产品图里最容易翻车的往往不是整体造型，而是那些细小的纹理、螺丝孔、边缘倒角和印刷文字。低分辨率生成时这些细节直接被压缩成几个像素，后续即使用常规放大器处理，也只能得到更锐利的模糊。要真正找回来，需要改变生成策略：先在高分辨率条件下完成初步生成，再对丢失细节的局部区域进行定向重绘。下面的内容会围绕这两个核心操作展开，并给出可落地的参数建议和代码示例。
细节丢失的根源：低分辨率生成与盲目放大的局限
多数扩散模型在训练时使用了固定分辨率的数据集，比如常见的512×512或768×768。当用户直接以这个分辨率生成产品图时，模型输出的信息总量被限制在一个相对较小的像素网格里。一个原本需要占据20×20像素的螺丝孔，在低分辨率下可能只有3×3像素，模型就算想画也画不出来。此时生成结果中的细节实际上是“猜测”出来的，表现为模糊、错位或者干脆消失。
很多人的第一反应是把生成结果送进超分辨率模型，或者干脆在出图后调高分辨率重新生成。前者的问题在于超分模型只能根据已有像素推断高频信息，对于已经丢失的结构无能为力，反而可能把伪影当成细节强化；后者则因为训练分辨率的限制，直接生成1024×1024甚至更高的图像时，模型容易出现构图崩坏、肢体错乱、重复元素等问题。产品图虽然不像人物图那样对结构敏感，但过高的原生分辨率同样会引发材质扭曲和文字乱码。
高分辨率预处理：分步生成与图生图放大策略
更稳妥的思路是把“生成”和“放大”拆成两个阶段。第一阶段用模型熟悉的低分辨率完成构图，确保产品主体、光影和整体比例正确。第二阶段将这个低分辨率结果作为图生图的输入，配合适中的重绘幅度，让模型在更高的分辨率下重新“渲染”一遍画面。这个过程中模型并不是简单地拉伸像素，而是根据低分辨率图像提供的语义信息在高分辨率画布上重新采样，相当于给模型一次补充细节的机会。
具体操作上，图生图的重绘幅度（denoising strength）是关键参数。如果设置在0.3以下，输出图像几乎只是对输入做了轻微降噪，细节提升有限；如果超过0.6，模型自由发挥的空间变大，可能改变原图的构图和颜色。对于产品图这类对一致性要求较高的场景，0.4到0.5之间通常能取得不错的平衡。分辨率提升的步长也不宜过大，一般建议每次提升1.5到2倍，比如从512×512先到768×768，再到1024×1024，避免一步到位引发结构崩坏。
下面的Python代码使用diffusers库演示了分步放大的基本流程，假设已经有一个训练好的Stable Diffusion模型：
from diffusers import StableDiffusionImg2ImgPipeline
import torch
from PIL import Image
pipe = StableDiffusionImg2ImgPipeline.from_pretrained(
"runwayml/stable-diffusion-v1-5",
torch_dtype=torch.float16
).to("cuda")
# 加载低分辨率初始图
init_image = Image.open("low_res_product.png").convert("RGB")
init_image = init_image.resize((512, 512))
# 第一阶段：768x768 图生图放大
image_768 = pipe(
prompt="high quality product photo, detailed texture, sharp edges",
image=init_image,
strength=0.45,
guidance_scale=7.5,
height=768,
width=768
).images[0]
# 第二阶段：1024x1024 继续放大
image_1024 = pipe(
prompt="high quality product photo, detailed texture, sharp edges, macro shot",
image=image_768,
strength=0.35,
guidance_scale=7.0,
height=1024,
width=1024
).images[0]
image_1024.save("product_high_res.png")
代码中第一阶段的strength设为0.45，允许模型在高分辨率下补充大量细节但保持原构图；第二阶段降到0.35，因为此时画面已经基本正确，只需要精修纹理和边缘。实际使用时可以根据产品类型调整提示词，加入“macro detail”“close-up texture”等词汇引导模型关注微观细节。分步放大的另一个好处是显存占用可控，每次只需处理一张中等尺寸的图像，不会像直接生成1024×1024那样带来巨大的峰值内存需求。
局部重绘：用蒙版精准修复关键区域
分步放大后大部分区域已经足够清晰，但某些特殊位置仍然可能残留问题，比如细小的文字、复杂的logo、或者深色材质上的高光。这时候对整个图像再次进行全局重绘并不划算，不仅浪费计算资源，还可能把已经修好的区域重新打乱。局部重绘（inpainting）允许用户只对指定区域进行重新生成，其他部分完全保持不变。
局部重绘的核心是蒙版。用户可以用任何图像编辑工具在需要修复的区域涂抹白色，其余区域保持黑色，然后将原图和蒙版一起送入模型。模型在采样时只对蒙版白色区域进行去噪，黑色区域则直接复制原图。对于产品细节修复，建议使用较小的蒙版边缘羽化，避免生成内容与周围像素出现明显的接缝。同时，局部重绘的提示词应该尽量具体，例如“清晰的黑色文字，白色背景，无锯齿”等，而不是笼统的“修复这个地方”。
以下是一个使用diffusers的局部重绘示例，模型切换到专门用于inpainting的版本：
from diffusers import StableDiffusionInpaintPipeline
import torch
from PIL import Image
pipe = StableDiffusionInpaintPipeline.from_pretrained(
"runwayml/stable-diffusion-inpainting",
torch_dtype=torch.float16
).to("cuda")
# 载入待修复的高分辨率图
image = Image.open("product_high_res.png").convert("RGB").resize((1024, 1024))
# 载入蒙版，白色区域为需要重绘的部分
mask = Image.open("mask_label_area.png").convert("RGB").resize((1024, 1024))
result = pipe(
prompt="crisp text label, black letters on white background, clean edges",
image=image,
mask_image=mask,
strength=0.75,
guidance_scale=8.0,
num_inference_steps=40
).images[0]
result.save("product_inpainted.png")
局部重绘的strength参数含义与图生图类似，但通常需要设置得更高一些，因为只影响蒙版区域，0.6到0.8都比较常见。如果重绘后边缘还有瑕疵，可以进一步缩小蒙版范围单独处理，或者使用较低的strength反复迭代，每次只修改一小部分。对于产品图中的文字区域，建议开启较高的guidance_scale（8到10），让模型更严格地遵循提示词，减少乱码概率。
组合实战：从整体到局部的完整工作流
把高分辨率预处理和局部重绘串联起来，就能形成一个完整的产品细节修复流程。首先在低分辨率下生成多张候选图，挑选构图和光影最好的一张；然后通过两次图生图放大到目标分辨率，期间根据输出微调提示词和strength；放大完成后用图像编辑软件检查哪些区域仍然不达标，制作对应的蒙版；最后对每个问题区域分别执行局部重绘，必要时再对重绘结果做一次小范围的边缘融合。整个流程可能需要迭代两到三轮，但每一轮都有明确的检查点，不会出现“改了一个地方坏了一片”的情况。
这个工作流在显存有限的消费级显卡上也能跑通。分步放大每次只需要处理一张中等尺寸图像，局部重绘只对蒙版区域计算梯度，显存峰值远低于直接生成超高分辨率图片。时间成本方面，假设使用一张RTX 3060 12GB，从512×512放大到1024×1024大约需要20到30秒，每个局部重绘区域根据大小不同需要5到15秒，整个流程可以在几分钟内完成。相比重新生成几十张图碰运气，这个时间投入是相当划算的。
参数调整上有一个容易忽略的点：分步放大时每一步的提示词应该有所侧重。第一步可以强调整体氛围和材质，第二步则把注意力引向微观细节。如果两步使用完全相同的提示词，模型在第二次放大时可能不知道该重点补充什么，导致细节提升不明显。此外，局部重绘的蒙版不要做得过于精细，适当留出一些过渡区域反而能帮助模型更好地融合新旧内容，避免出现明显的“补丁感”。