模型
BiRefNet、Moebius、VOSR 與 DDColor：四個逆問題，四種失敗方式
影像修復 / 專案模型比較
影像修復 / 專案模型比較
© 2026 TelkNet. 保留所有權利。
影像專家模型
摳圖最佳化的是邊界與 alpha;補全在遮罩內生成;超解析度在低解析度條件與細節先驗之間取捨;上色則在亮度固定下預測色度。
摳圖目標可能組合 L_mat=λ₁L_BCE+λ₂L_IoU+λ₃L_edge;遮罩生成遵循 x_out=(1-m)⊙x+m⊙G(x,m);VOSR 則提供低解析度保真與生成細節之間可控制的取捨。
BiRefNet 預測前景機率與邊界,Moebius 填補遮罩區域,VOSR 從低解析度觀測生成高頻細節,DDColor 估計色度。RGBA、補全、超解析度與上色無法共用同一個品質分數。
Moebius 的 15× 數字對應論文中標明的硬體與基線;VOSR 的多步與單步模型也代表不同的成本與品質取捨。某個專家模型的速度或分數,無法用來斷定它在另外三種任務上的表現。
摳圖、補全、超解析度與上色都吃影像,但最佳化的目標不同。BiRefNet 預測前景邊界,Moebius 填補或重繪區域,VOSR 還原細節,DDColor 估計色彩。把四者統稱為「增強」,反而掩蓋了哪些像素可以被更動。
專家模型的好處在於契約明確:摳圖應保留 RGB,補全可以在遮罩內生成,放大必須控制紋理幻覺,而上色本質上就不是唯一解。同一個工作台可以統一 I/O 與任務流程,驗收標準仍各自獨立。
ŷ=T_task(x,m,c), task∈{matte,inpaint,restore,colorize}x來源影像m可選遮罩c文字或任務條件BiRefNet 預測前景與 alpha,Moebius 接收遮罩與可選文字,VOSR 重建高解析度細節,DDColor 估計色度。這個式子刻意按任務編號;它不假裝四者共用同一個損失。
摳圖稽核邊緣與半透明;補全稽核遮罩接縫;修復稽核憑空生出的紋理;上色稽核合理的色度。單一的清晰度分數會把這些失敗全部藏起來。
論文、程式碼與權重可循 BiRefNet / Moebius / VOSR 追查。
每一列保留各自的來源架構、指標或任務定義;沒有共同協議的結果維持各自獨立。
| 模型 | 架構或證據 | 適用範圍 |
|---|---|---|
| BiRefNet | 前景 alpha 或遮罩 | 邊緣、孔洞、透明度 |
| Moebius | 遮罩內生成 | 接縫、語意、透視 |
| VOSR / DDColor | 細節還原 / 色彩估計 | 紋理幻覺 / 多重解 |
BiRefNet 需要頭髮、玻璃與動態模糊邊緣;Moebius 需要接縫、透視與重複結構;VOSR 必須分辨可還原的紋理與虛構的文字;DDColor 必須承認多種合理色彩的存在。
縮放核心、色彩空間、壓縮與 alpha 預乘都要保持恆定。否則光暈與銳利度的差異可能來自 I/O,而非網路本身。
上色與遮蔽修復無法還原唯一的歷史事實;修復後的檔案影像應標示為詮釋性成果。
生成的微小文字、紋理與人臉並非原圖的證據,不能用來支撐鑑識或身分主張。
模型名稱、數字與限制可追溯至下列論文、儲存庫或模型卡。