换装按钮背后，AI模特到底在干什么：换装技术白话拆解

换装按钮背后，AI在干哪三件事

换装就是三步活儿：先用蒙版圈出衣服在哪，再把这块区域擦成噪声，最后照着参考图从噪声里长出新衣服，整张图不用重画。听着像修图师傅的三道工序，其实一行行对应着三种模型的分工。

很多卖家的理解停留在"AI把衣服换了"，中间过程是个黑盒。打开这个盒子，里面站着三个角色：一个负责"看"，认出衣服的边界；一个负责"擦"，把旧衣服区域搅成一团雪花点；一个负责"长"，照着你给的参考图，从雪花点里一点点显影出新衣服。术语分别叫分割、扩散、参考图引导，你不用记，记住师傅、抹布和样品就够了。

这三步里，哪一步最容易出岔子？我毛估了一下手头跑过的案例：蒙版环节的错占一半上下，扩散生成占三四成，参考图引导占剩下的一成多。也就是说，图烂了先怀疑蒙版，十次里有五次是它。这张表可以存下来对着排查。

顺带说一句，这张占比只是我自己的观察，不同工具、不同类目的衣服会有出入，但量级不会差太远。

第一步画蒙版：先告诉AI哪是衣服哪是人

蒙版就是给AI圈重点：模型先认出哪是衣服哪是皮肤，再用一张遮罩标出只许动的范围。领口老出错，多半是遮罩边缘没画齐。这一步对应术语里的"图像分割"。

师傅翻新一件衣服前，会先用胶带和报纸把墙面、窗户都盖住，只露出衣服那块。蒙版干的就是这个活：一张黑白图，白色区域是"可以动"，黑色区域是"碰都不许碰"。分割模型先扫一遍原图，把衣服、皮肤、头发、背景各自圈出来，然后生成这张遮罩。

领口和袖口的细节为什么老出错？根源就在遮罩的边缘。衣服和皮肤交界的地方，边界线弯弯绕绕，模型稍微判偏一点——比如领口那圈花边被划进了"可以动"的区域——后面擦除和生成就都会波及它。新长出来的布料在领口位置对不上旧图的茬，于是多出一截布条、走线歪掉，或者领型悄悄换了。你以为AI手潮，其实是第一刀的圈没画准。

我踩过一回这样的坑：一条连衣裙的腰带扣总被重画成另一副样子，反复改提示词毫无用处，后来把腰带从蒙版里抠出去，一次就稳了。那次之后我养成了习惯，翻车先看蒙版。

第二、三步擦掉再长回：扩散模型与垫图的作用

扩散模型像冲印照片：先把旧衣区域打成雪花噪点，再照参考图一步步显影，新衣服就从噪声里长出来。垫图等于给师傅看实物样品。擦和长，其实是同一个模型的两头。

先把"擦掉"说清楚。扩散模型学的是"怎么把一张清晰的图一步步变成雪花噪点"，学会之后倒过来放，就是"怎么从一团噪点里一步步还原出清晰内容"。换装时，程序把蒙版圈住的旧衣服区域打成噪声，再让模型照着提示词和参考图，一步步把这片噪声"显影"成新衣服。你在电视雪花屏里隐约看出一张脸，再慢慢变清晰——大致就是那个过程的逆放。

"长回去"这一步，靠的是参考图引导。只给文字提示词，相当于你在电话里跟师傅形容"一件米白色针织开衫，圆领，袖口有罗纹"，师傅凭经验做，像个大概，细节全靠猜。垫一张清晰的新衣服图，等于把实物样品拍在案头上：领型照这个、印花照这个、罗纹密度也照这个。所以垫图的质量直接决定成衣的还原度——样品图糊了，师傅也只能照着糊的样子做。

跑题说一句，很多人以为垫图越多越好，其实给三张互相矛盾的样品，师傅反而不知道照哪张做。一张清晰的主图，往往比五张角度乱的图强。拉回来接着说。

懂原理有什么用：知道该动蒙版还是动提示词

出问题别急着改提示词：领口袖口烂了先动蒙版，款式不像先补参考图，颜色材质不对才轮到提示词。排查顺序对了，效率翻倍。这是原理能兑换的最实在的好处。

不懂原理的排查方式是重抽，抽到好看为止，一晚上可能烧掉几十张额度。懂原理的排查是分诊：领口烂、袖口歪、腰带被吃掉，指向蒙版，去收紧遮罩范围；款式不对、印花走样，指向参考图，换更清晰的垫图或者加权重；只有颜色脏、材质怪这种全局问题，才轮到改提示词或者调生成强度。三个科室各管各的病。

按我自己的记录毛估，分诊式排查平均两三张就能定位问题，瞎抽式平均要七八张，效率差了一倍多，额度也省下来了。这笔账对每天出几百张图的卖家来说，一个月差出的是实打实的成本。

把三步收拢成一句话：蒙版决定AI在哪里动工，扩散决定它怎么从噪声里造出布料，参考图决定造出来的样子照谁抄。下次点那个换装按钮，你脑子里能浮现出师傅擦掉旧衣、摆好样品、慢慢显影的画面，就已经超过大多数只会在旁边狂点鼠标的人了。