一句话总结

米羊科技、中国科学院和上海交通大学的研究者提出 Mi-Ripple，一种诊断引导的修复工作流，通过将周期性晶格伪影与内容纠缠的颗粒纹理分离，并应用选择性频谱陷波、结构感知平滑和清洁参考再生，抑制迭代 AI 编辑产生的数字波纹伪影。在十四次仅陷波执行中，全图残差标准差在 CIELAB 明度单位下为 0.08–0.44，并在一个配对再生示例中将输出碎片密度降低 45%，将可测量的伪影减少与视觉上更干净的图像联系起来。

核心贡献

• 诊断引导的修复工作流在迭代参考条件图像编辑中，将周期性晶格伪影与内容纠缠的颗粒纹理分离，从而能够针对伪影类型做出特定的处理决策。
• 该工作流结合了针对孤立峰的选择性频谱陷波、结构感知平滑以及清洁参考再生，以抑制数字波纹，同时保护合法的图像结构。
• 在十四次仅陷波执行中，全图残差标准差在 CIELAB 明度下为 0.08–0.44，一个配对再生示例将输出碎片密度降低 45%，将可测量的伪影减少与视觉上更干净的图像联系起来。

引言

迭代参考条件图像编辑会传播结构化伪影，如网格、蜂窝图案和颗粒表面，这些在原生分辨率下变得可见，作者将这种现象称为数字波纹。以往的工作主要集中于检测合成图像或在架构层面解释伪影形成，而非在递归编辑管道中进行修复，这留下了频谱污染能否在不损害合法细节的情况下被去除，或者是否与场景内容纠缠的问题。作者引入了一种诊断驱动的修复工作流，该工作流将晶格伪影（孤立频谱峰）与内容纠缠的颗粒纹理区分开来，对前者应用带有失真验证的选择性陷波滤波，对后者采用清洁参考再生，从而恢复干净表面，同时保留真实纹理。

数据集

作者通过使用两个商业编辑渠道构建了一个自定义图像编辑数据集，无法访问模型内部。这些数据仅用于实验分析，不用于模型训练。

• 来源与访问条件

  • 渠道 A：一个桌面集成，宣传为“OpenAI Image 2”。
  • 渠道 B：一个 OpenAI 兼容网关，公开了名为 gpt-image-2 和 gpt-image-2.5 的路由。
  • 两个渠道均被视为采样接入点，而非独立模型或供应商排名。

• 数据集组成与子集

  • 同场景链（渠道 B）：5 条链，每条包含一个初始输出（gen0）和四次编辑（gen1–gen4）。提示词保持不变，前一次输出作为输入重用。
  • 场景变更链（渠道 A）：2 条链，每条包含 gen0 和四次编辑，场景在编辑间变化。
  • 提示词比较：2 个植被丰富的场景，用于比较不同提示词下的编辑行为。
  • 路由比较：8 个场景通过 gpt-image-2 和 gpt-image-2.5 路由进行编辑。
  • 辅助材料：4 张照片，5 个网页参考，15 张用于频谱调查的生成图像，4 次固定条件重复，以及 6 张用于管道案例系列的水彩肖像原图。
  • 外部证据（Banana100 more_models 子集）：1 张起始照片和 110 个来自 7 个模型家族的编辑输出，组织成 11 个十步序列，包含不同聊天和相同聊天变体。

• 数据使用方式

  • 链是核心实验单元：同场景链探测重复编辑下的一致性，场景变更链测试对新提示词的适应性，路由比较突出 API 端点之间的差异。
  • 提示词比较和频谱调查研究输出的风格和结构属性。
  • Banana100 子集为跨模型分析提供外部证据。
  • 不适用训练分割或混合比例；所有数据服务于编辑行为的定性和定量评估。

• 处理与元数据

  • 未提及显式裁剪策略。输出按生成原样使用，gen0 标记初始图像，gen1–gen4 为顺序编辑。
  • 元数据包括生成索引、链类型（同场景/场景变更）、来源渠道/路由和提示条件。

方法

作者提出一个诊断引导的修复工作流，包含三个顺序阶段：诊断伪影、从清洁参考滤波或再生，以及验证生成的候选结果。该管道区分了可交付级滤波（保持像素对齐）和参考级清洁（为再生准备输入）。这种分离允许更强的参考准备，而不将其作为最终图像呈现。

在第一阶段，互补的频谱和空间探测确定适当的修复路线。所有明度测量均使用 CIELAB L* 尺度，范围 0 到 100。对于明度块 $P$P 和汉宁窗 $w$w，作者定义频谱幅度为：

$$S = \log \bigl (1 + \left| \mathcal {F} [ (P - \bar {P}) w ] \right| \bigr), \qquad A (u, v) = S (u, v) - B (r)$$S=log(1+​F[(P−Pˉ)w]​),A(u,v)=S(u,v)−B(r)

其中 $B ( r )$B(r) 是半径 $r$r 处的中值对数幅度。基线调查使用每张图像 384 像素平坦块的中值峰。高通明度的自相关提供单独的周期估计。

为区分伪影类型，全图晶格探测使用 $21 \times 21$21×21 局部中值的对数幅度谱。它保留超出 1.2、半径 24 以外且支撑不超过 80 个频率仓的连接分量。诊断要求至少保留两个分量且最大超出至少 2.5。平坦窗口探测测试 96 像素窗口的带通强度、超峰度、斑点覆盖率和各向同性，而互补的全帧尺度指数报告合格 128 像素瓦片的百分比。标称的 3 到 8 像素带隔离诊断纹理但施加了尺寸偏好，因此周期性单独检查，不使用该带通。颗粒区域在不相干的位移处表现出弱的自相关最大值，而晶格产生可重复的周期向量。方向性渲染变化与这两种形式分开处理。这些不同伪影表现的视觉示例如下所示。

在第二阶段，管道要么对图像进行滤波，要么从清洁参考再生。对于晶格伪影，孤立峰陷波使用诊断探测的分量选择标准。令 $K$K 指示保留分量，$E$E 为其超出局部基线的正超出量。使用高斯羽化 $G_{1.5}$G1.5​，滤波后的频谱为：

$$\widehat {F} = F \exp \left[ - G_{1.5} (K E) \right]$$F=Fexp[−G1.5​(KE)]

此操作保留相位，通常仅修改明度，使用反射填充减少边界效应。紧凑峰选择避免了与方向性图像内容相关的扩展频谱脊。对于缺乏孤立峰进行陷波的颗粒纹理，基于边缘强度、方向一致性和纹理密度的严格掩模允许局部带缩减，同时保护结构。当伪影与合法植被或材质纹理重叠时，管道请求人工审核，而不是增加滤波强度。当内容重建可接受时，参考级清洁允许在再生前进行更广泛的抑制，并具有明确的面部保护。再生输出再次诊断，新引入的孤立晶格峰可被陷波。

最后阶段验证失真并记录决策。接受基于图像差异，而非滤波器优化的异常分数。结构窗口的残差标准差必须不超过 0.6 明度单位，高频保留至少 90%。保留是输出与输入 $\mathrm{SD} (L - G_1 L)$SD(L−G1​L) 的比率，其中 $G_1$G1​ 是标准差为 1 像素的高斯平滑。平坦窗口带通标准差不得增加超过 0.02，全图残差标准差不得超过 1.0。这些经验检查测量滤波损伤，人工审核决定是否采纳候选结果。基于规则的路径选择作为默认实现，可选的语言模型层在允许的操作中进行选择，而不改变数值阈值。执行记录保留观察、允许的操作、决策和验证结果。再生需要明确许可和有限的重试次数。

实验

评估设置使用原生分辨率周期性测量、跨分辨率 Lanczos 下采样和归一化多场景链来评估伪影特征和修复路线。修复实验表明，选择性频率陷波和参考清洁可以减少可见颗粒和晶格伪影，但合适的路线取决于伪影是否与图像内容可分离；密集、纠缠的区域需要掩蔽抑制或再生。特征描述揭示晶格特征强烈依赖于配置，无法从供应商标签预测，而颗粒纹理与场景内容和重复相关，基于提示的纹理约束未能提供一致的控制。

生成图像与摄影对照相比表现出升高的频谱异常，颗粒尺度纹理可在同场景迭代中累积。有针对性的再生和陷波处理减少结构化纹理，而肖像修复以高保留度保持身份相关的发丝结构。生成源对照显示中位频谱异常为 4.13–4.61，显著高于摄影对照中观察到的 1.73。同场景苔藓链将颗粒覆盖率从 0.9% 增加到 23.7%，而面部链的合格尺度瓦片保持为 0.0%。

实验将生成图像与摄影对照进行比较，揭示生成输出表现出更高的频谱异常，并在同场景迭代中累积颗粒纹理。有针对性的再生和陷波处理有效减少结构化纹理，而肖像修复以高保真度保持身份相关的发丝结构。这些发现突显了生成图像中频谱伪影的存在，并表明迭代同场景生成会放大颗粒覆盖率，尽管干预措施可以减轻这些影响。