AI 消除到底做了什麼？圖像修補原理一次看懂
MagicRemover 團隊 · 2026年8月4日 · 閱讀約 7 分鐘
重點摘要
AI 消除是重建，不是還原。物件後方的光線從未抵達相機感光元件， 這部分資訊不在你的檔案裡，任何模型都找不回來。擴散模型真正做的，是生成一塊與周圍協調的新畫面， 再於遮罩邊緣融合進去。這也說明了：為什麼單色背景能消得乾乾淨淨，為什麼細緻紋理總有點不對勁， 以及為什麼被塗到的人臉可能補成一個陌生人。
多數 AI 消除教學講的都是「第一步按這裡、第二步塗那裡」。這篇要談的是這些步驟背後的原理—— 一旦理解了，那些奇怪的小毛病就不再令人意外，你甚至能在動手前就判斷哪些修改會成功、哪些很可能失敗， 不必白白浪費一次嘗試。
Before & after
三個常見、但其實不成立的認知
“它能把被擋住的東西「挖」出來”
不能。物件後方的畫面，相機當下根本沒拍到——那些光線從來沒有抵達感光元件。AI 交給你的，是依照破洞周圍的像素，重新推測出「這裡大概長這樣」的結果。
“它是從照片其他地方複製像素來補”
那是舊方法。「內容感知填色」和修補工具確實會在圖中尋找相似區塊再拼貼過來。擴散模型做的是另一回事：它依照周圍畫面的質感與規律，生成全新的像素。所以它能補出一朵你天空裡其他地方都沒有、卻毫無違和感的雲。
“等模型再進步一點，就能還原真相”
再強的模型也做不到。這是資訊上的極限，不是技術上的極限。一台廂型車擋住了門口，門口長什麼樣子根本不存在於這個檔案裡。更強的模型只會猜得更逼真，不會猜得更準確。
從按下「Remove」到拿到成品，中間發生了什麼
- 1
你標出要補的破洞
你塗抹的筆刷會變成一張黑白遮罩：哪些像素保留、哪些像素替換。遮罩以外的區域在整個過程中完全不會被動到，所以主體仍是原圖的樣子。
- 2
圖片被編碼
照片會被壓縮成「潛在空間」表示——一份小得多的數值描述，記錄的是結構與紋理，而不是一顆顆像素。被塗抹的區域則換成雜訊。
- 3
模型反覆去雜訊
模型分成好幾步，逐步推測這團雜訊應該變成什麼；依據是遮罩外的畫面，通常還有一句「要移除的是什麼」的簡短文字描述。每一步都再多確定一點細節。
- 4
解碼並合成回原圖
潛在空間的結果被還原成像素，新生成的區域在遮罩邊緣與原圖融合。正因為要靠邊緣融合，遮罩多留一點邊距才這麼重要——邊緣有乾淨的素材，融合才自然。
為什麼這個差別在實務上很重要
「是生成的，不是露出來的」聽起來像在咬文嚼字，直到它影響你的決定。以下四種情況就是如此：
修過的照片不能當證據
被 AI 補過的那一塊，已經不是相機當下拍到的東西。這對保險理賠、新聞報導、法律文件、房屋物件照片都很關鍵——修乾淨的圖可能掩蓋真實狀況。旅遊照裡的垃圾桶儘管去掉；但要賣的二手車，別把車身的刮痕和凹陷修掉。
反覆修改會層層累積
每修一次，都是在上一次的結果上重新生成。同一塊區域修了四次，就和真實照片隔了四代。多半看不出來，但偶爾會越修越怪。重要的照片，建議回到原圖，用更少、規劃更周全的幾筆一次完成。
人臉和文字是高風險區
模型給的是「看起來合理」，不是「真實如此」。所以塗掉一半的臉，補回來可能變成另一個人；被塗掉的文字，補回來可能是一串像字卻讀不懂的亂碼。這不是 bug——在「合理」和「正確」不是同一件事的地方，機制本來就會這樣運作。
來源標記不受影響
像 SynthID 這類隱形浮水印，以及 C2PA 內容憑證，都不在筆刷能碰到的可見像素裡。局部修補不會針對它們，我們也不會嘗試去除它們。
所以，它真正擅長什麼
以上都不是不信任這個工具的理由，而是把它用對地方的理由。只要你真正的目的是「讓畫面看起來像干擾物從沒出現過」， 而且沒有人要把那塊區域當成紀錄，生成式修補就非常好用：旅遊照角落的路人、擋在風景前的垃圾車、 老照片翻拍檔上的日期印記、你自己作品集圖片上的自家浮水印、拍商品時包裝上的一張貼紙。
在這些情境裡，AI 補出來的像素並沒有假裝在記錄什麼，它們只是填上一塊本來就沒人需要看的背景。 這正是這項技術該做的事。