修图AI算法：三个算法看懂修图软件的原理

上一篇原理课（卷积修图原理）讲的是"地基"——卷积神经网络怎么扫图像。这篇讲"楼上"的三套房：扩散模型、语义分割、超分辨率。你每天用的消除、美颜、放大，分别住在这三套房里。照旧说人话。

扩散模型：从噪点里显影

扩散模型的工作方式像"倒放的显影"：它学会了把随机噪点一步步"清理"成清晰图像——消除路人时，AI先把那块区域打回噪点，再按周围环境把它"显影"成合理内容。

这个"显影"的比喻可以再具体点。训练的时候，模型看了海量的"照片变成噪点"的过程（一点点加噪声直到全是雪花点）；用的时候反过来——从一团噪点出发，一步步"去噪"，走出一张合理的图。你圈住路人点消除，实际发生的是：那块区域被清空成噪点，然后模型按周围的环境（墙面、地面、光线）显影出"这里最可能是什么"。这也解释了两个日常现象：为什么消除的填补内容"似真而非真"（它是概率的猜测不是记忆的还原）、为什么周围环境越规律显影越准（参照物清晰，猜测就有依据）。指令技巧里说"背景简单消除稳"，原理就在这。

语义分割：给像素贴标签

语义分割是AI的"贴标签"能力：把画面的每个像素归入类别——这是皮肤、这是头发、这是天空、这是路人。人像美颜能"只磨皮不磨头发"、消除能"只删人不删栏杆"，背后都是这个标签系统在划边界。

失灵的共同规律值得记住：分割在"边界清晰、互不重叠"的区域很准，在"细密交织"的区域（发丝、人贴人、树枝后露天空）会混乱——标签在这类区域是摇摆的，AI一会儿判成A一会儿判成B。明白了这个，我就搞懂了为什么消除游客时"人贴人"必翻车：重叠区的像素标签本身就是乱的，AI根本分不清该删谁留谁（这段是我自己踩坑后的顿悟，写进修AI图那篇的翻车分析里）。人贴人的对策不是硬消，是构图规避或换角度重拍。语义分割的技术脉络，语义分割条目有学术版的梳理。

超分辨率：见过世面的猜测

超分辨率的本质是"有依据的猜测"：放大一张图时，缺失的细节由模型按"见过的大量高清样本"推算补齐——所以人脸的放大效果好（样本海量）、文字的放大效果差（笔画组合的可能性太多，猜不准）。

"见过世面"这个定语是关键。模型训练时"阅图无数"，对"眼睛该长什么样"有极其充分的统计认知（虹膜的纹理、睫毛的走向、高光的形状），所以放大人像时它猜得八九不离十；但对一串车牌号、一段小字，它没有"该是什么"的先验——文本的可能性空间太大，猜测就频繁出错（放大后似是而非的乱码是标志性产物）。这个原理直接指导用法：放大人脸风景放心用（放大教程的实测数据支持），放大文字慎用（扫描件里文字修复要逐字核对）。两倍放大基本可信、四倍开始"过度平滑"（猜的成分太重，细节开始糊），这也是实测反复验证的边界。扩散模型的技术背景，扩散模型条目有完整脉络。

懂算法之后的三个实操红利

红利一：抽风会归因了（消除翻车想分割、生成离谱想扩散、放大失真想超分——知道怪谁就知道怎么绕）。红利二：指令会写了（给扩散模型的描述要具体、给分割系统的边界要清晰）。红利三：预期会管理了（猜测型能力的上限是"大概率对"，永远留人工检查位）。

三个红利的日常应用。归因的例子：AI消除把你不要的路人消了一半——这不是工具坏了，是分割标签在重叠区摇摆（换个说法：先构图避开再拍，或小笔刷分次消）。指令的例子：生成填充写"草地"不如写"修剪过的草坪，光线从左侧来"——扩散模型显影时参照的约束越多，显影越准（指令语法的四要素本质就是给算法喂约束）。预期的例子：任何"猜测型"输出（消除的填补、放大的细节、生成的文字）都过一遍人工检查——这不是不信任AI，是理解了它的概率本质之后的合理流程。据艾媒咨询的AIGC用户调研，理解AI能力边界的用户对工具的满意度显著更高——懂原理的人不神化也不矮化它。想再进一层的：节点式工作流（ComfyUI入门）能让你亲手串这些算法。

常见问题

AI消除的填补内容是真实的吗？

是"显影"出来的猜测：按周围环境推算的最可能内容。规律背景猜得准、复杂背景猜不准——所以它"似真"但不是"记录"。

为什么人贴人时消除总翻车？

语义分割的标签在重叠区是摇摆的：AI分不清哪块像素属于谁。对策是源头规避（构图避开）或小范围多次消。

放大照片为什么人脸越放越清楚文字越放越乱？

超分辨率靠"见过的样本"猜细节：人脸样本海量猜得准，文字组合太多猜不准。放大文字务必逐字核对。

懂这些算法对日常修图有什么用？

三个红利：抽风会归因（知道怪谁怎么绕）、指令会写（给算法喂对约束）、预期会管（猜测型输出留人工检查位）。

算法不是黑盒是方法——扩散负责猜、分割负责认、超分负责补，三个都懂了，你和修图AI就是同事关系而不只是用户关系。觉得这篇有用的话，转发给爱刨根问底的朋友吧，原理课第二讲交卷。