過往的 AI 影像模型在處理「圖生圖」時,實質上是將整張圖片轉譯成某種抽象特徵後「重新繪製」,模型很難精準區分哪些是「需要保留的人臉幾何結構」,哪些是「可以替換的背景與服飾」,因此容易連同五官細節一起重新演算法重塑。這次技術突破的核心差異在於:
- 語義分割與特徵鎖定升級:新模型具備更強大的視覺理解能力,能精確把「人臉五官」、「頭髮質感」、「衣服剪裁」劃分為獨立的語義區塊。
- 深度保持視覺特徵:在進行局部修改時,模型會強制鎖定未被指定的區塊特徵點,僅針對特定標籤(如上衣)進行擴散生成,從而保留原本的眼神、嘴角輪廓與姿勢。
這項升級讓 AI 擺脫了過往「改個帽子就換了張臉」的尷尬,大幅提升了圖像在系列創作與商業素材上的實用價值。