форма изменяется постепенно, буквально на несколько пикселей от кадра к кадру. В динамике это почти незаметно, особенно если зритель следит за лицом персонажа или основным действием.
Как проверить: выберите один предмет и проследите за ним на протяжении всего эпизода. Особенно внимательно смотрите моменты, когда объект частично перекрывается другим предметом, выходит из кадра или поворачивается.
2. У каждого действия должны быть последствия
Допустим, человек разрезает яблоко. Мы ожидаем вполне конкретную последовательность: нож касается поверхности, проходит через мякоть, части яблока разделяются. В AI-видео отдельные этапы могут выглядеть реалистично, но причинно-следственная связь между ними иногда нарушается.
Нож уже прошёл через яблоко, а оно осталось целым. Человек откусил кусок, но на следующем кадре фрукт снова выглядит нетронутым. Стакан опрокинулся, вода вылилась, однако на столе не осталось никаких следов.
Для CG-художника это особенно заметно, потому что в классическом производстве подобные взаимодействия требуют отдельной работы: анимации, деформации геометрии, симуляций жидкости, разрушений и других эффектов.
Как проверить: найдите момент, когда один объект воздействует на другой. Удар, падение, разрезание, наливание жидкости. Мысленно представьте, что должно произойти дальше, и сравните с тем, что показывает видео.
Особенно показательны действия, после которых состояние объекта должно измениться необратимо.
Один из наиболее интересных признаков - контакт объектов с окружающей средой.
Представьте, что человек садится на мягкий диван. Подушки должны немного продавиться, ткань натянуться или собраться в складки, а тело отреагировать на опору. Если ничего из этого не происходит, персонаж начинает выглядеть так, будто его просто наложили поверх изображения.
То же самое с предметами. Тяжёлая коробка стоит на мягкой поверхности, но никак на неё не влияет. Нога касается песка, однако не оставляет следа. Человек поднимает массивный предмет без изменения позы и переноса веса.
Сами по себе эти ситуации не всегда физически невозможны. Например, жёсткая поверхность может почти не деформироваться, а лёгкая коробка не обязана оставлять заметный след. Важен контекст: материал, предполагаемая масса, сила воздействия и ожидаемая реакция.
В профессиональной анимации вес передаётся не только скоростью движения. Он складывается из тайминга, инерции, работы тела, контакта и реакции окружающих объектов.
Как проверить: смотрите на места соприкосновения объектов. Есть ли сопротивление, деформация, изменение положения тела или поверхности? Соответствует ли реакция тому, из какого материала сделан предмет?
Мяч летит после удара. Человек прыгает. Машина входит в поворот.
Каждое из этих действий имеет определённую механику. Скорость и направление могут меняться, но для этого должна существовать причина. В генеративном видео движение иногда выглядит плавным, однако при внимательном просмотре обнаруживается странная траектория.
Например, мяч после удара сначала летит в одну сторону, затем неожиданно меняет направление. Или человек делает замах, но движение ноги не совпадает с моментом, когда мяч начинает ускоряться.
На обычной скорости мозг может воспринимать такую последовательность как единое действие. Но если замедлить видео, связь между движениями начинает разваливаться.
В августе 2026 года исследователи представили MotionPhys, подход к выявлению AI-видео через анализ физических характеристик движения.
Авторы рассматривают траектории объектов, изменения направления и резкость изменений ускорения. Их вывод: короткий отрезок движения может выглядеть вполне естественно, а нарушение физической согласованности становится заметным только при анализе действия целиком.
Как проверить: выберите движущийся объект и проследите его траекторию. Посмотрите, когда он начинает ускоряться, тормозить или менять направление. Главный вопрос: что именно заставило его двигаться таким образом? При этом учитывайте движение камеры, перспективу и возможное воздействие сил, которые не видны непосредственно в кадре.
Отражения отдельная интересная история, потому что здесь нейросети нужно согласовать сразу несколько элементов сцены. Положение камеры, геометрию предметов, свойства материалов, направление освещения и то, что должно быть видно в отражающей поверхности. Представьте человека, который проходит мимо большого зеркала. Его отражение должно соответствовать положению тела и геометрии зеркала в каждый момент времени.
Если человек поднимает руку, отражение должно меняться согласованно с ним. Если камера перемещается, видимая в зеркале часть пространства тоже должна изменяться по законам оптики. В AI-видео иногда возникают расхождения: отражение показывает неправильный ракурс, объект в зеркале меняет форму или вовсе исчезает.
Но смотреть стоит не только на зеркала. При движении камеры геометрия всей сцены должна оставаться согласованной. Стены, окна, плитка на полу и предметы мебели не могут произвольно менять взаимное расположение.
Например, камера плавно объезжает стол, но ножка стула на заднем плане словно перемещается относительно пола. Или линии плитки начинают изгибаться, хотя поверхность должна оставаться плоской.
Как проверить: попробуйте на несколько секунд игнорировать главный объект и посмотреть на окружение. Проследите за линиями стен, пола, оконных рам, тенями и отражениями. Если пространственные отношения меняются без понятной причины, это ещё один сигнал для проверки.
Да, бывают, и поэтому ни один из перечисленных признаков сам по себе не доказывает, что ролик создан нейросетью.
Реальное видео тоже может содержать визуальные ошибки. Особенно после монтажа, стабилизации, ретуши, интерполяции кадров, сжатия или добавления CG. Например, алгоритмы стабилизации иногда искажают геометрию фона. Компрессия может создавать неприятные артефакты вокруг движущихся объектов. Интерполяция кадров способна нарушать контуры предметов в момент быстрого движения.
А в рекламе физика вообще не всегда обязана быть реалистичной. Бутылка может зависнуть в воздухе, автомобиль двигаться по невозможной траектории, а персонаж растягиваться при прыжке. Это может быть сознательной режиссурой, а не ошибкой генерации.
Поэтому пытаться определить происхождение ролика по одному странному движению сомнительная идея. Гораздо полезнее искать несколько независимых несоответствий и разбираться, можно ли объяснить их особенностями съёмки, монтажа или художественного решения.
Необязательно быть CG-супервайзером или разбирать каждый ролик покадрово. Достаточно немного изменить привычку просмотра.
Первый просмотр — целиком. Не пытайтесь сразу искать ошибки. Посмотрите, что происходит в сцене и какое действие является основным.
Второй — с замедлением. Если есть возможность, поставьте скорость 0,25–0,5x. Выберите один предмет и проследите, сохраняются ли его форма и положение.
Третий — на взаимодействия. Найдите контакт между объектами. Посмотрите, есть ли у действия физически понятные последствия.
Четвёртый — на окружение. Обратите внимание на отражения, тени, перспективу и движение фона относительно камеры.
Если обнаружили несколько странностей, попробуйте найти первоисточник ролика. Полная версия, исходная публикация или информация о производстве часто дают больше, чем любой визуальный анализ.
И главное, не превращайте количество найденных ошибок в условный процент вероятности AI. У такого подсчёта нет надёжной универсальной шкалы.
Нейросети становятся всё лучше в создании реалистичной картинки, это уже меняет то, как мы оцениваем видео.
Раньше можно было поставить ролик на паузу, найти странную руку и решить, что перед нами генерация. Сейчас гораздо интереснее смотреть на движение, взаимодействие объектов и последствия действий.
При этом важно понимать, что физические ошибки не являются эксклюзивной особенностью AI. Они встречаются и в обычном CG, и в постпродакшне, и даже в реальной съёмке после обработки. Поэтому речь не о новом универсальном детекторе, а о более внимательном способе смотреть видео и задавать правильные вопросы.
Вместо “насколько реалистично это выглядит?” попробуйте спросить “насколько последовательно здесь работает физика?”.
Ответ не всегда позволит определить происхождение ролика. Зато поможет заметить то, что идеальная картинка успешно скрывает.