局部重繪 (Inpainting)
局部重繪(Inpainting)是一種 AI 影像編輯技術,透過遮罩圈選特定區域並搭配提示詞,讓模型在配合原圖光影與透視下替換、消除或修補畫面細節。
局部重繪(Inpainting)是一種透過人工智慧針對畫面特定區域進行修改、修復或替換的影像編輯技術。在操作時,使用者只需像拿畫筆般在圖片上塗抹出想要更動的範圍(即遮罩),並輸入相應的文字提示詞,AI 模型便會自動辨識周圍的環境光影、透視角度與材質紋理,運算出天衣無縫的新圖像填補進去。
以往想要修掉觀光景點照片中的路人,或是修正人像生成時手指變形的問題,都需要依賴修圖軟體的仿製印章工具慢慢修飾。有了局部重繪技術,影像創作者與一般使用者都能在保留原有構圖的前提下,精準調整任何微小細節。
局部重繪的運作原理
局部重繪的核心在於擴散模型的條件生成能力。當使用者劃定遮罩範圍後,系統會將未選取的區域鎖定為參考基準,僅對被遮罩覆蓋的像素注入隨機雜訊,隨後在降噪過程中依據提示詞與周邊像素重新解碼。這個過程中,AI 會主動分析周遭的光線方向、陰影落點以及鏡頭景深,確保新生成的物件不會產生剪貼般的漂浮感或光影矛盾。
在地生活與商業應用實例
局部重繪在台灣在地生活與小型商業運營中極具實用價值,常見場景包括:
- 在地電商與服飾網拍:服飾賣家在棚拍展示新品時,不必為了更換不同顏色的上衣或鞋款而重新租棚拍攝,只需圈選服裝區域,即可讓模特兒換上同款不同色的當季新品。
- 觀光打卡照修飾:在假日造訪九份老街或淡水漁人碼頭時,拍下的風景照背景難免充斥著其他旅客。透過局部重繪,圈選路人後提示背景為石階或紅磚牆,就能還原乾淨的構圖。
- 餐飲小吃菜單設計:台南甜點店或小吃攤拍攝餐點情境照時,若木質桌面上不小心拍到了點餐單、鑰匙或餐具反光瑕疵,使用局部重繪即可在幾秒內以自然桌面木紋取代雜物。
掌握局部重繪的三大實戰技巧
- 遮罩邊緣適度外擴:圈選目標時,不要剛好貼合輪廓,稍微向外多塗抹一些邊緣。給予 AI 更多目標邊界與原圖背景交界的過渡資訊,能有效避免生成後留下明顯的接縫切割線。
- 提示詞專注於局部內容:許多初學者的常見盲點是將整張圖的描述再次輸入。在局部重繪時,提示詞應聚焦於「這個框框內該放什麼」,若只是想抹除物件,直接描寫該處原有的背景材質效果最佳。
- 靈活調整重繪幅度參數:重繪幅度(Denoising Strength)決定了 AI 大幅顛覆或微調原圖的自由度。修復臉部細節通常設在較低區間以維持辨識度;若是要把一般背包徹底替換成手提皮包,則需要調高數值以產生新造型。
與外繪(Outpainting)的差別
與局部重繪常常並存的另一項技術是外繪(Outpainting)。局部重繪專注於處理畫框「內部」的內容修正與替換;而外繪則是將畫布向邊界「外部」延伸,讓 AI 憑空推演鏡頭外的天空、地面或房間全貌。兩者相輔相成,構成了現代生成式修圖的核心架構。
在 Midjourney、FLUX、Ideogram、GPT Image 與 ComfyUI 的設定方式,附前後對比圖: 參數字典中的 局部重繪 (Inpainting)
常見問題
為什麼我使用 Inpainting 消除路人時,反而生成了另一個奇怪的人?
這通常是因為提示詞依然保留了全圖的人物描述,或者重繪幅度設得太高。消除路人時,提示詞應只描述該區域原本的背景環境(例如空無一人的石子路、磚牆),引導模型以背景素材進行填補。
局部重繪產生的邊界有明顯切痕該如何處理?
可以調整軟體中的「遮罩羽化(Mask Blur)」設定,讓選取邊界呈現柔和漸層;同時擴大遮罩範圍,讓 AI 擁有足夠的周邊像素作為銜接過渡的參考依據。
局部重繪可以修復 AI 生成圖像中常見的手指錯誤嗎?
可以,修復肢體細節是局部重繪最經典的用途之一。只需單獨遮罩變形的手部,將重繪幅度設在中等範圍,並於提示詞詳細描述正確的手勢姿態,多次嘗試即可取得自然結果。
