羽绒服商品图 AI 修图返检：充绒格、压线和洗标信息哪些不能修错

骨架图先放在脑子里：左边是原始拍摄图，中间是 AI 修图层，右边是买家收到的实物。羽绒服返检要看的不是一件衣服有没有被修得精神，而是 4 条线有没有断：充绒格还在不在，压线有没有走形，洗标和吊牌信息有没有被抹掉，颜色和蓬松度有没有离开实物。

我对这类图一直有点别扭。衣服不像一只金属杯，修亮一点、压干净一点，问题还藏得住。羽绒服有空气、有线、有填充物，还有一张小小的洗标。AI 一顺手，脏边没了，衣服也可能变成另一件。本文按 4 张图走一遍返检，把“能修”和“不能顺手改”的边界画出来。

骨架图：羽绒服返检先分 4 条线

图注：返检从四条线开始，不从好不好看开始。

看这张骨架图，羽绒服商品图可以拆成 4 个检查层：版型层、填充层、信息层、色彩层。版型层看肩线、袖长、衣摆和帽檐；填充层看充绒格、压线、鼓包和塌陷；信息层看洗标、尺码牌、吊牌、拉链头和品牌标；色彩层看面料色、里布色、反光和白平衡。

真实项目脱敏里，杭州萧山一个服装摄影棚在 2026 年 4 月做过一轮内部复盘：36 张冬装平铺图里，有 9 张不是因为背景脏返工，而是因为 AI 把压线附近的阴影磨平，导致充绒格看起来比实物更饱满。复盘人是美工小赵，工具链是 Photoshop 25.4 加图叮AI 批量初修。这个信息不用外推成行业结论，它只说明一个朴素问题：羽绒服的“好看”很容易和“更厚、更满、更贵”混在一起。

返检时不要只看一张修后图。至少并排看原图、修后图、局部放大图、商品详情页首屏。原图告诉你真实褶皱和厚度，修后图告诉你视觉改动，局部放大图看线和标签，详情页首屏看这张图承担了什么销售承诺。四张图放到一起，许多问题自己会露出来。

这也是为什么本文不用“把羽绒服修高级”的说法。高级感是结果，返检要先问证据：线有没有偏，格有没有变，标签有没有丢，颜色有没有漂。像老屋的梁柱，表面可以擦干净，榫卯不能被抹平。

结构图：充绒格和压线不能被 AI 磨成一整块

图注：压线阴影是厚度证据，不是脏边。

这张结构图只看一件事：线。羽绒服的压线决定充绒格的边界，也决定买家对厚度的判断。AI 修图常把压线两侧的暗边当成皱纹，顺手磨掉；也会把某些塌一点的格子补得更圆，让整件衣服看起来均匀。单看修后图很舒服，放到实物上就容易变成“图里更厚”。

返检可以按 3 个局部走。第一块是胸前和肩部，这里最容易被灯光打亮，AI 会把明暗过渡拉得过顺。第二块是袖子和肘部，平铺拍摄时常有自然弯折，不能全部拉直。第三块是衣摆和帽檐，厚度、包边、抽绳孔、压胶线都属于结构信息。你可以修灰尘、轻微浮毛、背景褶皱，不能把结构线修成装饰线。

一个明确的假设场景：同一款短款羽绒服有黑、米白、雾蓝 3 个颜色。黑色那张压线最明显，米白那张曝光过高，雾蓝那张衣摆有轻微塌陷。如果把黑色作为唯一参考去补其他颜色，AI 很可能把米白和雾蓝都修成同样鼓。这个例子是示意，不计入真实复盘；它提醒的是批量返检要看“同款一致”，也要保留每个颜色原片里的真实差异。

内部复盘里还有一个土办法：把修后图缩到手机详情页首屏大小，再把充绒格放大到 200%。缩小看是否还像同一件衣服，放大看线有没有断。两步都过，才进入色彩和标签检查。只看其中一步，容易误判。

信息图：洗标、尺码牌和吊牌不是可有可无的小字

图注：标签信息模糊，买家信任也会跟着模糊。

这张信息图把小东西放大：洗标、尺码牌、吊牌、拉链头、袖口魔术贴、内里成分标。很多修图师会把它们当成画面噪点。事实上，服装电商里这些小信息经常承担售前解释和售后举证。买家问“含绒量是多少”“尺码是不是偏小”“能不能机洗”，详情页文案是一部分，图上的标签也是一部分。

AI 修图容易在 4 个位置出错。洗标边缘被锐化成乱码，尺码牌字母被补错，吊牌绳被擦断，拉链头形状被重绘。这里不要求图片里所有小字都能读清，尤其平台压缩以后很难做到；要求是不能把已有信息改成另一种信息，不能把能识别的标签修没。看不清和被改错，是两类问题。

真实项目脱敏里，广州海珠一个服装店铺在 2026 年 3 月整理 47 张外套 SKU，运营詹姐要求每张图都留一张“标签局部”。原因很实际：客服每天都在回答尺码、面料和洗护问题。那批图的返检表后来加了一个字段，叫“标签状态”：保留、模糊但未改、需重拍。这个字段比“标签好不好看”有用，因为它能把修图责任和拍摄责任分开。

返检时可以给标签定 3 条线。能读的不要改；原图就虚的，不要让 AI 猜字；关键洗护信息如果正好在阴影里，优先退回补拍，而不是靠生成补救。羽绒服尤其要小心“含绒量”“执行标准”“尺码”“洗涤方式”这几类词。它们不是装饰，也不该由模型发挥。

对照图：颜色和蓬松度要回到同一件实物

图注：颜色和蓬松度要一起验，不能只看一项。

这张对照图把颜色和蓬松度放在一起看。羽绒服的颜色不是平面色块，面料有哑光、微光、防水涂层、压纹和暗部反射。AI 修图如果只追求干净，容易把黑色修成灰黑，把米白修成冷白，把深绿色修成蓝绿色。颜色一漂，蓬松度也会跟着被误读：高光更亮，看起来就更鼓；暗部被压平，看起来就更薄。

返检建议用两组对照。第一组是同款多色并排，检查色温和明度是否被拉成同一种棚拍味。第二组是同色修前修后并排，检查衣服的厚度信号有没有变化。不要把“白底统一”理解成“所有颜色都同一套光”。服装有布料脾气，羽绒服更明显。

团队实际经验里，拍乡村画册时我最怕把天修得太蓝。天蓝了，地上的麦秆、瓦片、人的脸都会跟着假。羽绒服也是这个道理。面料亮一点，格子满一点，衣服就从“真实货品”滑向“理想样衣”。这种滑动很细，买家收到货时却很敏感。

可执行的办法不复杂。每批至少抽 5 张原图做色彩锚点：黑色、浅色、亮色、哑光面料、反光面料各一张。每张锚点图保留原始白平衡截图和修后截图。遇到争议时，不讨论审美，回到锚点。图叮AI 或 Photoshop 的调色都可以继续用，前提是锚点别丢。

结尾给一张视觉化术语表，方便团队把返检话说清楚：圆圈代表充绒格，实线代表压线，虚线代表可清理褶皱，方框代表标签信息，色块代表色彩锚点，箭头代表从原图到修后图的变化。下次看羽绒服图，不要先问“能不能再蓬一点”。先把这 6 个符号画在图旁边，能画清楚，才知道该修哪里；画不清楚，就回到原图和实物。