简介:本文系统解析AI绘画中"局部重绘(Inpainting)"的定义与原理,重点说明为何入门级工作流普遍采用"先缩小整图再重绘"的全局缩放策略,而非"裁剪遮罩局部重绘再拼接"。通过剖析显存限制、模型分辨率认知、接缝一致性等核心成因,帮助读者理解策略背后的技术权衡、硬件要求与适用边界。
局部重绘,英文常称 Inpainting,是图像生成与编辑领域的一项基础能力:在保留原图大部分像素不变的前提下,仅对用户通过”遮罩(Mask)”指定的区域进行重新生成。用户先用遮罩涂出需要修改的部分,模型据此只改动被覆盖区域,其余部分保持原样。它的核心价值在于实现”精准编辑”——比如替换画面中的某个物体、去除多余元素、修复瑕疵或补全细节,而无需重新生成整张图片。
从技术视角看,局部重绘依托于扩散类生成模型。这类模型并非直接操作像素,而是先把图像编码进一个压缩的”潜空间(Latent Space)”,再在潜空间中完成去噪与重建。遮罩信息会同步进入这一过程,用来约束模型”哪里可以改、哪里必须保留”。理解这一”先编码、后重建”的机制,是理解后文所有策略取舍的前提。
在实际操作中,针对同一张待编辑图片,局部重绘存在两条常见的技术路线:
前者是节点式图形化AI绘画工作流工具中入门模板的默认选择,后者则在进阶或精细化场景中被广泛采用。二者并不是简单的优劣关系,而是面向不同使用人群、不同硬件条件和不同容错需求所做的权衡。这也是为什么”入门倾向全局缩小”这一结论必须放在具体约束下讨论。
入门模板之所以普遍选择全局缩放,而不是更”聪明”的局部裁剪拼接,主要有三方面原因。
扩散模型的计算量、以及中间激活值对显存的占用,基本随参与处理的像素总量增长。如果直接把一张高分辨率大图整体送入潜空间做重绘,即便是配备大显存的高端消费级显卡,也可能因为瞬时占用超出上限而报出显存不足(通常简称 OOM)并崩溃。对初学者而言,一次崩溃意味着工作流中断、进度丢失,体验极差。
全局缩小的本质,是先用一个确定、可预期的手段把参与计算的像素规模压到安全区间。它的好处是”一刀切”:不管遮罩在哪、有多大,整图都被缩到同一分辨率,显存占用因此变得可控且可预测。相比之下,局部裁剪的显存占用取决于遮罩大小,反而更难预估。
扩散模型是在特定分辨率上训练出来的。较早一代的模型普遍在约 512×512 的尺度上训练,而新一代的高分辨率模型则多在约 1024×1024 的尺度上训练。这意味着模型只在这个”熟悉”的尺度上掌握了物体该有的样子与比例。
如果不做缩放,强行让模型在一个远超其训练尺度的画布上重绘,模型会因为空间过大而”迷失”,典型表现是画面里堆叠出重复的肢体、多出的头、以及密密麻麻的诡异花纹。把整图先缩到模型熟悉的分辨率,本质上是在让重绘发生在模型”认知舒适区”内,从而降低生成崩坏的概率。这是入门模板更看重”稳定跑通”而非”绝对精细”的直接体现。
局部裁剪拼接看似只处理一小块、更省算力,但它引入了额外的工程复杂度:重绘出的小块如何与原图在接缝处平滑过渡?光照方向、色温、颗粒感是否一致?放大回原尺寸后是否出现模糊或色差?这些都可能在”贴回原图”时暴露为可见的接缝。对新手而言,处理这些拼接伪影需要额外经验和更多节点,而全局缩放把整图作为一个整体处理,天然回避了接缝问题。
需要澄清的是,”裁剪遮罩区域 → 单独重绘 → 拼回原图”这一思路不仅完全可行,而且在精细化编辑中是一项成熟且标准的做法:它计算量更小、对遮罩区域之外的画面零干扰,特别适合在小范围内做高精度修改。
它不被设为入门默认,原因不在于不可行,而在于使用门槛:
换言之,局部拼接把复杂度从”显存与模型尺度”转移到了”流程编排与边缘处理”,而入门模板的目标恰恰是尽量降低这些隐性的操作门槛。
结合上述成因,硬件需求可以概括为几个层面:
对入门用户而言,一个务实的建议是:先用全局缩放把流程跑通、建立信心,再逐步尝试局部裁剪拼接以提升精细度。
回到定义本身:局部重绘是”保留原图、只改遮罩区域”的精准编辑能力,其核心在于遮罩约束与潜空间重绘的配合。入门工作流偏好”全局缩小”,并非因为局部裁剪拼接不行,而是因为在显存安全、模型分辨率认知和拼接一致性这三重约束下,全局缩放提供了最稳定、最可预期、对新手最友好的路径。理解了这层权衡,读者就能根据自身硬件与精细度需求,在”稳妥跑通”与”精细编辑”之间做出合理选择,而这也是从入门走向进阶的关键一步。