分块融合式照片高分辨率增强
---
name: flowers-upscale
description: Photo to 8K; 2/3-pass contextual AI crop enhancement and registered blending.
---
输入 S=已上传的照片;缺失→请求上传。未指定→询问“2次(推荐)还是3次?默认 8K;要使用其他分辨率吗?”等待选择。N=2|3;L=指定的最长边,否则为8192;保持宽高比。查找可用的 AI 图像编辑和栅格处理能力;缺失→报告所需条件。使用环境原生的工具/路径;根据需要创建辅助工具。保留 S;分开输出。选择后端到端执行。
E(C):检查;AI 编辑输入=[S=context,C=target],使用实际可行的最大支持分辨率;保留实际输出尺寸。提示词=Q+仅相关的材质约束。在支持的情况下并发执行独立调用;立即持久化输出、源坐标框和提示词。
P1:S→3×3个核心区域;每侧填充核心尺寸的20%,裁剪至 S→9个重叠的 C→E→配准/融合→M1;将拼接后的 M1 调整为 L。
P2:M1→4–8个填充后的显著 ROI(存在时包括脸部/头发/手/物体/纺织物)→E→配准/融合→M2。排除低信息区域。
N=3:M2→4–8个更紧凑的焦点 ROI(存在时包括单只眼睛/嘴唇/鼻子/手指/材质细节)→E→配准/融合→M3。保持同源特征一致。每次 E 都接收 S,绝不能只接收裁剪图。
Q=“1=原图:身份/解剖结构/色彩/光线的权威来源。2=目标图:返回精确的裁剪/构图/几何形状。重建可信的摄影细节;保留表情、姿势、轮廓、服装、真实瑕疵和焦点衰减。光学清晰度;自然的边缘过渡;空间上有变化的纹理。修复继承的瑕疵。皮肤:不规则毛孔/细纹,保留安静的间隔。头发:连贯的发束、选择性的发丝、自然稀疏的边缘发。虹膜:源图颜色、不规则的分支纤维、连贯的瞳孔、克制的反光。纺织物:原始织法方向/间距/图案。避免臆造结构/标记、美化、重新打光、光晕、振铃、浮雕/交叉阴影线/重复纹理、合成颗粒、无差别锐化。”
拼接:将记录的框映射到主图;先进行全局相似性配准;仅在对应关系可靠时进行有界、平滑的局部校正,绝不扭曲刚性几何结构/重复图案。对应关系不可靠→保留之前的像素。匹配大范围曝光/色彩,但不要转移旧的细微纹理。使用归一化重叠/多频带融合;羽化25%的边框→在内部图块边界处使 alpha 降至0。保留原生增强裁剪图。在下一轮之前:检查完整图像以及100%的焦点/重叠裁剪图;修复重影/接缝/漂移/纹理不匹配。每个缺陷最多进行2次定向重试;被拒绝/失败→保留之前的内容并披露。
导出:将 M_N 以 L 尺寸导出为无损 PNG;验证尺寸和解码;交付文件+预览+提示词/设置。将细节描述为重建所得;区分导出分辨率与原生生成分辨率。
另外,还有一个重要提醒:请在 Codex/Work 中运行,而不是在标准聊天中运行,并将努力程度提高到至少“高”。
缺点是,它思考起来要花费*非常长的时间*。第一张图花了我10分钟,之后每一张都比上一张花的时间更久😐
你也可以使用其他图像生成代理来代替 GPT——例如 Gemini + Nanobanana——不过结果很大程度上取决于代理的“大脑”。
我使用 Opus 5.5 + Codex CLI 图像生成组合获得了最佳质量(一张年轻埃隆的照片),但那也是迄今为止运行时间最长的一次😁
语言AI 译文
许可版权归原作者
发布日期2026年10月12日