daniil-kzn/image-edit-fidelity

影像編輯忠實度與解剖學（任何模型）

這些規則適用於所有影像模型。它們描述了結果必須符合的條件以及如何檢查；模型特定技能（qwen-image-2、storyboard-keyframes、fal-runner 用於執行）則提供端點、參數、限制和提示風格。當存在模型特定技能時，兩者皆須遵循：其參數和這些忠實度規則。準備好的編輯說明位於 references/edit-patterns.md。

如何為特定模型表達規則：

• 負面提示詞欄位（Qwen、Seedream、Stable Diffusion、Kling）：將 §1 和 §2 中的解剖學和忠實度清單放在此處。
• 無負面提示詞欄位（GPT Image、Nano Banana / Gemini、Flux Kontext 及大多數指令編輯模型）：將其作為正面陳述寫入提示詞（「每個人有一頭、兩臂、兩腿」、「房間、家具和物體保持完全一樣」），並在結尾加上一句簡短的排除句（「不要新增或移除任何人或物體」）。不要將冗長的「不要X，不要Y」清單貼入提示詞：許多模型會繪製出這些被提及的物體。
• 提示詞重寫（Qwen enable_prompt_expansion、Model Studio prompt_extend、「魔法提示詞」選項）：編輯時請將其關閉；重寫器會添加參考影像中不存在的道具和風格。
• 哪個輸入決定輸出尺寸 因模型而異（Qwen：最後一張影像；其他：第一張，或明確的尺寸欄位）。請檢查 schema，並使輸出採用基礎參考影像的長寬比和尺寸。
• 長度限制 各不相同（Qwen fal 編輯為 800 字元）。當 KEEP 子句無法容納時，請保留最可能發生漂移的項目（§2 步驟 2）。

1. 人體解剖學：始終保持完整

每個輸出中的每個人都具有正常的人體解剖結構：恰好一顆頭、兩隻眼睛、一個鼻子、一張嘴、兩隻耳朵、一個脖子、兩條從肩膀連接的手臂、兩隻各有五根手指的手、兩條從髖部連接的腿、兩隻腳。不能有多餘或缺失的頭部、肢體、手或手指；不能有從背部、胸部、腹部或他人身上長出的肢體；不能有融合的身體；不能有彎曲方向錯誤的關節。此規則適用於文字生成影像和編輯、背景人物以及風格化影像（卡通、漫畫、繪畫），除非使用者明確要求非人類的生物。身體結構破損的影像即為缺陷，無論其他部分多麼完美。

為何會出錯：擴散模型在身體重疊時（擁抱、牽手、人群、背小孩的人）、手部較小或隱藏時，以及姿勢複雜時，會失去對肢體歸屬的追蹤。請在提示詞中預防，並在檢查中發現問題。

1. 提示詞。 對於每個人，說明每隻手臂和手的位置及動作（「她的右手在胸前拿著一個杯子，她的左臂放鬆垂在身側」），以及腿的位置（「站著，重心在左腳」、「坐著，翹腳」）。當有多人時，說明身體數量（「正好三個人，每個人有一頭、兩臂、兩腿」）。將正常的解剖學描述寫入風格句子中：「解剖學正確的人體，自然比例」。精確描述接觸點：誰的手放在誰的肩膀上。
2. 保持身體可辨識的構圖。 偏好雙手都可見或明確隱藏（插在口袋裡、背後、畫框外）的姿勢；避免手臂交錯纏繞、人們直接前後站立，以及肢體被畫框模糊切割的情況。人數越多，身體越小，錯誤也越多：在請求允許的範圍內保持人數最少；在人群中，保持背景人物小、簡單，並部分被清晰的物體遮擋。
3. 解剖學排除清單（負面提示詞，或無負面提示詞欄位時的一句正面句子）：「多餘的肢體、多餘的手臂、多餘的腿、多餘的手、多餘的手指、缺失的手指、兩個頭、多餘的頭、多餘的眼睛、融合的身體、從軀幹生長的肢體、變形的手、畸形解剖結構」。
4. 編輯。 更改姿勢、服裝或添加人物不得增加或損失身體部位：在 KEEP 子句（§2）中加入「相同解剖結構：每人一頭、兩臂、兩腿」。姿勢編輯是風險最高的編輯；檢查畫面中的每個人，而不僅僅是被編輯的那個。
5. 在顯示前檢查每個人（裁切並放大每個身體到完整尺寸；包括小的背景人物）：計算頭部、眼睛、手臂、手、腿、腳的數量；計算每隻可見手上的手指數量；追蹤每條肢體到其肩膀或髖部，確認它屬於正確的身體；檢查是否有從背部、胸部或脖子長出的肢體、合併的手、兩人之間的第三條腿、扭曲的關節。將每個人的計數寫入檢查筆記中（「P1：1頭、2臂、2手 5+5、2腿：OK」）。
6. 修復。 小的手部或手指錯誤：對該手周圍的裁切區域進行一次編輯傳遞（「修正左手：五根手指，自然姿勢，拿著杯子」），然後將裁切區域貼回（ref_diff.py --paste-back）。多餘或缺失的肢體或頭部：使用更簡單的姿勢、更少的重疊，以及步驟 1 中的肢體描述重新生成。切勿將身體結構破損的影像作為最終結果顯示；如果使用者無論如何都想看到草稿，請指出缺陷。

2. 參考影像忠實度：僅更改要求的項目

每當使用者附帶參考影像時，該參考影像即為事實基準，請求是基於它的最小差異。使用者未要求更改的所有內容都保持不變：人數及其身份、他們的姿勢和位置、服裝、房間或街道、周圍的家具和物體及其數量和位置、構圖和攝影機角度、光線方向和顏色、風格和紋理、任何文字。一張「看起來不錯」但添加了一個人、移動了椅子或更改了窗戶的編輯就是失敗的編輯。大多數模型會重新渲染整個畫面，並可以自由地「改進」它，因此必須明確要求忠實度，然後進行檢查。

1. 在編寫任何內容之前，先盤點參考影像。 以完整尺寸查看它（針對小區域裁切），並在專案資料夾中寫下 reference_inventory.md：
   • 構圖：鏡頭大小、攝影機高度和角度、接觸每個畫框邊緣的內容、長寬比、像素；
   • 人物：確切人數；對於每個人，其在畫面中的位置（左/中/右、前景或背景）、姿勢、視線、手、從頭到腳的服裝、頭髮、年齡、手中物品；
   • 場景：房間或地點、牆壁、窗戶、門、地板、帶有位置的家具；
   • 物體：每個可見物品及其數量和顏色、所在位置（桌上的3個杯子，而不是「杯子」）；
   • 光線：方向、強度、色溫、陰影、一天中的時間；
   • 風格：照片或插圖、顆粒感、色彩分級、景深；
   • 文字和標誌，逐字記錄。 然後將其分為兩個清單：CHANGE（僅限使用者要求的內容）和 KEEP（所有其餘內容）。如果請求範圍不明確（「讓它更舒適」：家具？光線？兩者？），請在生成前詢問，而不是讓模型決定。
2. 將編輯提示詞寫成變更 + 保留。 第一句：要求的更改，具體且局部（什麼、在哪裡、多大、在畫面的哪一側）。然後是基於 KEEP 構建的保留子句，列出具體項目而非「其他所有內容」：「確切保留兩個人：左邊穿灰色毛衣的男人和右邊穿藍色裙子的女人，相同的面孔、姿勢和位置。保留木桌及三個白色杯子、左邊的窗戶、右邊的書架、來自窗戶的暖光、構圖和攝影機角度不變。不要新增或移除任何人或物體。」在長度限制下，保留最可能漂移的項目：人數和身份、編輯區域附近的物體、背景建築、構圖。僅詳細描述變更；不要用新的詞語重新描述整個場景，這會引誘模型重繪。
3. 保護參考影像的設定：
   • 提示詞重寫關閉；
   • 輸出尺寸 = 參考影像的長寬比和尺寸；不同的長寬比會迫使模型發明或裁剪內容；
   • 將基礎參考影像放在設定輸出尺寸的位置，並在提示詞中用其編號呼叫；僅附加變更所需的參考影像，每張額外的影像都是另一個漂移來源；
   • 遮罩或修補模式（如果模型提供）：僅遮罩要更改的區域；
   • 忠實度排除清單：「多餘的人、缺失的人、不同的人、背景改變、添加物體、移除物體、不同的構圖、不同的光線」，加上 §1 中的解剖學清單；
   • 草稿使用低階等級；在指令穩定前每呼叫一次生成一個輸出，之後為 2-3 個。
4. 對照參考影像進行檢查，而非單獨檢查。 執行 python3 ~/.claude/skills/image-edit-fidelity/scripts/ref_diff.py <參考影像> <輸出> --allow x0,y0,x1,y1（預期發生變更的方框，以參考影像像素為單位）。它會報告該方框外部每個網格單元格變更了多少，並生成並排對比圖和熱力圖。然後根據 reference_inventory.md 逐項檢查輸出：人數和身份、每個物體及其位置、背景、光線、構圖、文字。任何發生變更的 KEEP 項目都是缺陷，即使只變了一點點。
5. 修復而不是重新生成整個畫面。 當變更是正確的，但其餘部分發生漂移時，僅將變更區域貼回原始影像： ref_diff.py <參考影像> <輸出> --allow <方框> --paste-back final.png（邊緣羽化，畫面的其餘部分來自參考影像的逐個像素）。如果變更本身是錯誤的，請收緊 CHANGE 句子，並將漂移的項目按名稱加入 KEEP；每次重試只改一個東西。
6. 報告 給使用者哪些內容變更了，並確認哪些內容經驗證保持不變；說明任何可接受的偏差。

3. 將一部分從一個參考影像轉移到另一個

當使用者要求從來源參考影像中取出一個元素（夾克、燈、臉、標誌、天空）並放入目標參考影像時，恰好會發生兩件事：命名元素從來源複製，目標中的命名位置被其替換。兩者之間沒有其他任何移動：

• 從來源，僅取用命名的元素：不取用其背景、其他人或物體、顏色、光線、風格或構圖；
• 在目標中，僅更改命名位置：人物、數量、面孔、姿勢、服裝、物體、場景、光線、構圖和文字保持與目標中相同（從目標庫存列表構建的 §2 KEEP 清單）；
• 不要添加任何東西「以使其配合」（額外的道具、不存在物體的陰影、新人物）。唯一允許的調整是元素本身採納目標的透視、比例和光線，使其自然地處於被替換的位置中。

方法：

1. 盤點目標（§2）並精確描述來源中的元素（什麼、顏色、材質、形狀、必須保留的細節：紐扣、印花、標誌）。
2. 在上傳前，將來源影像緊密裁切在元素周圍（尊重模型的最小邊長，Qwen 為 384 像素），這樣模型就沒有其他東西可以借用。將目標放在設定輸出尺寸的位置。
3. 提示詞結構： 「僅從影像 1 中取出 [具有關鍵特徵的元素]。在影像 2 中，用其替換 [精確位置：誰的、哪一側、哪個物體]，並匹配影像 2 的透視、比例和光線。不要從影像 1 中取出其他任何東西：不要其背景、人物、顏色或光線。影像 2 中的所有其他內容保持完全一樣：[來自目標庫存列表的 KEEP 項目，包含人數、面孔、姿勢、物體、場景、構圖]。不要新增或移除任何人或物體。」 如果模型希望基礎影像在前，則交換影像編號。
4. 使用 ref_diff.py <目標> <輸出> --allow <被替換位置的方框> 進行檢查：方框外部的變更即為缺陷；使用 --paste-back 修復。同時將轉移的元素與來源裁切進行比較：形狀、顏色、印花和細節必須匹配。

頭部交換

將影像 1 中某人的頭部換到影像 2 中某人身上是此規則最嚴格的情況。在目標人物身上，僅更換頭部：面孔、五官、臉部皮膚、頭髮和耳朵來自影像 1；頭部角度、傾斜、視線方向、比例和場景光線遵循目標，以使頭部位於現有的脖子上。目標人物的所有其他部分保持與影像 2 相同：身體、體型、脖子和肩膀、服裝、姿勢、手、頭部下方的飾品；其他人保持自己的頭部和所有其他部分；場景、物體和構圖不變。除了頭部之外，影像 1 中的任何內容（其服裝、身體、背景、其他人）都不會出現在輸出中。

• 在請求之前，僅當存在模糊部分時才與使用者解決：頭飾、