什么是 AI 局部重绘？原理、用途与限制

AI 图像修复是填充或替换图像定义部分内的像素的过程。用户、应用程序或模型提供一个掩码，上面写着“该区域可能会发生变化”。然后，系统使用该蒙版周围的可见上下文来生成适合场景的结果。一些编辑还接受文本指令，例如“继续走石头路”或“用陶瓷花瓶替换瓶子”。

掩模是集中修复和无限制图像生成之间的主要区别。您不必要求一张全新的照片，而是保留一张现有照片并隔离一个本地任务。所选区域之外的所有内容都应保持稳定，这使得结果更容易比较和批准。

人工智能修复的工作原理

1. 源图像提供了上下文。 可见的纹理、颜色、光照、透视、边缘和附近的物体有助于模型理解场景。
2. 掩码定义权限。 白色或选定的像素通常描述模型可以重建的区域；应保留未选定的像素。
3. 指令澄清了意图。 空的或以删除为中心的指令要求后台继续。替换指令要求仍然适合本地场景的新对象。
4. 该模型预测了合理的填充。 它合成所选区域的结构和纹理，而不是暴露隐藏的原始像素。
5. 编辑器合成并审查输出。 受控的工作流程可以保护未选择的像素，并让用户在下载之前比较确切的边界。

现代方法不仅仅是复制最接近的颜色。对上下文注意力的研究表明，模型如何利用图像中其他地方的相关特征，而后来的大掩模修复工作则侧重于图像范围的上下文和困难的重复结构。实践教训很简单：有用的上下文可能超出了掩模的直接边缘，但模型仍然做出预测而不是事实恢复。

AI修复的用途是什么

• 物体和人物移除： 用可见背景的延续替换选定的干扰。
• 损坏修复： 通过划痕、折痕或小缺失补丁继续色调、纹理、材料和边缘。
• 文本清理： 从您拥有或可能编辑的图像中删除嵌入的标题、日期戳或临时标签。
• 本地替换： 交换一个选定的对象，同时保留构图的其余部分。
• 创意迭代： 测试局部材质、颜色或细节，无需重新生成完整图像。

正确的登陆页面取决于工作。使用 物体移除器 为了分散注意力， 损坏的照片修复工具 对于划痕和折痕，或者 文本删除器 对于已经合并到图像像素中的单词。

人工智能修复无法保证什么

修复模型无法知道被完全覆盖的确切对象、面孔、措辞或背景。生成的砖墙可能看起来令人信服，但与停放的汽车后面的建筑物不匹配。修复后的家庭照片可能会自然地延续受损的涂层，而不会恢复原始照片中精确的螺纹图案。

面孔、标志、文字、证据、产品细节、直接的架构和重复的图案都需要最仔细的审查。保留未动过的原件，使用最小的实用遮罩，并在 100% 缩放和最终显示尺寸下判断结果。如果准确性比外观更重要，请获取另一个源图像或使用专业的修复工作流程。

研究背景和主要来源

该领域包括传统的扩散和基于补丁的方法以及学习的卷积和生成模型。对于技术读者，计算机视觉基金会托管以下领域的主要论文： 具有上下文注意力的生成图像修复 和 LaMa：使用傅立叶卷积进行分辨率鲁棒的大型掩模修复。这些论文解释了为什么遥远的背景和大的感受野对于合理的结构和纹理很重要。

工具行为仍然取决于其实现、模型、输入大小、掩码策略和合成保护措施。比较实际结果，而不是将型号名称视为质量保证。我们的 AI修复工具对比 列出了选择编辑器之前重要的工作流程检查。