AI 消除到底做了什么？一文讲透图像修复原理
MagicRemover 团队 · 2026年8月4日 · 阅读约 7 分钟
一句话回答
AI 消除是重建，不是还原。物体后面的光线从没到达过相机传感器，这部分信息不在你的文件里，任何模型都取不回来。扩散模型真正做的，是生成一块和周围协调的新画面，再在蒙版边缘融合进去。这就解释了为什么纯色背景能去得干干净净，为什么细密纹理总有点不对劲，以及为什么被涂到的人脸可能补成一个陌生人。
大多数 AI 消除教程讲的是“第一步点这里、第二步涂那里”。这篇讲的是步骤背后的原理。搞懂之后，那些奇怪的小毛病就不再意外，你甚至能在动手前判断出哪些能成、哪些大概率翻车，不用白白浪费一次尝试。
Before & after
三个想当然的误解
“它能把被挡住的东西“露”出来”
不能。物体后面的画面，相机当时根本没拍到，那部分光线压根没落到传感器上。AI 给你的，是根据窟窿周围的像素推测出来的“这里大概应该长这样”。
“它是从照片别处复制像素过来补的”
那是老办法。“内容识别填充”和修补工具确实会在图里找相似的区域，再拼贴过来。扩散模型做的是另一件事：它按周围画面的质感和规律，生成全新的像素。所以它能补出一朵你的天空里别处根本没有、却毫不违和的云。
“等模型再强一点，就能还原真相了”
再强的模型也做不到。这是信息上限，不是技术上限。一辆面包车挡住了门口，门口长什么样就压根不在这个文件里。更强的模型只会猜得更像，而不会猜得更准。
从点下“Remove objects”到拿到成图，中间发生了什么
- 1
你圈出要补的窟窿
你涂的笔画会变成一张黑白蒙版，标出哪些像素保留、哪些替换。蒙版以外的区域全程不动，所以你的主体还是原片里的样子。
- 2
图片被编码
照片被压缩成一种“潜空间”表示：一份小得多的数值描述，记录的是结构和纹理，而不是一个个像素。涂过的区域会被替换成噪声。
- 3
模型一轮轮去噪
模型分若干步，一点点推测这团噪声应该变成什么，依据是蒙版外的画面，通常还有一句说明“要去掉的是什么”的简短描述。每一步都多敲定一点细节。
- 4
解码并合成回原图
潜空间结果还原成像素，新生成的区域在蒙版边缘和原图融合。正因为要靠边缘融合，蒙版留足余量才那么重要：边缘有干净的素材，融合才自然。
为什么这个区别在实际中很重要
“是生成的，不是露出来的”，听上去像抠字眼，直到它影响你的决定。下面四个场景里，它真的会：
修过的图不能当证据
被 AI 补过的那一块，已经不是相机当时拍到的东西了。这对保险理赔、新闻报道、法律材料、房源照片都很关键：修干净的图可能掩盖真实情况。旅行照里的垃圾桶尽管去；但要卖的二手车，别把车上的划痕和凹陷 P 掉。
反复修，误差会层层累积
每修一次，都是在上一次的结果上再生成。同一块区域修了四遍，就离真实照片隔了四代。多数时候看不出来，偶尔会越修越怪。重要的图，建议回到原图，想好了再涂，少涂几笔一次到位。
人脸和文字是高危区
模型给出的是“看起来合理”，而不是“真实如此”。所以一张被涂掉一半的脸，补回来可能变成另一个人；被涂的文字，补回来可能是一串看着像字的乱码。这不是 bug，在“合理”不等于“正确”的地方，机制本来就是这样。
溯源标记不受影响
SynthID 这类隐形水印和 C2PA 内容凭证，都不在画笔碰得到的可见像素里。局部重绘不会针对它们，我们也不会去尝试去除。
所以，它真正擅长的是什么
上面这些都不是不信任这个工具的理由，而是提醒你用对地方。只要你的真实目的是“让画面看起来像那个干扰物从没出现过”，而且没人要拿那块区域当记录，局部重绘就非常好用：旅行照角落里的路人、挡在风景前的垃圾车、老照片扫描件上的日期水印、你自己作品集图片上的自家水印、拍商品时包装上的一张贴纸。
在这些场景里，AI 补出来的像素并不假装在记录什么，只是填上了一块本来就没人需要细看的背景。这正是这项技术该干的活。