如何使用AI创建微缩效果 — Magic Eraser
学习如何使用AI照片编辑创建令人惊叹的移轴微缩和立体模型效果。逐步指南涵盖景深模拟、色彩增强和比例技巧，让真实场景看起来像微缩模型。
Product Marketing
审稿人 Magic Eraser Editorial ·
微缩效果——有时称为移轴摄影或立体模型效果——将真实世界场景的照片转化为看起来像微型手工模型照片的图像。这项技术利用了人类视觉感知的一个特点：当我们看到景深极浅的场景时，我们的大脑会认为拍摄对象一定非常小且非常靠近相机。日常体验中的浅景深与微距和特写摄影相关。通过应用选择性模糊、饱和色彩和模仿特写模型摄影的对比度调整，我们欺骗观者将全尺寸的城市景观、建筑工地或港口感知为精心制作的桌面立体模型。
传统的移轴摄影需要专门的镜头，这些镜头物理上倾斜焦平面相对于传感器，创建一个楔形对焦区域而不是通常的平行平面。这些镜头的价格在一千到两千美元之间，且灵活性有限。模糊渐变由镜头的光学特性固定，效果无法在拍摄后调整。基于Photoshop的方法用数字模糊渐变取代了专门的镜头。Photoshop中的线性模糊蒙版不考虑场景深度，会在不同距离但相同垂直位置的对象上产生不同的模糊量，从而产生伪影。背景中的建筑物和前景中的汽车可能都位于画面中心。建筑物应该被模糊而汽车保持清晰。线性渐变无法做出这种区分。
AI驱动的微缩效果通过使用理解场景三维结构的深度估计模型，同时解决了成本和质量限制。AI根据离相机的实际距离而非画面中的垂直位置来放置模糊，产生物理上正确且视觉上令人信服的结果。结合AI驱动的色彩增强和细节清理，该工作流程可在几分钟内从任何高角度照片中产生专业的微缩效果。本指南涵盖了从源照片选择到最终优化的完整过程，包括效果背后的感知科学原理，以及区分令人信服的微缩效果和明显滤镜照片的具体调整。
- 微缩幻觉利用了景深感知：极浅的对焦使大脑认为主体是微小且靠近的，即使场景是全尺寸的城市景观。
- AI深度估计基于场景实际距离而非垂直位置应用模糊，正确地将前景对象与同一画面高度的背景结构分开。
- 色彩饱和度增加百分之二十到三十，模拟物理模型表面上使用的鲜艳丙烯酸和珐琅涂料，将有机材料转向人造的饰面效果。
- 揭示比例的细节，如可读文本、面部特征、大气雾气和运动模糊，必须被移除，以防止观者的大脑重新计算场景的真实尺寸。
- 具有暖色温和柔和均匀阴影的工作室风格照明完成了场景是在室内展示桌上受控光线下拍摄的幻觉。
微缩幻觉背后的感知科学
微缩效果之所以有效，是因为人类视觉经验中景深与主体距离之间存在一种习得的关联。景深——图像中看起来可接受清晰的距离范围——与主体放大倍率成反比。当你用标准镜头拍摄三米外的人时，场景中几乎所有东西都是可接受清晰的，因为该距离的景深跨越数米。当你从十厘米的距离拍摄桌上的硬币时，景深缩小到毫米级别。硬币的前边缘可能清晰而后边缘已经模糊。这种关系在日常视觉经验中如此一致，以至于大脑将其用作比例线索：极浅的景深表示非常小且非常近的主体。
移轴微缩技术通过将极浅景深应用于实际上庞大而遥远的场景来劫持这一线索。大脑接收到矛盾的信息——内容说全尺寸城市，景深说微缩模型——在大多数观者中，景深线索胜出，至少在最初是这样。场景在感知上被解释为微缩模型。观者体验到一种真实的尺度混淆时刻，这既令人愉悦又在美学上强烈。当其他线索与微缩解释一致时，这种感知转换最强：高视角、饱和色彩、干净表面和均匀照明。当存在矛盾的线索时——可读文本揭示真实世界的比例、清晰的人脸、暗示大距离的雾气——幻觉会减弱或失败。
视角至关重要，因为人类在现实生活中与微缩模型的互动方式。模型铁路、建筑模型、玩偶屋和立体模型几乎总是从上方观看，以三十到七十度的角度俯视。这是桌面上下文中对象可访问和可见的角度。街景照片作为微缩效果失败，因为我们不会从地面水平看桌面模型。这需要把我们的眼睛放在桌面高度并水平扫视表面。抬高的视角向大脑发出信号，表明我们正在看表面上的某个东西，这与小模型一致，与成为真实城市中的行人则不一致。无人机摄影和屋顶观景点自然地提供了这种抬高视角，是微缩效果的理想起点。
- 景深与主体放大倍率成反比——浅对焦强烈向人类视觉系统表示小而近的主体。
- 大脑通过默认选择景深解释来解决矛盾线索（真实比例内容 vs. 微缩景深），至少在最初是这样。
- 三十到七十度的高视角至关重要，因为它们匹配人类自然观看桌面立体模型和建筑模型的方式。
- 矛盾比例线索如可读文本、可识别的面孔和大气雾气必须被移除，否则感知幻觉会崩溃。
选择正确的源照片以获得最大微缩效果
并非每张照片都能产生令人信服的微缩效果。选择正确的源素材比任何后期处理优化都更重要。理想的源照片具有四个特征：抬高相机角度、独特的小比例参考对象、良好的主体分离和相当均匀的照明。无人机摄影是最一致的来源，因为它自然提供了抬高视角。高楼、山坡、桥梁和看台上的照片也同样有效。相机应以与水平线成三十到六十度的角度向下看场景。更陡的角度通常更好，但完全垂直的俯拍会失去使幻觉起作用的立体深度，因为将一切压缩到一个平坦的平面，没有前景和背景的分离。
独特的参考对象是关键，因为微缩幻觉依赖于观者知道场景中事物的真实大小，然后被欺骗将其感知为微小。汽车、公交车、人、房屋、船只、火车和建筑设备是极好的参考，因为每个人都知道它们在现实中有多大。只有抽象形状的场景——随机一块地面、一片水域、森林冠层——不会产生微缩效果，因为没有什么可供观者重新缩放。最佳场景组合了多个不同深度的独特对象：前景中的汽车、中距离的建筑以及背景中更多的车辆或结构，都在每个深度平面贡献强化微缩解释的参考点。
主体分离意味着场景中单个对象之间的清晰视觉区分。一个停满整齐排列汽车、可见地面分隔的停车场产生的微缩效果比密集森林（单个树木融合成无差别的绿色块状）更好。建筑工地、船只分离的港口、房屋独立的郊区社区、运动员人物分离的体育场馆在主体分离上都得分很高。微缩幻觉依赖于观者识别单个看起来微小的对象。如果对象无法逐一区分，效果就退化成一个简单的模糊滤镜，没有感知上的比例变化。照明均匀性很重要，因为真实模型摄影使用受控的工作室照明，消除了户外阳光的强烈阴影和可变亮度。在多云天气或柔和晨光下拍摄的照片在后期处理中需要较少的照明校正。
- 与水平线成三十到六十度的抬高角度提供了幻觉所需的立体深度，更陡的角度通常产生更强的效果。
- 可识别的对象如汽车、人、船只和建筑至关重要——它们为观者提供了体验比例变化的参考点。
- 良好的主体分离（独特的单个对象而非融合的块状）让观者识别出驱动微缩感知的微小外观物品。
- 多云或柔和光线比强烈阳光需要更少的校正，因为它已经类似于模型摄影中使用的均匀工作室照明。
AI深度感知模糊 vs. 传统线性渐变移轴
Photoshop和大多数手机应用中的传统移轴模拟使用线性渐变蒙版应用模糊：一条水平清晰带，上下方模糊度逐渐增加。这种线性方法对于平坦场景（如从上方俯瞰的道路）效果尚可接受，因为深度与画面中的垂直位置完美相关。但真实世界场景是三维的，不同深度的对象经常占据照片中相同的垂直区域。背景中的高楼和前景中的汽车可能都在画面中垂直居中。建筑在五十米外而汽车在五米外。线性模糊渐变对它们一视同仁，对建筑和汽车施加相同的模糊量。实际上，如果汽车对焦，远处的建筑应该被大幅模糊，反之亦然。这种不一致性是传统移轴模拟最常见的失败原因。
AI深度估计通过分析场景来确定每个对象离相机的实际距离，然后应用与距离成正比而非垂直位置的模糊来解决这个问题。AI识别出背景中的建筑比前景中的汽车更远，无论每个在画面中位于何处，并对每个应用正确的模糊级别。这产生了物理上正确的景深，与真实移轴镜头会创建的效果相匹配——或者更准确地说，是一个对场景中特定距离对焦的超大光圈镜头会创建的效果。结果是观者的视觉系统接受为真正光学模糊而非后期处理滤镜的模糊图案，这对于微缩幻觉经得起审视至关重要。
AI深度图还能实现清晰和模糊区域之间更细腻的过渡。线性渐变创建了一条生硬的过渡线，清晰度突然让位于模糊，当它将一个对象一分为二时看起来很不自然——建筑一半清晰一半模糊。AI深度图创建对象感知的过渡，其中相似深度的整个对象共享相同的对焦水平，模糊过渡发生在不同深度的对象之间而非穿过单个对象的中间。建筑要么完全在对焦区域，要么完全在模糊区域，过渡发生在它和下一个不同深度结构之间的空隙中。这种对象一致性是一个微妙但重要的质量差异，使AI移轴效果看起来光学上真实。
- 线性渐变模糊一视同仁地对待相同垂直位置的所有对象，无论它们离相机的实际距离是多少，创建物理上不可能的景深图案。
- AI深度估计确定每个对象在场景中的实际距离并应用与该距离成正比的模糊，产生光学上正确的浅景深。
- 对象感知的模糊过渡将整个对象保持在一致的对焦水平，而非用一条清晰和模糊区域之间的生硬过渡线将其一分为二。
- 物理上正确的模糊图案使观者的视觉系统接受该效果为真正光学模糊而非数字滤镜，从而维持微缩幻觉。
完成模型世界外观的色彩和对比度调整
模糊单独创造了浅景深，但只有色彩和对比度被调整为匹配微缩场景的实际外观时，微缩幻觉才能达到其全部潜力。物理模型和立体模型具有与真实世界场景截然不同的颜色和表面属性，因为它们由不同的材料制成。真正的草是绿色、黄色、干枯叶片的复杂混合物，整体呈现为柔和、多变的绿色。模型草由染色纤维或涂漆泡沫制成，产生均匀、鲜艳的绿色。真正的砖块经受风化、污渍，颜色不均。模型砖块以一致的颜色干净地涂漆。这些材料差异意味着真实世界的颜色更加柔和、多变和去饱和，而将饱和度提高百分之二十到三十可将调色板转向模型美学。
对比度调整也起到类似作用。真实世界场景展现出随距离增加而降低对比度的大气效果。远处的物体由于光线在它们和相机之间的大气中散射，看起来比近处的物体更模糊、更亮、更不饱和。在桌面立体模型中，相机和场景任何部分之间没有大气，因为整个模型位于几米之内。远处模型建筑与近处模型汽车具有相同的对比度和清晰度，因为基本上没有大气来散射光线。为了模拟这一点，使用AI Enhance来均衡整个场景的对比度，增强在原始照片中显得模糊的远处元素的对比度，并略微降低显得异常精细的极近前景元素的对比度。目标是在整个场景深度上实现均匀、无大气的清晰度。
表面质量也转向人造外观。真正的户外表面——道路、人行道、建筑立面——积累污垢、污渍和风化，降低了它们的反射率并创建了复杂、不规则的纹理。模型表面是新鲜涂漆且光滑的，具有更高的镜面反射率和更均匀的纹理。AI Enhance可以增加表面的清晰度和微对比度来模拟这种干净、坚硬、人造的品质。饱和色彩、整个深度上均匀的对比度以及干净表面渲染的组合创造了完整的材料幻觉，即场景由塑料、木材和涂料而非混凝土、植被和钢材制成。每个调整单独来看都很微妙，但它们的累积效果将视觉印象从真实世界记录片转变为微缩立体模型。
- 将颜色饱和度提高百分之二十到三十，从真实材料柔和、多变的颜色转向涂漆模型表面鲜艳、均匀的颜色。
- 均衡场景深度上的对比度，以消除桌面立体模型摄影中不存在的大气雾霾效果。
- 提高表面清晰度和微对比度，模拟物理模型组件干净、新鲜涂漆、高反射率的表面。
- 颜色、对比度和表面调整的累积效果创造了一种材料幻觉，使场景看起来是塑料和涂料而非混凝土和植被。