AI生成的人像为什么”太完美”?皮肤与毛孔的频率缺口
AI
人像有个很容易说清却很难修的毛病:五官挑不出错,皮肤却像打了蜡——没有毛孔、没有细纹、没有那点不匀的油光,一眼就能看出是生成的。有人归因为”磨皮开太大”,于是去调锐化,结果只是把塑料感磨得更亮。
真正的差别不在”锐不锐”,而在图像的高频成分缺了一整段。把画面拆成频率来看,这个现象就完全可解释了,也就能对症下药。
第一步:一张脸由不同频率叠出来
用信号处理的角度看,人像可以粗略分三层:
- 低频:脸型、明暗结构、大块肤色,决定”像不像这个人”;
- 中频:五官边缘、发丝走向、法令纹、腮红过渡;
- 高频:毛孔、皮屑、汗毛、细纹,以及相机本身的传感器噪点与胶片颗粒。
真实照片里,高频层是连续存在的,哪怕肉眼不刻意看,它也提供了”这是拍出来的”的质地线索。生成模型最擅长低频(结构准确),中频尚可,高频最容易被抹平——于是结构对、边缘干净、皮肤却像一层均匀涂层。
第二步:扩散模型的每一步都在”往干净里走”
扩散生成是从噪声出发,一步步预测并去掉噪声,逐渐收敛到一张图。问题在于:高频细节和噪声在数值上长得很像。去噪网络很难区分”该保留的毛孔”和”该去掉的随机颗粒”,倾向于两者一起压掉,输出一个更平滑、更符合训练分布均值的结果。
再叠加两个机制:
- 潜空间压缩:主流模型不在像素空间直接生成,而是先用
VAE 把图压到 1/8 分辨率的潜空间(512×512 的图对应 64×64
的潜变量),一个潜变量要代表 8×8 个像素。VAE
重建天然偏向保低频,细到亚像素级的皮肤纹理在这一步就被牺牲了; - CFG 偏高:引导系数越大(常见 7 以上,尤其
10~15),画面越贴合提示词、色彩越饱和,同时对比度被拉高、纹理被”熨平”,塑料感更明显。
所以”太完美”不是审美问题,是几层机制叠加后的系统性结果。
第三步:训练语料本身就是”精修过的脸”
生成模型学到的是数据分布。人像类训练图里,商业摄影、修图后的人像、美妆广告占比很高,这些图本来就做过磨皮与频率平滑。更关键的是偏好对齐环节:人工打分普遍更偏好干净、均匀、无瑕疵的皮肤,模型在
RLHF / DPO 之类的偏好优化后,会进一步往”无瑕”方向收敛。
结果就是:模型不只是”不会画毛孔”,而是被奖励去不画毛孔。这一点决定了单靠提示词写
“skin pores, realistic texture”
往往收效有限——它在和整个偏好方向对抗。
第四步:后期环节会再抹一次
即使生成阶段保留了部分高频,常见的后续操作还会继续削减:
- 面部修复 / 人脸增强插件: fidelity
权重设高了会强力平滑,适合修崩坏脸,不适合保留肤质; - 整体超分:放大模型的对抗损失容易把皮肤补成均匀的”细腻”层;
- 局部重绘与二次降噪:denoise
强度越高,重绘区域和原图的频率越不一致,拼接处尤其明显。
可操作的结论
对症的思路是分层补高频,而不是全局加锐化:
- 生成阶段留余地:CFG 降到 5~7,采样步数
25~35,别用过高的引导去”逼”细节;提示词里加 film grain、35mm、natural
skin texture、subsurface scattering 这类指向真实质地的词,同时把 “smooth
skin, airbrushed, plastic” 放进负向。 - 放大后做局部高频回填:用局部重绘只作用于皮肤区域,denoise
控制在
0.3~0.45,让毛孔层重新长出来;眼睛、嘴唇、发丝单独处理,避免全脸同强度。 - 面部修复调低保真权重:fidelity / identity
权重往中间值靠(如 0.5
附近),优先保五官一致,别让它顺手把皮肤也磨一遍。 - 后期补一层真实噪点:在合成末尾加极轻的单色颗粒(强度约
2%~5%,颗粒半径
0.5~1px)或轻微胶片颗粒,让皮肤和背景处在同一噪声分布里。这一步对”一眼假”的改善常常最立竿见影,因为真实相机噪声是全画面一致的,而
AI 图的皮肤往往”太干净”。 - 别用全局 USM
锐化:锐化放大的是已有的边缘,补不出不存在的毛孔,反而会产生白边和光晕。 - 验收用 100% 放大 + 灰度检查:把图放大到 1:1
看颧骨、鼻翼、额头的纹理是否连续;再转灰度看高光过渡——真实皮肤的高光是渐变的、带微小斑驳的,涂层式高光则是一片光滑的亮带。
一句话收束:“太完美”是高频层被系统性抹平的结果,而抹平发生在去噪、潜空间压缩、语料偏好和后期四道环节上。修法是分层、局部、低强度地把质地加回来,并让噪点在全画面保持一致。
在 AIGC广告
的人物镜头交付里,肤质通常单列一项验收:生成、放大、修复各留一个可回退的图层,最后统一补颗粒,避免某一环节把高频一次磨光。选
AIGC制作公司 时也可以直接看 1:1
截图的鼻翼和额头细节——能把这层质地讲清楚的团队,往往也真的把整条后期链路跑顺了。