Состояние редактирования фотографий: исследовательский отчет 2026 года

Краткое описание

В период с января по апрель 2026 года мы проанализировали анонимизированные агрегированные данные 10,2 миллиона правок фотографий на платформах Magic Eraser — iOS, Android и веб. Набор данных охватывает пользователей из 194 стран, хотя основная часть объема приходится на США (34%), Индию (11%), Великобританию (8%), Германию (6%) и Бразилию (5%). Были зафиксированы типы правок, продолжительность сессий, метаданные устройств, оценки удовлетворенности и показатели повторных правок. В анализ не были включены отдельные изображения или личная информация.

Пять выводов выделяются особенно. Во-первых, удаление объектов укрепило свои позиции как доминирующий тип правок, составляя более одной из трех правок. Во-вторых, мобильное редактирование впервые в нашем наборе данных обогнало веб, в основном благодаря росту iOS. В-третьих, AI-редактирование больше не является нишевой функцией, а стало стандартным рабочим процессом для большинства пользователей: три четверти всех правок включают как минимум один AI-этап. В-четвертых, product-фотография для электронной коммерции является крупнейшим отраслевым сценарием использования, опережая социальные сети и личное использование. В-пятых, улучшения скорости обработки AI сократили среднее время правок более чем вдвое по сравнению с 18 месяцами назад, что в корне изменило ожидания пользователей относительно времени выполнения.

Наиболее распространенные типы правок

Мы классифицировали каждую правку по одному из семи основных типов на основе используемого инструмента и объема примененных изменений. Удаление объектов лидирует с 34,1% от всех правок. Это включает удаление людей, знаков, проводов, мусора и других нежелательных элементов с фотографий. Типичная сессия удаления объектов включает выбор от одного до трех объектов для удаления, при медиане 1,7 объекта за сессию.

Удаление фона является второй по распространенности правкой — 27,8%. Пользователи отделяют объект от фона для карточек товаров, фото профиля, дизайнерских композиций и контента для социальных сетей. Правки улучшения (яркость, контраст, резкость, цветокоррекция) составляют 17,6% правок. Хотя улучшение исторически было самой распространенной задачей редактирования фотографий в мире, появление камер смартфонов со встроенной вычислительной фотографией снизило потребность в базовых корректировках.

Оставшиеся категории: AI-расширение или дорисовка — 8,3%, креативные заливки и генеративные правки — 5,9%, удаление текста и водяных знаков — 4,1%, пакетные или мультиизображенческие операции — 2,2%. Длинный хвост правок, не вписывающихся в эти категории, составляет оставшуюся долю.

Тенденции использования платформ

Впервые за всю историю наших наблюдений мобильные сессии редактирования превысили веб-сессии по общему объему. Мобильные устройства теперь составляют 63% всех сессий редактирования, по сравнению с 54% в середине 2025 года. iOS лидирует в мобильном использовании с 38% всех сессий, а Android — с 25%. Веб-редактирование незначительно снизилось с 41% до 37%, но остается критически важным для экспертных и пакетных рабочих процессов, где большой экран и сочетания клавиш обеспечивают значительное повышение эффективности.

Переход на мобильные устройства неравномерен по типам правок. Удаление фона и удаление объектов сильно смещены в сторону мобильных устройств (71% и 66% мобильных соответственно), что отражает такие сценарии использования, как быстрая очистка фото товаров и подготовка контента для социальных сетей. Правки улучшения более сбалансированы (55% мобильные, 45% веб), а пакетные операции остаются преимущественно веб-ориентированными (82% веб). Это говорит о том, что пользователи выбирают платформу исходя из сложности задачи и количества изображений, а не просто на основе предпочтений устройства.

Географически мобильное доминирование наиболее сильно в Индии (78% мобильных), Бразилии (74% мобильных) и Юго-Восточной Азии (76% мобильных), в то время как использование веба остается сравнительно высоким в США (42% веб), Германии (45% веб) и Японии (43% веб). Эти различия коррелируют с более широкими моделями доступа в интернет: рынки с приоритетом мобильных устройств демонстрируют соответствующее поведение в редактировании.

Внедрение AI в редактирование фотографий

Наиболее яркой тенденцией в наборе данных является ускорение внедрения AI-редактирования. В январе 2025 года 41% правок на нашей платформе использовали хотя бы одну AI-функцию (удаление объектов, удаление фона, AI-расширение, генеративная заливка или AI-улучшение). К апрелю 2026 года этот показатель достиг 74%. Рост былremarkably стабильным — примерно 2 процентных пункта в месяц.

AI-рабочие процессы — сессии, где каждый шаг редактирования выполняется AI без ручных корректировок — составляют 39% всех сессий, по сравнению с 18% в начале 2025 года. Гибридные рабочие процессы, где пользователи комбинируют AI-инструменты с ручными корректировками (кадрирование, поворот, ручные кистевые коррекции), составляют 35%. Полностью ручное редактирование сократилось с 23% до 12% сессий. Оставшиеся 14% — это сессии, где пользователи открывают редактор, но не завершают правку.

Важно отметить, что самые высокие оценки удовлетворенности пользователей приходятся на гибридные рабочие процессы (4,4 из 5), немного опережая AI-рабочие процессы (4,3 из 5) и значительно опережая полностью ручные рабочие процессы (3,7 из 5). Это говорит о том, что сочетание AI-автоматизации с человеческим judgment в настоящее время дает наилучшие воспринимаемые результаты. Пользователи, которые берут AI-результат и затем дорабатывают его вручную, сообщают о наибольшей уверенности в своем результате.

Отраслевой разрез

Не все правки фотографий являются личными. Значительная и растущая доля активности по редактированию на нашей платформе приходится на профессиональные и коммерческие сценарии использования. Мы определили отраслевые категории на основе комбинации самостоятельно указанных типов аккаунтов (для бизнес-аккаунтов), паттернов правок и сигналов содержания изображений. Категоризация является приблизительной, и некоторое пересечение существует, в основном между социальными сетями и другими категориями.

Product-фотография для электронной коммерции является крупнейшим отраслевым сегментом — 31% всех правок. Это включает продавцов на Amazon, Shopify, Etsy, eBay и других маркетплейсах, которым нужны чистые изображения товаров с белым или прозрачным фоном. Типичный пользователь из сферы электронной коммерции выполняет удаление фона и правки улучшения, обрабатывая в среднем 4,7 изображения за сессию, что значительно выше общеплатформенного среднего показателя 1,9.

Фотография недвижимости составляет 16% правок. Агенты и управляющие недвижимостью используют удаление объектов для очистки интерьерных и экстерьерных снимков, AI-расширение для демонстрации более широких видов комнат и улучшение для повышения освещенности в темных помещениях. Создание контента для социальных сетей представляет 14% правок с самым быстрым временем сессий и самой высокой долей мобильного использования среди профессиональных категорий. Личное использование (некоммерческое редактирование личных фотографий) составляет 22% всех правок. Оставшиеся 17% распределены между маркетинговыми агентствами (7%), образованием (4%), журналистикой и медиа (3%) и другими профессиональными категориями (3%).

Улучшения качества и метрики удовлетворенности

Измерение качества правок фотографий в масштабе по своей сути сложно, поскольку качество субъективно и зависит от контекста. Мы используем три прокси-метрики: оценки удовлетворенности пользователей (собираемые через опциональные послесессионные опросы), показатели повторных правок (процент правок, где пользователи отменяют или переделывают AI-результат) и показатели экспорта (процент сессий, завершающихся сохранением или публикацией отредактированного изображения).

По всем типам правок средняя оценка удовлетворенности составляет 4,2 из 5, что выше показателя 3,8 в Q1 2025. Улучшение обусловлено в первую очередь лучшей производительностью AI-моделей, а не изменениями в ожиданиях пользователей. Удаление фона показывает самую высокую удовлетворенность — 4,5 из 5, что отражает зрелость моделей сегментации, которые теперь с высокой надежностью обрабатывают волосы, шерсть, прозрачные объекты и сложные края. Удовлетворенность удалением объектов составляет в среднем 4,3 из 5, причем оценки варьируются в зависимости от сложности объекта: простые объекты (знаки, провода, мелкий мусор) получают 4,6, а сложные объекты (люди на загруженных сценах, частично перекрытые предметы) — 3,9.

Показатели повторных правок снизились с 28% в начале 2025 года до 17% в Q1 2026. Более низкий показатель повторных правок указывает на то, что пользователи чаще удовлетворены первым AI-результатом. Показатели экспорта соответственно выросли с 71% до 83%, что означает, что больше сессий редактирования теперь завершаются сохранением результата, а не отказом от правок. Сочетание более низких показателей повторных правок и более высоких показателей экспорта предполагает реальное улучшение качества результатов, а не просто привыкание пользователей.

Бенчмарки скорости

Скорость обработки напрямую влияет на пользовательский опыт и пропускную способность рабочих процессов. Мы измерили медианное время обработки (от момента, когда пользователь запускает правку, до момента отображения результата) по типам правок и платформам. Все значения отражают серверную обработку плюс сетевую задержку для правок, обрабатываемых в облаке.

AI-удаление объектов теперь выполняется за медианное время 1,8 секунды, по сравнению с 4,7 секунды в Q1 2025 — улучшение на 62%. Удаление фона является самой быстрой AI-операцией с медианой 1,2 секунды, благодаря высокооптимизированным моделям сегментации, которые совершенствовались на протяжении нескольких поколений. Правки улучшения выполняются за медианное время 0,8 секунды, так как многие операции улучшения могут выполняться легковесными моделями или традиционными алгоритмами, ускоренными GPU.

Операции AI-расширения и креативной заливки являются самыми медленными — 3,4 секунды и 4,1 секунды медиана соответственно, что отражает вычислительные затраты на генерацию нового контента изображения с нуля. Эти значения все еще находятся в пределах порога, который пользователи воспринимают как быстрый (исследования consistently показывают, что пользователи воспринимают операции до 5 секунд как быстрые, а операции свыше 10 секунд — как медленные для креативных рабочих процессов).

Различия между платформами существенны. Веб-правки в среднем примерно на 15% быстрее мобильных правок для той же операции, в первую очередь из-за более стабильных высокоскоростных соединений. Правки на iOS в среднем примерно на 8% быстрее правок на Android, что отражает различия в сетевой инфраструктуре пользовательской базы iOS и немного более consistent профили производительности устройств среди iOS-устройств.

Будущие перспективы: тенденции на 2027 год

Основываясь на траектории, видимой в наших данных, и более широких отраслевых разработках, мы выделяем пять тенденций, которые, вероятно, будут определять редактирование фотографий в 2027 году.

Во-первых, AI-обработка на устройстве значительно расширится. Apple, Google и Qualcomm инвестируют в нейронные процессоры (NPU), способные запускать модели на основе диффузии локально. Наши данные показывают, что 6% AI-правок на поддерживаемых устройствах уже обрабатываются на устройстве для простых операций. Мы прогнозируем, что этот показатель достигнет 15–20% к концу 2027 года, что обусловлено предпочтениями в пользу конфиденциальности и устранением сетевой задержки для распространенных правок.

Во-вторых, редактирование видео сольется с редактированием фотографий. Наши внутренние планы и публичные объявления от Adobe, Canva и других указывают на AI-инструменты, которые обрабатывают видеокадры с той же легкостью, что и неподвижные изображения. Удаление объектов из видео, замена фона в видео и AI-улучшение видео — все это находится в активной разработке по всей отрасли. Ожидания пользователей, сформированные мгновенным редактированием фотографий, перейдут на видео.

В-третьих, AI-редактирование станет незаметным. По мере того как AI-обработка становится стандартом (уже 74% в наших данных), различие между AI-редактированием и редактированием исчезнет. Пользователи будут ожидать интеллектуального поведения от каждого инструмента, не задумываясь о том, задействован ли AI. Это имеет implications для дизайна продуктов: ярлык AI перейдет из фичи в фоновое допущение.

В-четвертых, пакетная обработка и автоматизация рабочих процессов будут расти. Наши данные показывают, что пакетные операции составляют всего 2,2% сессий, но эти сессии обрабатывают непропорционально больше изображений. По мере роста сценариев использования в электронной коммерции и маркетинге мы ожидаем роста спроса на автоматизированные конвейеры, которые обрабатывают сотни или тысячи изображений по единому набору правил. API-редактирование будет расти вместе с ручным использованием инструментов.

В-пятых, ожидания в отношении качества будут продолжать расти. Каждое улучшение качества AI-моделей повышает ожидания пользователей. Средний показатель удовлетворенности 4,2 в 2026 году отражает более высокое абсолютное качество, чем показатель 3,8 в 2025 году. Пользователи не просто стали более требовательными — они сравнивают с более высоким базовым уровнем. Поддержание удовлетворенности требует постоянного улучшения моделей, а не просто сохранения текущего уровня качества.

Методология

Этот отчет основан на анонимизированных агрегированных данных телеметрии производственных систем Magic Eraser. Набор данных охватывает 10 247 381 завершенную сессию редактирования в период с 1 января 2026 года по 30 апреля 2026 года. Завершенная сессия определяется как сессия, в которой пользователь вызвал хотя бы один инструмент редактирования, независимо от того, экспортировал ли он результат.

Все данные были анонимизированы перед анализом. Ни одно отдельное изображение не просматривалось и не сохранялось для этого отчета. Никакая личная информация (имена, адреса электронной почты, IP-адреса) не была включена в набор данных для анализа. Информация об устройствах и платформах была агрегирована до уровня семейства моделей и операционной системы. Географические данные были агрегированы до уровня страны с использованием GeoIP-маппинга, применяемого во время логирования сессий, причем данные GeoIP были отброшены перед анализом.

Отраслевая категоризация была получена из трех сигналов: самостоятельно указанный тип аккаунта для бизнес-аккаунтов (доступен примерно для 23% сессий), кластеризация паттернов правок с использованием k-means на векторах признаков использования инструментов, продолжительности сессий, количества изображений и формата экспорта, а также ручная проверка стратифицированной случайной выборки из 5 000 записей анонимизированных метаданных сессий для валидации. К отраслевым меткам следует относиться как к приблизительным оценкам, а не точным измерениям.

Оценки удовлетворенности собираются с помощью опционального послесессионного опроса в одно касание, предлагаемого случайной 15% выборке сессий. Доля ответивших среди тех, кому был предложен опрос, составляет 34%, что дает около 520 000 точек данных об удовлетворенности. Мы применили обратное взвешивание склонности для корректировки систематической ошибки ответов (пользователи, выполняющие высококачественные правки, с большей вероятностью отвечают). Показатели повторных правок и экспорта измеряются на основе телеметрии для всех сессий и не основываются на опросах.

Бенчмарки скорости представляют медианное время обработки и 95-й перцентиль, измеренные на стороне сервера от получения запроса до отправки ответа, плюс оценочная сетевая задержка на стороне клиента на основе данных о производительности региональных сетей. Фактическое время, воспринимаемое пользователем, может варьироваться в зависимости от скорости рендеринга устройства и локальных сетевых условий.

Это первое издание этого отчета. Мы планируем публиковать обновления раз в полгода. Обратная связь по методологии и охвату может быть направлена по адресу research@magiceraser.io.