家具摆放 AR 图像管线求助：真实尺寸合成仍难去畸变
New-Piglet-5207 · reddit · 2026-10-09
Reddit 用户开发一款让用户预览网购家具摆进自己房间的产品，求助图像管线难题。
现有管线：解析商品页获取尺寸 → GPT-5.4 vision 规划场景并给出目标框和编辑 prompt → MoGe-2 估计深度换算像素宽度 → 裁剪局部用 gpt-image-2.5（Azure）编辑后回贴并做边缘色调校正。
已试过并踩坑的方案：
- 整图直给 ChatGPT：会重绘全图，墙和物体都变
- 只给局部再回贴：其他区域保住了，但边缘有接缝
- 两步法（先清除旧物再添加新物）：更干净但仍有畸变
- gpt-image 加 mask：mask 只是提示，mask 外 15–25% 像素仍会变
- 贴真实商品抠图：无接缝但视角不符（商品图多为俯拍 3/4 视角）
- Gemini 3 Pro Image 擅长 mask 和擦除但不擅长绘制；Bedrock Stability inpaint 严格保 mask 外像素但质量差且不支持参考图；FLUX Kontext 不支持 mask 且会移动构图
作者问：是否存在能保证真实尺寸、比例正确、无畸变的现成管线？各方案需各放弃什么？
「多模态」频道最新
- ElevenLabs 推出 Chimera：Eleven v4 语音加 Seedance 视频让角色开口说话 — AIwithGhotai · 2026-10-23
- 用开源模型+Claude 把一段网球视频变成世界级教练 — tweetsatpreet · 2026-10-23
- 伯克利 StyleStream 2.0：流式语音转换延迟降至 520ms 提速一倍 — Berkeley · 2026-10-23
- AuroraTTS-100K：不到 100K 参数的英文 TTS，INT8 仅 127KB — Tall_Abrocoma_3533 · 2026-10-23
- FreeMatching:把图像生成器改造成通用稠密对应匹配器 — kwangmoo_yi · 2026-10-23
- 用 Claude 技能自动剪辑视频,作者公开完整工作流 — jacob_posel · 2026-10-23