作品集 → AI 圖像
決定什麼才叫「對」
「畫得好看一點」是任何模型都沒辦法照著做的要求。六輪本機實驗，把它變成一份書面規格，精確到最後的成品圖第一次就畫對了。
這兩張完成圖，是雲端的頂尖圖像模型畫的。本機實驗產出的是規格：交給模型的確切用字、比例、材質和要避開的失敗情況，以及背後的量測數據。
六輪實驗，每輪只改一個變數
| # | 問題 | 結果 | 寫進規格 |
|---|---|---|---|
| 1 | 「denoise」設多少，原圖還保得住？ | 看圖而定：繪畫感的圖 0.45，平塗的圖 0.60 | 每張圖各自量，不照抄教學裡的數字 |
| 2 | 編輯模型能從另一張圖借一張臉嗎？ | 連那張圖的表情和光線也一起借過來 | 角色特徵用文字描述，不用借的 |
| 3 | 只改顏色時，附一張配色參考圖有幫助嗎？ | 沒有。而且錯的和對的結果，分數是 0.958 對 0.965 | 相似度看不出這種錯，配色檢查看得出來 |
| 4 | 用編輯能把 Q 版改成成人比例嗎？ | 停在六頭身；再加強，角色就走樣 | 改比例要重新生成，不是用編輯 |
| 5 | 寫「15／20／25 歲」有用嗎？ | 20 和 25 歲畫出來一樣；寫「成熟」只會多上妝 | 改寫結構：頭身比、下顎、眼睛大小 |
| 6 | 換新一代的基礎模型，比例問題能解決嗎？ | 可以，第一次就對，12–24 秒；但只給參考圖還是會失敗 | 以文字描述為主，參考圖只當輔助 |
看每一輪的完整結果
第 1 輪。用 SSIM 量：繪畫感的圖，denoise 到 0.45 畫面就開始變；平塗的圖撐得到 0.60。光是經過編碼器一次，相似度上限就只有 0.98–0.996。
第 2 輪。要編輯模型「用另一張圖裡的這張臉」，它會把那張圖的表情和光線一起帶過來；快速的 8 步版本則會漂回同一張預設的臉。
第 3 輪。只用文字時，其他部分都保持原樣；附上配色參考圖，反而把參考圖裡那個角色的髮色和辮子拖進畫面。而錯的結果 SSIM 是 0.958，對的是 0.965。
第 4 輪。角色特徵和服裝完全保住，但身體停在大約六頭身。再加強（換完整版模型、調高 guidance），身體終於變了，角色卻也走樣：髮色變了，背心裙變成窄裙，線條變成歐美畫風。
第 5 輪。15 歲分得很清楚；20 和 25 歲畫出來幾乎一樣。要求「成熟」只會多上妝。
第 6 輪。新一代的基礎模型第一次就畫出正確的成人比例，每張 12–24 秒。但只給參考圖，還是有三種失敗：完全被忽略、變成三視圖，或衣服被換掉。
分成四塊，一次只改一塊
角色特徵：精確
每個決定這個角色的元素都寫出來：髮型和髮帶、眼睛顏色，每件衣服的剪裁、顏色和細節。寫得含糊的地方，下一次就會被重新畫過。
比例：寫結構
七到七頭半身；頭小、腿長、腰線明顯；成人的下顎線，眼睛是自然大小。不是 Q 版，也不是時裝插畫那種拉長的比例。
姿勢：一句話
放鬆的四分之三側身站姿，重心放在一隻腳，一手扶著頭髮。換姿勢時，其他部分一字不改。
質感：像畫出來的
乾淨的線稿、有繪畫感的陰影、沒有塑膠般的光澤、布料依材質畫出不同質感、細緻的手、柔和的棚拍光，全身入鏡。
刻意不寫的，因為實驗證明沒有幫助：堆疊品質標籤、一長串負面提示詞、改顏色時附風格參考圖，以及單獨一個「成熟」。
看不出錯的分數，和看得出錯的那一個
- 拿掉：用相似度分數（SSIM）當關卡。顏色錯的結果，它給 0.958；對的結果給 0.965
- 留下：配色檢查。同一個角色和不同角色的距離，差了三倍
- 最後的成品圖交給當時能用的最強雲端圖像模型。能帶到別的工作上的，是規格和驗收標準：知道要求什麼，也知道怎麼判斷有沒有拿到
- 下一步：她們會是我下一支影片的主角
已有的、量過的、不宣稱的
已完成
- 分成四塊的角色規格，換姿勢也能畫出同一個角色
- 自動標出設計偏移的配色檢查
- 六輪有紀錄的實驗，每輪一個變數，附參數和結論
已量測
- 不同類型圖片的 denoise 門檻（繪畫感的圖 0.45，平塗的圖 0.60）
- 編碼器的相似度上限：0.98–0.996
- 配色距離：同一個角色 3.8–6.6，不同角色 19.0–20.3
不宣稱
- 最後的完成圖不是在本機畫的
- 畫面複雜的場景圖，配色檢查用不上
- 沒有公開的 repo，程式不公開