AI修图逻辑和人不一样：一个程序员的观察笔记

程序拆一张图的顺序：先识别，再切割，最后才谈美化

AI修图的第一步是分割识别：把照片切成天空、人脸、植被、建筑、水面、主体这几类区域蒙版，后面所有调整项都挂在这些蒙版上执行，不存在整体一步到位。你看到的「一键增强」，底层是几十次带蒙版的小改动按序叠加。

我把其中一款工具的开发者预览打开过。一张普通的城市街拍，0.4秒左右出完整蒙版，画面被划成六类区域，每块还带置信度：天空0.93，人脸0.88，路边的树0.79，远处一栋楼0.64。这个数字很关键——低于某个阈值（我猜在0.6附近）的区域，它直接放弃处理，保持原样。

写代码的人一眼就能认出这个套路。像编译器：先报语法错，再报警告，最后才管你代码写得丑不丑。AI修图也是，识别没通过的像素，美化阶段根本碰不到。

还有个细节我挺在意：同一张照片我跑了三遍，蒙版一模一样，置信度小数点后两位都没变。它没有状态，没有今天心情差这一说。人修图不是，同一张图你早上的版本和半夜两点的版本能差出一个档次。这算AI的优势，也算它没劲儿的地方——它永远不会给你惊喜，也永远不欠你一个解释。

人呢？完全是反的。你把照片发给任何一个修过图的朋友，他第一眼看的是脸，第二眼看的是曝光，天空大概排第五六位。修图师的活儿从主体开始往外扩散，AI的活儿从最容易识别的区域开始铺开。两个顺序出发点不同：一个在乎「观众看哪」，一个在乎「我算得准哪」。

说实话，我一开始以为识别和修图是同一件事。后来看了处理日志才发现是分开的两个模型，前一个输出蒙版，后一个拿着蒙版调参数。中间那次交接，就是全部「理解」发生的地方——也是全部误判发生的地方。

为什么它总先动天空？

因为天空是它认得最准、改起来最安全、回报又最大的区域：分割数据最充足，天空没有细节可毁，而换掉天色一张照片的情绪立刻就变。性价比全图最高，自然排第一个动手。

拆开讲。第一，天空的边界相对干净，一条地平线而已，分割模型训练数据里天空样本又多到泛滥，识别置信度常年0.9以上。第二，天空基本是纯色渐变，改它不会出现「把人皮肤修穿帮」这种事故，改错了顶多假，不会残。第三，也是营销上的小心机——天色一换，整张图观感变化最大，用户打开导出键的概率就高。前两条是算法原因，第三条是产品原因，两个原因叠一起，天空永远排队列第一个。

翻车也翻在同一个地方。我有张洱海的照片，湖面占了画面一半，那工具把湖面认成了天空，置信度0.91。天空增强一开，湖跟着一起变蓝，蓝得发假。我又试了张阴天的城中村，天空强度滑块拉到70，画面顶上那排电线直接被「天光」洗掉了一半——它根本没把电线当独立物体，只当天空上的噪声抹了。

我后来学乖了：天空强度压到30以下，电线基本保得住；过了50，就得手动把天空那块归零重来。这个阈值是我拿八张照片试出来的，不同软件不一样，你自己试的时候记得从低往高拉，别学我第一回那样一把梭到满格。

人不会犯这种错，因为人先修脸，脸修完了有富余精力才看天。AI没有「先看哪」的直觉，它只有概率排序。你问它为什么先动天空，它答不上来，它只是在执行一串if和权重。话说回来，这也不算缺点，只是两套系统的盲区位置不同：人的盲区在背景，AI的盲区在它没建过蒙版的东西上。

如果你好奇这套「识别—分割—分区调整」的流水线在代码层面长什么样，之前写过一篇AI修图代码怎么写，正好接得上这个话题。

顺带跑个题：我后来查了下这些分割模型的训练数据，标注员一帧一帧涂天空边界，涂了几百万张。这行里最枯燥的活儿，撑起了你最常用的那个按钮。话说回来，哪个软件不是这样呢。

回到开头那句话：AI修图是从「认」开始的。认得准的区域它改得又快又狠，认不出的区域它碰都不碰——所以它先动天空，不是品味，是概率。你下次点「一键增强」之前，花三秒看看它的蒙版圈了哪儿：圈对了，放心让它跑；圈错了，手动把那个区域的强度归零，比事后救图省事得多。