图叮实验室：清理、保护、重做场景，商品图三条修图路径怎么选

同一张商品图，在图叮里走三条路径，可能都会通过审核，却只有一条最适合交付：一条是清理瑕疵，一条是保护证据，一条是重做场景。差别不在按钮多不多，而在你先认定这张图要替商品完成什么任务。

要我说，电商修图最怕的不是图不够漂亮，是把路走反。山里拍片子也一样，雾大时不能先拉对比度，得先判断远山轮廓还在不在。商品图也是这个理，原图里的型号、材质、接口、比例和使用痕迹，就是买家判断商品的山脊线。修之前先把山脊线标出来，后面才谈得上修。

这篇不是说某个类目怎么返检，而是给团队一个可复跑的实验框架。你可以拿一张多材质商品图，比如金属扣、布面、透明塑料、纸质标签同时出现的图，在图叮里分别跑三条路径，再对照上架位、详情页和客服答疑去判断哪条路该留下。

图注：同一张商品图先拆成三条修图路径

基础事实：商品图不是一张照片，而是一组购买证据

商品图看起来只有一个画面，实际承担了三件事。第一，证明商品存在，轮廓、比例、颜色和材质不能漂。第二，证明规格可信，标签、孔位、接口、刻字、尺码线这些细节不能被修没。第三，证明使用场景成立，背景、阴影和道具不能抢走商品本身。

团队实际经验里，最容易出问题的不是大面积背景，而是 3 类小区域：边缘、标识、接触面。边缘决定商品是不是被抠坏；标识决定买家能不能核对规格；接触面决定商品是否真的放在桌面、手上或包装里。2026 年 5 月的多篇商品图复盘都反复出现这个现象：图面干净了，证据却变薄了。

所以第一层事实很简单：修图不是把噪点全部抹掉，而是决定哪些信息该减少，哪些信息该保留，哪些信息该重新组织。旧文里讲过AI 修图前后对比不能只看好不好看，原因就在这里。前后对比如果只看亮度和干净程度，就会漏掉商品证据是否还成立。

第一条路径：清理瑕疵，只适合证据已经稳定的图

清理路径适合原图本身已经拍清楚，只是有灰尘、轻微污点、背景杂物或局部曝光不均。图叮在这条路径里要做的事，是把干扰项减掉，不去重写商品结构。

真实项目脱敏后看，一批 48 张常规白底图里，最适合先走清理路径的，往往是包装盒、杯具、日化瓶、标准配件这类结构清楚的商品。你可以让图叮先处理背景脏点、轻微划痕和无关反光，再回看商品边线是否还贴着原始轮廓。这里的验收语句要短：背景可清、主体边线不可改、标识不重绘。

清理路径的边界也很硬。只要原图里有型号字、接口、刻度、证书、包装日期、二手痕迹，就不能把“清理”理解成“恢复出厂”。二手商品、工业品、母婴用品和食品包装尤其要谨慎。它们卖的不是无瑕感，而是可核对。

这条路径的好处是快，风险是团队容易上瘾。看见一键变干净，就想把所有细节都磨平。摄影棚里老镜头的划痕可以修，镜头焦段刻字不能修；商品图里桌面灰尘可以修，接口方向不能修。道理一样。

第二条路径：保护证据，适合售后风险高的商品

保护路径不是少修，而是先把不能动的区域圈出来。图叮在这条路径里更像一个分区工具：禁改区、可清理区、可重建区先分开，再让 AI 处理局部。

内部复盘常把证据分成 4 组：规格证据、材质证据、使用证据、售后证据。规格证据是型号、尺寸、端口、刻度；材质证据是纹理、反光、缝线、镀层；使用证据是接触阴影、磨损位置、安装方向；售后证据是序列号、保卡、防伪码、包装封口。这个分组不复杂，但能阻止团队把所有问题都丢给“修干净”。

图注：型号、接口和接触阴影先圈为保护区

举个可复跑的实验：把同一张商品图先复制成 A、B、C 三版。A 版只标禁改区，不跑修图；B 版只清理背景；C 版在图叮里做局部重绘。10 分钟后对照三版，看哪一版最能回答买家的核心疑问。这个数据是示意，不当作真实项目指标；它的价值在于训练团队的判断顺序。

如果图里有低像素问题，还要先判断放大和精修的顺序。这里可以接着看旧文AI 修图先放大还是先精修。低像素图不是一律先放大，标签和纹理已经糊掉时，盲目放大会把错误也放大。

第三条路径：重做场景，只有在商品证据已锁定后才值得做

重做场景最容易让人误判。背景一换，图面立刻高级，但商品是不是还可信，要另算账。

图叮适合把重做场景放在第三步，而不是第一步。先保住主体，再换背景；先确认比例，再加道具；先检查接触阴影，再扩大画面。这个顺序看着慢，实际省返工。团队实际经验里，很多场景图失败不是模型画不出漂亮背景，而是商品被放进了不合适的比例关系里：小家电像玩具，五金件像摆件，透明材质像一块没有重量的塑料片。

重做场景可以服务三类任务。第一类是详情页首屏，需要商品和场景同时说明卖点；第二类是社媒封面，需要强一点的氛围，但不能把商品功能藏起来；第三类是套图统一，需要同款商品在不同背景里保持角度和色温一致。旧文GPT Image 2 的 3 种典型工作流讲过 AI 出图、PS 精修和批量交付的接法，这里可以当作后续扩展阅读。

但要记住，重做场景不是给商品换一件华服。它的底线是：新场景必须解释商品，不是替商品说谎。玻璃杯可以进厨房台面，不能凭空多出容量刻度；户外灯可以放到露营桌上，不能把防水等级标识抹掉；工具包可以放在车库里，不能让套装件数变多。

路径选择表：先问交付目标，再选修图动作

把三条路径放在一张表里，判断会清楚很多。

图注：三条修图路径对应目标、动作和风险

交付目标	优先路径	图叮里先做什么	最容易犯的错
主图干净上架	清理瑕疵	去灰尘、去杂物、稳边线	把真实材质一起磨平
降低售后争议	保护证据	标禁改区、保留型号和接触面	把证据当成瑕疵删掉
做详情页氛围	重做场景	先锁主体，再换背景和阴影	背景好看但商品失真

这张表不是固定答案。它更像进图叮前的验光单：先测清楚问题，再开镜片。要是团队只问“这张图能不能更好看”，AI 会把方向理解成修饰；如果团队问“这张图要证明什么”，AI 才有机会变成交付工具。

边界条件：没有原图证据时，别把实验当结论

这个实验有一个边界：原图本身已经丢失关键信息时，图叮也不该替商品补不存在的事实。标签拍糊了，不能靠 AI 猜；接口被遮住了，不能让模型画一个顺眼的接口；包装封口看不清，不能把它修成全新未拆。

遇到这类图，正确路径不是清理、保护或重做场景，而是补拍、补资料、补验收说明。要我说，修图最好的状态不是让人看不出修过，而是让买家更容易看清商品本来该被看清的地方。天气不好时，山不该被画出来；证据不够时，商品也不该被 AI 编出来。