Controllable Generation & Image Editing: 解释商品图保真的技术组合。

Core Concept: 用'结构控制（ControlNet）+ 外观保持（IP-Adapter/参考图）+ 局部重绘 + 后处理校验'保证商品不变形、细节准确。

数学机理：<strong>商品图生成的特殊约束</strong>——(a) <strong>商品本体必须精确</strong>（形状、颜色、材质、logo、文字）；(b) <strong>不允许'创造性发挥'</strong>（与艺术生成相反）；(c) <strong>需符合电商规范</strong>（白底/场景图、尺寸比例、无违规元素）；(d) <strong>需批量一致</strong>（同一商品的多张图风格统一）。<strong>技术组合（分层控制）</strong>——(1) <strong>结构层</strong>——用 <strong>ControlNet</strong>（边缘/深度/分割）锁定商品的<strong>几何结构</strong>（防止变形）；(2) <strong>外观层</strong>——用 <strong>IP-Adapter</strong> 或<strong>参考图机制</strong>保持<strong>纹理/颜色/材质</strong>；(3) <strong>本体保护</strong>——用 <strong>inpainting</strong>：把商品本体设为'保留区域'（掩码外），只重绘<strong>背景/场景</strong>；这是'商品不变'的最强保证；(4) <strong>细节补充</strong>——对 logo/文字用<strong>专门的处理</strong>（如贴回原图、或用专门的文本渲染）；(5) <strong>后处理与校验</strong>——(a) <strong>一致性校验</strong>（用 CLIP/感知指标比较生成图与原商品的相似度）；(b) <strong>关键区域检测</strong>（logo/文字是否变形）；(c) <strong>人工复核</strong>（商品图不能有错，故需人工抽检或全检）。<strong>其他技术</strong>——(a) <strong>商品专用 LoRA</strong>（用同一商品的多张图训练 LoRA，保持一致性）；(b) <strong>参考图生成（reference-based）</strong>——用参考图作为'身份'条件；(c) <strong>多视角一致性</strong>（生成同一商品的多视角，需保证一致）；(d) <strong>背景替换 vs 场景生成</strong>（前者更安全、后者更吸引人但风险高）。<strong>为什么比艺术图难</strong>——(a) <strong>容错率低</strong>（商品图出错会误导消费者，甚至引发法律问题）；(b) <strong>细节要求高</strong>（logo/文字的精确度）；(c) <strong>需可审计</strong>（要能追溯'这张图基于哪张原图'）；(d) <strong>批量一致性</strong>（同一商品的多张图不能'长得不一样'）。<strong>评估维度（商品图特有）</strong>——(a) <strong>本体保真度</strong>（与原商品的相似度：结构 + 颜色 + 纹理 + 文字）；(b) <strong>场景合理度</strong>（背景与商品是否协调）；(c) <strong>合规性</strong>（无违规元素、符合平台规范）；(d) <strong>一致性</strong>（同商品多图之间）；(e) <strong>美观度</strong>（点击率/转化率）。<strong>实践建议</strong>——(a) <strong>优先用 inpainting 保本体</strong>（最安全）；(b) <strong>ControlNet 保结构 + IP-Adapter 保外观</strong>作为辅助；(c) <strong>关键细节（logo/文字）贴回原图</strong>（不要生成）；(d) <strong>建立校验流程</strong>（自动 + 人工）；(e) <strong>保留原图与生成参数的记录</strong>（可追溯）。

深度剖析与工程权衡：① <strong>'商品图容错率低'是核心约束</strong>——它决定了'保守的技术组合'（inpainting 保本体 + 校验）；面试中能指出'与艺术生成的目标相反'是深度理解的标志。② <strong>'inpainting 是最强保证'</strong>——把本体设为保留区域，从根本上避免变形；这比'靠 ControlNet 约束'更可靠。③ <strong>'logo/文字不要生成'</strong>——生成模型对文字/logo 的精确渲染不可靠；故应<strong>贴回原图</strong>或单独渲染（这是工业界的常见做法）。④ <strong>'多视角一致性'是难点</strong>——同一商品的多视角生成需保证'是同一个商品'；故需 LoRA 或 3D 感知的方法。⑤ <strong>'可追溯性'是合规要求</strong>——需记录'生成图基于哪张原图、用了什么参数'；这对审计与责任追溯重要。⑥ <strong>面试要点</strong>——被问'商品图怎么保证保真'，应给出'<strong>分层控制（结构 ControlNet + 外观 IP-Adapter + 本体 inpainting）+ 关键细节贴回 + 自动/人工校验 + 可追溯</strong>'与'<strong>容错率低是核心约束</strong>'；能指出'logo/文字不生成'是深度理解的标志。