图片修复 · 实用指南 · FIELD GUIDE
六类图片打码修复实测：AI 补全了什么，又改动了什么
图片变清楚，未必说明找回了被遮住的内容。我们用六个受控案例展示模型猜测补全的效果，并保留不理想结果供对照。
案例从哪里来
本次展示使用一张仓库已有的合成人像、一张 CC0 猫咪照片与一张公有领域山景照片。我们在本地人工叠加马赛克、局部高斯模糊与纯色遮挡，再把受损图片单独发送给 image2。干净参考图与精确蒙版始终只用于本地对照，没有参与模型生成。六个展示案例中，有两个使用同一合成人像的不同大小马赛克，所以不能将它们说成六个独立人物，也不能由少量样本计算通用成功率。
较小与较大的人脸马赛克
两张人脸马赛克都生成了完整、清楚的五官。较小选区周围保留更多面部轮廓，较大选区则把更多细节交给模型猜测。原始整图输出实验中，较小打码区相对干净合成真值的 MAE 下降约 17.5%，较大区域反而上升约 1.8%。这些是像素误差，既不是人的主观喜好，也不是身份相似度。网页如今展示的是矩形局部合成结果，合成范围与原实验真值蒙版不完全相同，不能把旧指标直接当作网页最终输出的质量评分。
局部模糊与眼部黑条
模糊样本生成了连贯的脸部细节，眼部黑条也被补成合理的眼睛。但生成眼睛不意味着模型知道原来的瞳色。黑条请求耗时约 378 秒，1024×1024 输入返回了 2508×2508 图片；模糊样本耗时约 100 秒，输出为 1254×1254。最终需要缩回输入图像的尺寸再合成。像素数量增加并不等于原始信息增加。本次局部高斯模糊也不是相机抖动或镜头失焦实验，不能由此对全图去模糊做效果承诺。
宠物与风景样本为什么值得保留
猫脸马赛克的原始生成图改动过大：眼睛形状、脸部花纹和未遮挡区域都发生变化。这是一个不理想但有信息量的样本。本页只把实际输出的修复矩形合回原图，让读者检查新猫脸与周围毛发是否自然衔接。山景黑块被补成岩石和阴影，看起来形成连续山脊，但岩石的具体纹理并不是对原地形的确认。对于展示性图片，合理补全可能有用；对于记录真实场景，生成细节不能替代原始照片。
为什么只替换用户选区
同一轮实验还把没有任何打码的合成人像发送给模型，提示它遇到无打码图时保持原样，结果仍被明显重绘。将输出缩回输入大小后，大约 40.4% 的像素在至少一个 RGB 通道上变化超过 8 个灰度级。因此工具要求用户框选，并在本地只复制矩形内的生成像素，选区外使用原始标准化图片。案例用 WebP 压缩以加快加载，压缩后局部像素可能轻微改变；实际下载使用 PNG。这里的区外保留承诺指本地合成，不代表模型本身能够精准遵守边界。
耗时、失败与未知信息
原实验实际调用了七类输入，包括无打码对照。其中一张马赛克首次调用等待约 446 秒后失败，单次重试约 148 秒成功。成功请求耗时约 100 至 378 秒，差异很大。小样本不能建立服务可用率、延迟分位数或每张可用图片的成本。客户端明确请求 gpt-image-2、max 质量并通过现有图片编辑代理调用，但本次没有独立验证代理后端模型身份、账单和供应商数据保留策略。准备过的文字样本没有运行，所以页面也没有把文字恢复包装成已验证能力。
如何判断自己的修复结果
先比较整张图，再放大看选区边缘、眼睛、表情、毛发、阴影与直线结构。清楚且自信的生成细节也可能不正确。如果补丁边缘像贴上去的一样，重新调整框选范围，把完整遮挡和少量过渡边缘放进去，再从原图生成新版本。不要把上一张生成脸继续喂给模型，误以为反复生成会逐步接近真实人物。对于标签、数字、身份和需要忠实记录的内容，最可靠的做法仍是获取未打码来源。保存原图，将猜测补全与真实内容分开看待。
素材与调研来源
猫咪照片来自 Wikimedia Commons，作者 RobotBlanket，许可 CC0；山景由美国鱼类及野生动物管理局署名，为美国联邦政府公有领域作品。人像是 QuietTake 既有合成素材，不指向真实人物。每个外部照片案例下方提供原始文件页和许可链接。本轮还阅读了 Adobe 关于生成式编辑选区的文档、RemoveAnything 的马赛克修复描述，以及 Fotor 的低清图片增强用途。我们没有向竞品上传测试图，也没有对其模型质量进行排名。
