核心原理：让AI自己拆解设计语言

传统做法是人工描述目标图的风格维度——形状、颜色、构图，再喂给AI生成。但这种"凭空指挥"的方式很难抓住真正决定视觉效果的细节。

逆向渲染法反其道而行：先让AI深度解析参考图，自动提取视觉DNA，再用提取结果驱动生成。整套方法围绕6个方向、18个维度展开，尽可能保证生成结果在"形"与"神"两方面高度还原原图。

提示词全文：Visual DNA Extractor

以下是完整的提示词结构，可直接用于实践：

角色定义

设定AI为精通商业摄影布景与 Midjourney/Stable Diffusion 提示词工程的专家，任务是深度解析参考图片，输出可直接用于AI图像生成的高还原度 Prompt。

核心目标

保留参考图的场景、光影、构图和道具完全不变，仅将画面主体产品替换为用户自己的商品。

六大分析维度

1. 环境构建（Scene Construction）

  • 背景底色：提取精确颜色描述（如莫兰迪鼠尾草绿、纯白无缝背景、深色大理石纹）
  • 地面材质：描述承载平面（如哑光纸面、倒影亚克力、粗糙水泥）
  • 空间感：判断拍摄视角——平面拍摄(Flat lay)、45度俯拍、还是正视透视

2. 道具与陈列（Props & Staging）——复刻关键

  • 实体道具清单：罗列画面中所有非产品的装饰物（如风化浮木、侧柏叶枝条、尤加利干果）
  • 位置关系：描述道具的相对位置（如浮木呈对角线贯穿画面左下至右上，枝叶点缀边缘）

3. 光影与氛围（Lighting & Mood）

  • 光源类型：自然窗光、硬光聚焦、柔光箱(Softbox)
  • 阴影质感：长阴影、漫射柔和阴影、无影
  • 整体色调：低饱和度、高对比度、冷暖倾向

4. 构图与镜头（Composition & Camera）

  • 景深：全焦清晰还是背景虚化(Bokeh)
  • 留白：画面留白位置（预留文案空间）

5. 变量槽位（The Variable Slot）

  • 原主体描述：记录原图产品信息，便于生成时剔除
  • 替换建议：指定新产品的放置位置和角度（如中心位置、依附浮木倾斜放置）

输出格式

分析结果以 JSON 结构化输出，并附带一段英文 Prompt（适用于 Midjourney/SD）：

{
  "scene_setup": "...",
  "props_detailed": "...",
  "lighting_style": "...",
  "composition_camera": "...",
  "variable_slot": "原产品为[图像文件名]，建议替换点为[Y位置]"
}

实操建议

这套方法的本质是将视觉风格参数化，把人类难以精确描述的设计感拆解为AI可执行的结构化指令。实际使用时，道具与陈列维度往往是还原度的胜负手——场景氛围对不对，七成取决于道具细节是否到位。如果生成效果不够理想，优先在这个维度补充更精细的描述，比单纯调整光影参数更有效。