想象你是导演，请来一位天赋很好却很没主见的画师。你口述剧本：“画一只在月光下散步的狐狸。”他确实画出了狐狸和月光，但构图永远居中、色调永远发灰，画面像超市标签一样标准又无聊。这就是只用文字生成图片时的“抽卡感”。于是 ControlNet 出现了，它是一套指令卡片：Canny 卡片是线稿，Depth 卡片是层次，而今天的主角 Reference 卡片最轻巧——你只要递给他一张样张，一张你钟爱的色调、光影、构图的参考图，他在下笔前会反复端详，记住那股“气韵”，再落笔。参考图不是用来描红的，而是用来统一气质：色彩倾向、光影氛围、构图重心，全都跟着样张走。这就是 Reference 参考图控制模式。这篇文章会用“画师样张”这个比喻，带你搞懂它的原理、参数、与线稿模式的差异，以及实战技巧。

岗位关联

学懂 Reference 参考图控制，你就能用一张参考图让 AI 稳定产出统一风格的作品，告别随机抽卡，把创作效率提升一个量级——这是 AIGC 从业者必须掌握的“风格定海神针”。

目录
  1. 可视化演示
  2. Reference模式简介
  3. 核心机制解析
  4. 参数配置指南
  5. 对比Canny控制
  6. 风格迁移应用
  7. 实战技巧策略
  8. AI 应用场景
  9. Python 演示
  10. 常见误区
  11. 面试题

可视化演示

展示ControlNet Reference模式的三步流程：输入参考图→提取风格特征→引导AI生成风格一致的精确图像。

本节配有交互动效（进入视口后自动加载，约 3KB）。

参考图输入：风格源 上传参考图作为风格和构图引导源 无需线稿即可精确控制AI绘画输出 Reference模式告别随机抽卡，实现风格可控创作

Reference模式简介

把 Stable Diffusion 想象成一位天赋不差、但耳朵有点“懒”的街边画师。你告诉他“画一只在月光下散步的狐狸”，他确实能画出一只狐狸、一片月光，但构图总是居中、色调总是发灰，画面像超市标签一样平平无奇。你描述得再详细，他也只能从大脑词库里拼一个“标准答案”。这就是许多新手第一次用文生图时感受到的“抽卡感”：不是画师手笨，是没有看得见摸得着的参照物。

ControlNet 就是给这位画师定制的一套“指令卡片”。卡片的种类决定了控制怎么下：Canny 卡片是一张黑白线稿，画师必须把每一笔压在线稿内；Depth 卡片标注了前后远近，画师按层次作画。而我们今天的主角 Reference 卡片最轻巧——你只需要贴一张参考图，在旁边写一句“照着这个气韵来”。它不让画师描红，而是让画师先读懂样张的气质，再自主发挥。

在 ControlNet 家族中，Reference 是少有的“不需要额外制作结构图”的模式。它直接读取参考图的整体特征，包括色彩分布、光影氛围、构图重心，并将这些特征编码成引导条件，嵌入到 Stable Diffusion 的去噪过程中。换句话说，你不需要会画线稿、不需要做深度图，只靠一张满意的样图就能控制生成方向。生成结果可以概括为：

一句话：Reference 模式的核心是“样张定神韵”。样张选得准，画师的神韵就跟着走；只靠嘴描述，便只能听天由命。这正是 Reference 与普通文生图的分水岭。

Iout=G(z, ptext, E(r))\displaystyle I_{\text{out}} = \mathcal{G}\bigl(z,\ p_{\text{text}},\ \mathcal{E}(r)\bigr)
公式通俗说明：最终画面由三样东西共同作用产生：白纸状态的随机噪声、你对画师的口头描述、以及从参考图中提炼出的“风格小抄”。
  1. 随机种子每次作画重新抽一张白纸，白纸的纹路不同，成图细节也会不同。
    z∼N(0, I)\displaystyle z \sim \mathcal{N}(0,\, I)
  2. 提示词向量你的口头描述被翻译成画师能懂的指令向量。
    ptext∈Rdtext\displaystyle p_{\text{text}} \in \mathbb{R}^{d_{\text{text}}}
  3. 参考特征提取画师端详样张，把色彩、构图等信息浓缩成一条小抄。
    c=E(r)\displaystyle c = \mathcal{E}(r)
  4. 生成模型合成画师攥着小抄、听着描述，在白纸上完成最终画面。
    Iout=G(z, ptext, c)\displaystyle I_{\text{out}} = \mathcal{G}(z,\, p_{\text{text}},\, c)

核心机制解析

画师拿到样张，并不会把样张打印出来照着描。他会盯着看一阵，心里默默记下几件事：“整体色调偏冷”“亮部集中在左上角”“主体大概在右侧三分线附近”。你不需要把这些说出来，他自己会拆解。这个动作，在技术上叫“特征提取”。

Reference 模式先把参考图送入特征编码器，得到一组风格特征，然后在 UNet 去噪的各个阶段，通过注意力机制与自适应归一化把特征注入生成过程。你可以把 UNet 理解为主画师的工作台，去噪是画师从一团雾中逐步擦出清晰画面的过程。

ControlNet 论文对这类结构给出一个通用的数学描述：主模型用自己的思路画出画面 $F(x;\theta)$，控制分支结合参考图给出另一个版本 $F_c(x_{\text{ref}};\theta_c)$，两者再通过一个“零初始化的音量旋钮” $Z$ 混合：

所以 Reference 模式并不是拿参考图当模板凑像素，而是把样张的“气质”编码成一张无形的约束网，让画师在网内自由运笔。这也是它比线稿模式更灵活的根本原因。

yc=F(x;θ)+Z⋅(Fc(xref;θc)−F(x;θ))\displaystyle y_c = F(x;\theta) + Z \cdot \bigl(F_c(x_{\text{ref}};\theta_c) - F(x;\theta)\bigr)
公式通俗说明：生成特征 = 画师原本的构想 + 一个从 0 开始学起来的音量旋钮所放大的“参考图理解偏差”。训练开始时 $Z$ 输出几乎为 0，画师手艺不受破坏；训练逐步打开音量，参考信息才真正影响画面。
  1. 主模型特征画师按照提示词本能画出的当前画面特征。
    F(x;θ)=Φunet(xt, t)\displaystyle F(x;\theta) = \Phi_{\text{unet}}(x_t,\, t)
  2. 控制分支特征控制分支看着参考图小抄，对同一画面状态给出的另一种解读。
    Fc(xref;θc)=Φcontrol(E(r))\displaystyle F_c(x_{\text{ref}};\theta_c) = \Phi_{\text{control}}\bigl(\mathcal{E}(r)\bigr)
  3. 零初始化卷积一个音量从 0 开始学习的调节层，避免一开始就干扰画师。
    Z=Conv⁡zero-init(⋅)\displaystyle Z = \operatorname{Conv}_{\text{zero-init}}(\cdot)
  4. 最终输出特征混合后的特征进入下一层去噪，逐步画出带着样张气韵的画面。
    yc=F+Z⋅(Fc−F)\displaystyle y_c = F + Z\cdot(F_c - F)

参数配置指南

小抄贴得太近，画师会忍不住照着描红，把样张变成复读机；小抄离得太远，又被一阵风吹走，画师立刻回到自己的老习惯。所以真正的高手，不是让小抄越醒目越好，而是让小抄在合适的时间、以合适的浓度出现。

在 ControlNet 的界面里，这个浓度叫“控制权重”，这个时间窗口叫“起始步/结束步”。权重控制参考特征对每一步去噪的修正力度；步数窗口则控制参考信息参与的时间段。比如只在前半程生效，后半程让画师自由发挥，可以保留参考风格的同时避免构图僵化。

把每一步生成看作基础特征与参考特征的按比例混合：

调参的本质，就是和画师反复确认“你听样张多一些，还是听自己的工艺多一些”。记住这句话，参数面板就再也不是迷宫了。

Ffinal=(1−w)⋅Fbase+w⋅Fref,0≤w≤1\displaystyle F_{\text{final}} = (1 - w)\cdot F_{\text{base}} + w \cdot F_{\text{ref}},\qquad 0 \le w \le 1
公式通俗说明：$w$ 是“样张小抄的醒目程度”。$w=0$ 时小抄藏起来，画师全凭提示词发挥；$w=1$ 时小抄糊在眼前，画师几乎只画样张，提示词内容被边缘化。
  1. 基础特征画师没看小抄时的本能一笔。
    Fbase=Φunet(xt, t, ptext)\displaystyle F_{\text{base}} = \Phi_{\text{unet}}(x_t,\, t,\, p_{\text{text}})
  2. 参考特征小抄上关于样张气韵的提醒。
    Fref=E(r)\displaystyle F_{\text{ref}} = \mathcal{E}(r)
  3. 混合公式用权重把两者按比例调和。
    Ffinal=(1−w) Fbase+w Fref\displaystyle F_{\text{final}} = (1-w)\,F_{\text{base}} + w\,F_{\text{ref}}

对比Canny控制

如果 Reference 是递样张让画师领悟神韵，那 Canny 就是直接把铅笔稿拍在桌上：“这一笔，必须落在我的线上。”线稿模式下，画师更像一个小心翼翼的填色工人，自由度低，但结构稳定。

为什么两者差异这么大？Canny 会先用边缘检测算子把参考图提炼成一张黑白线稿，再把它作为刚性条件喂给生成模型；Reference 则跳过了边缘提炼，直接做全局特征匹配。一个锁“骨架”，一个锁“气质”。

从目标函数看，二者对“什么叫效果好”的定义也完全不同。Reference 并不要求成图的边缘对齐样张，而是追求风格与内容的平衡：

Canny 像“紧身衣”，穿上后动作被锁死；Reference 像“参考装”，穿上后只统一气场。想要姿态分毫不差就选 Canny，想要换风格、换色调，还是 Reference 更能施展。

Lref=λ⋅Lstyle(xout, r)+(1−λ)⋅Lcontent(xout, ptext)\displaystyle \mathcal{L}_{\text{ref}} = \lambda \cdot \mathcal{L}_{\text{style}}(x_{\text{out}},\, r) + (1-\lambda)\cdot \mathcal{L}_{\text{content}}(x_{\text{out}},\, p_{\text{text}})
公式通俗说明：总目标 = $\lambda$ 比例的风格贴合 + $(1-\lambda)$ 比例的内容贴合。$\lambda$ 在拉动天平：往参考图歪，还是往提示词歪。
  1. 风格损失衡量成图与样张在配色、光影、质感上的差距。
    Lstyle=dist(Ψ(xout),  Ψ(r))\displaystyle \mathcal{L}_{\text{style}} = \mathrm{dist}\bigl(\Psi(x_{\text{out}}),\; \Psi(r)\bigr)
  2. 内容损失衡量成图是否符合你想要的“主体和动作”。
    Lcontent=dist(Ψimg(xout),  Ψtext(ptext))\displaystyle \mathcal{L}_{\text{content}} = \mathrm{dist}\bigl(\Psi_{\text{img}}(x_{\text{out}}),\; \Psi_{\text{text}}(p_{\text{text}})\bigr)
  3. 平衡系数$\lambda$ 是样张与提示词之间的天平砝码。
    λ∈[0,1]\displaystyle \lambda \in [0, 1]

风格迁移应用

画师一旦学会看样张，你立刻会发现一个宝藏用法：同一只狐狸，你递一张梵高的样张，它就笔触粗犷、色彩浓烈；递一张水墨画样张，它就淡雅写意、留白疏朗。你不需要重写提示词，只需要换样张。

这就是 Reference 在真实工作中最值钱的地方——风格迁移与风格一致性。电商海报要统一品牌调性、漫画要连载统一画风、IP 形象要换姿势不换气质，都依赖这套“换样张不换内容”的能力。

如何衡量风格是否学到位？可以在特征空间中算余弦相似度：

风格迁移的本质，是让样张的气韵成为生成图的气质底色。Reference 正是那根把零散作品串成系列的隐形红线。

sim⁡(xout, r)=⟨ϕ(xout), ϕ(r)⟩∥ϕ(xout)∥⋅∥ϕ(r)∥\displaystyle \operatorname{sim}(x_{\text{out}},\, r) = \frac{\langle \phi(x_{\text{out}}),\, \phi(r) \rangle}{\lVert \phi(x_{\text{out}}) \rVert \cdot \lVert \phi(r) \rVert}
公式通俗说明：把成图和样张分别压缩成“指纹向量”，再看两个指纹朝向是否一致。夹角越小，说明风格越像。
  1. 特征映射把图像变成一串可比较的数字指纹。
    ϕ(⋅): image→Rd\displaystyle \phi(\cdot):\ \text{image} \to \mathbb{R}^{d}
  2. 余弦相似度比较两个指纹的方向是否一致。
    cos⁡θ=a⋅b∥a∥ ∥b∥\displaystyle \cos\theta = \frac{a\cdot b}{\lVert a\rVert\,\lVert b\rVert}
  3. 一致性阈值当相似度稳定高于某个阈值，系列作品就有了“同一师门”的味道。
    sim⁡(xout, r)≥τ\displaystyle \operatorname{sim}(x_{\text{out}},\, r) \ge \tau

实战技巧策略

但样张不是随便挑的。你递给画师一张过曝的照片、一张主体乱成一团的街拍，再厉害的读图能力也只能学出“混乱”。所以，选样张本身就是第一道手艺。

实战中总结出几条心法：参考图要清晰、主体明确、风格倾向突出；提示词里不要重复描述参考图已有的风格，否则画师会被两套指令拉扯；负面提示词用来过滤水印、模糊、畸形这些常见干扰；需要多图融合时，把一张图的声音压到 70%、另一张压到 30%，就会得到一个“七分 A 风、三分 B 风”的混合气质。

多图融合的数学本质，是给每张参考图的特征向量分配一个发言权重：

最后记住一句话：选样张定上限，提示词定内容，参数定力度。三样配合好，画师才能真正“指哪打哪”。

Fblend=∑i=1nαi⋅E(ri),∑i=1nαi=1\displaystyle F_{\text{blend}} = \sum_{i=1}^{n} \alpha_i \cdot \mathcal{E}(r_i), \qquad \sum_{i=1}^{n} \alpha_i = 1
公式通俗说明：最终小抄 = 每张参考图小抄的加权平均。$\alpha$ 是每张样张在画师心里的分量。
  1. 单张编码每张样张先被压缩成同样长度的风格向量。
    ei=E(ri)\displaystyle e_i = \mathcal{E}(r_i)
  2. 加权混合按权重把各张风格向量合成一份融合小抄。
    Fblend=∑iαi ei\displaystyle F_{\text{blend}} = \sum_i \alpha_i\, e_i
  3. 归一化约定所有权重加起来等于 1，保证混合后的风格浓度不失控。
    ∑iαi=1\displaystyle \sum_i \alpha_i = 1

AI 应用场景

电商品牌视觉统一

阶段：风格控制与图像生成

解决的问题：电商详情页常需要多张不同产品的海报，传统做法是逐个调 prompt，每张色调、光影都不一样，品牌感破碎。Reference 模式给每张图配一张“品牌调性样张”，让所有产品图共享同一套光影与配色逻辑。

具体案例：某美妆品牌给 30 款口红做宣传图。设计师把一张“高级磨砂玻璃质感 + 温暖侧光”的样图作为参考，30 款产品在同一套气质下生成，出图效率从一天缩短到两小时。

漫画 IP 姿势图批量复用

阶段：角色一致性控制

解决的问题：漫画或虚拟偶像需要同一个角色摆出不同姿势，如果每次都重新描述角色长相，每张脸都不像。Reference 用一张“角色设定图”锁定整体特征，提示词只写姿势和动作，角色气质就能稳定延续。

具体案例：一位独立漫画作者用角色正脸设定图作为参考，连续生成角色坐下、转身、奔跑等 20 张分镜图，发型、瞳色、服装色块保持一致。

建筑室内设计意向方案

阶段：方案风格探索

解决的问题：设计师为客户找意向图时，客户常常说“感觉不错，但换个户型呢”。传统做法是重新找图或手动 PS，效率极低。Reference 让“换户型不换气质”成为可能。

具体案例：室内设计师用一张侘寂风客厅作为参考图，输入不同户型描述，生成十几张同风格变体供客户挑选，提案效率翻倍。

Python 演示

python38 行
import numpy as npfrom PIL import Image def extract_hist_features(img, bins=256):    arr = np.asarray(img.convert("RGB"))    hists = []    for c in range(3):        hist, _ = np.histogram(arr[..., c], bins=bins, range=(0, 255))        hists.append(hist / hist.sum())    return np.concatenate(hists) def match_channel(src_ch, tgt_ch):    src_flat = src_ch.flatten().astype(np.uint8)    tgt_flat = tgt_ch.flatten().astype(np.uint8)    src_hist, _ = np.histogram(src_flat, bins=256, range=(0, 255))    tgt_hist, _ = np.histogram(tgt_flat, bins=256, range=(0, 255))    src_cdf = np.cumsum(src_hist) / src_hist.sum()    tgt_cdf = np.cumsum(tgt_hist) / tgt_hist.sum()    table = np.interp(src_cdf, tgt_cdf, np.arange(256)).astype(np.uint8)    return table[src_flat].reshape(src_ch.shape) def apply_reference_style(base, ref, strength=0.7):    base_arr = np.asarray(base.convert("RGB"))    ref_arr = np.asarray(ref.convert("RGB"))    matched = np.stack([        match_channel(base_arr[..., c], ref_arr[..., c])        for c in range(3)    ], axis=-1)    blended = (1 - strength) * base_arr + strength * matched    return Image.fromarray(blended.astype(np.uint8)) if __name__ == "__main__":    base = Image.open("base.png").resize((512, 512))    ref = Image.open("reference.png").resize((512, 512))    out = apply_reference_style(base, ref, strength=0.6)    out.save("output_reference_style.png")    feats = extract_hist_features(ref)    print("参考图风格特征维度:", feats.shape)
目的：用直方图匹配实现一个极简版的“参考风格注入”——把参考图的全局色调分布映射到基础图上，模拟 Reference 特征约束的核心思想。
  1. def extract_hist_features(img, bins=256):对应“参考特征提取”：统计每个颜色通道的直方图，把参考图的全局色调变成量化向量。
  2. src_cdf = np.cumsum(src_hist) / src_hist.sum()计算累计分布，这是“让画师读懂样张色调分布”的桥梁。
  3. table = np.interp(src_cdf, tgt_cdf, np.arange(256))构建查色表，把基础图的像素映射到参考图的色调空间。
  4. matched = np.stack([match_channel(base_arr[..., c], ref_arr[..., c]) for c in range(3)], axis=-1)逐通道完成色调对齐，相当于画师把样张的“色谱笔记”应用到每一笔。
  5. blended = (1 - strength) * base_arr + strength * matched用权重 strength 混合原图与匹配结果，对应正文里的权重混合公式。

常见误区

误区很多人以为 Reference 就是把参考图“复制粘贴”到生成里，所以参考图越接近想要的结果越好，最好直接拿一张成品图当参考。

正解Reference 提取的是“特征”而不是“像素”，它学的是色调、光影、构图气质。参考图清晰确实利于特征提取，但权重过高时它反而开始描红，画面结构被复制、提示词内容被牺牲。它扮演的是“样张”，不是“母版”。

为何常见：因为“参考图”这个词天然让人想到“照着画”，而控制术语（权重、特征注入）又太抽象，新手容易从直觉出发。

误区把控制权重从 0.5 一路加到 1.5，认为控制越强画面就越符合参考图。

正解权重过大时，参考特征会压制提示词和模型本身的先验，成图可能出现构图复制、面部崩坏或画面发灰。真实工作流往往从 0.6～0.8 起步，再结合 start/end 步数缩小参考特征的作用窗口，才能达到“风格在、变形少”的平衡。

为何常见：很多调参示例都鼓励“加大力度”，新手条件反射地拉满滑块，忽略了风格与内容此消彼长。

误区既然 ControlNet 有 Canny 模式要先抽线稿，Reference 是不是也得先把参考图转成边缘图、深度图或者素描图？

正解Reference 不需要任何管线预处理。它直接吃原图整体特征。强行转成线稿反而会丢失色调与光影信息，让风格控制退化。它和 Canny、Depth 的“预处理管线”完全处于两条技术路线。

为何常见：ControlNet 家族多以“预处理图＋模型”形式出现，新手很容易把某种模式的流程套用到所有模式上。

误区反正都是 ControlNet 控制，用哪张图当条件都一样，Reference 做不到的用 Canny 补上就行。

正解两者约束的对象完全不同。Canny 以边缘损失为核心，目标是让成图的线与线稿对齐；Reference 以风格与内容平衡为核心，不关心边缘是否重合。想让角色姿势精确到肢体，用 Canny；想换一种画风和色调，用 Reference。混用二者可以是高级技巧，但前提是明白它们在锁住不同东西。

为何常见：因为下游产物都是“一张条件图”，新手只看到输入输出的形状相同，没看见约束的数学本质不同。

误区把参考图里的颜色、物体写进 negative prompt，以为“拒绝其他风格”会让模型更贴合参考图。

正解负面提示词是告诉画师“别画什么”，它减少干扰项，但不能增加参考特征的强度。风格贴合度由控制权重、步数窗口和参考图本身质量决定。负面词写得再多，也无法替代 Reference 的特征注入。

为何常见：负面提示词在 SD 出图中是万能咒语般的存在，新手容易高估它的作用边界。

面试题

Q1. Reference 模式中驱动生成的核心控制信息来自哪里？

单选题 · easy

  • A.参考图的风格与构图特征← 正确答案
  • B.参考图的边缘检测线稿
  • C.参考图被缩略后的缩略图
  • D.参考图文件名中的关键字

答案：A。Reference 模式提取的是参考图的整体风格与构图特征，而不是线稿、缩略图或文件名。它像画师看样张一样读取“气韵”，所以选 A。

Q2. Reference 特征注入生成过程的方式是？

单选题 · mid

  • A.把参考图贴进最终图像角落
  • B.以边缘损失逐像素强制对齐
  • C.通过注意力与归一化注入特征← 正确答案
  • D.只在最后一步替换输出像素

答案：C。Reference 在 UNet 去噪各阶段通过注意力机制与自适应归一化把参考特征注入生成流程，而不是粘贴图片或只在最后一步替换。它是对全局气韵的持续约束，不是对像素的生硬修改。

Q3. 控制权重从 0.4 调到 0.9，最可能发生什么？

单选题 · mid

  • A.生成图更贴参考图风格← 正确答案
  • B.生成速度提升一倍上下
  • C.参考图被自动裁剪丢弃
  • D.提示词内容权重自动翻倍

答案：A。权重调大相当于小抄更醒目，画师会更贴近样张的风格，但也容易复制构图、弱化提示词内容。生成速度、参考图裁剪与提示词权重都不会因此自动变化。

Q4. 以下哪些属于 Reference 常见调节手段？

多选题 · mid

  • A.调节控制权重← 正确答案
  • B.设定起止步数← 正确答案
  • C.修改模型文件名称
  • D.融合多张参考图像← 正确答案

答案：ABD。控制权重决定风格浓度，起止步数决定参考特征作用时段，多图融合可以把多张样张按权重混合。修改模型文件名与生成效果无关。

Q5. Reference 与 Canny 最本质的区别是什么？

单选题 · mid

  • A.一个保风格一个保结构← 正确答案
  • B.Reference 必须使用线稿
  • C.Canny 输出一定更清晰
  • D.两者技术路线完全相同

答案：A。Reference 约束的是风格与整体构图气质，Canny 约束的是边缘结构。B、C、D 都与事实不符：Reference 不需要线稿，Canny 也不保证更清晰，二者技术路线完全不同。

Q6. 生成图与参考图风格余弦相似度接近 1 说明什么？

单选题 · hard

  • A.风格特征方向高度一致← 正确答案
  • B.两张图片完全相同
  • C.提示词内容控制失效
  • D.生成过程已经结束

答案：A。余弦相似度衡量特征向量方向的一致性，接近 1 表示成图与参考图在风格特征空间中方向高度一致，但并不代表像素相同，也不说明提示词失效或生成结束。

Q7. 关于多参考图融合，哪些说法正确？

多选题 · hard

  • A.每张图先编码成风格向量← 正确答案
  • B.融合权重需要满足归一化← 正确答案
  • C.权重越大影响效果越弱
  • D.一张管色调一张管构图← 正确答案

答案：ABD。多图融合先把每张样张编码为风格向量，再按归一化权重加权混合；实际使用中常用一张管色调、一张管构图。权重越大影响越强，C 说反了。

Q8. Reference 相比 Canny 的显著优势是什么？

单选题 · easy

  • A.省去线稿制作直接给样图← 正确答案
  • B.从此不需要任何提示词
  • C.可以精确控制每一根线条
  • D.适合批量复制同一个线稿

答案：A。Reference 不需要线稿预处理，直接给一张参考图即可。它不擅长逐线控制，也不能完全替代提示词；C 是线稿类控制的特点，D 也不是 Reference 的典型用法。

Q9. 在 $\mathcal{L}_{\text{ref}} = \lambda \mathcal{L}_{\text{style}} + (1-\lambda)\mathcal{L}_{\text{content}}$ 中，$\lambda$ 从 0.3 调到 0.9 会怎样？

单选题 · extreme

  • A.生成图更重参考风格、轻内容← 正确答案
  • B.提示词内容得到更强强调
  • C.输出图像尺寸自动翻倍
  • D.参考图会被自动放大处理

答案：A。$\lambda$ 是风格与内容的天平砝码，$\lambda$ 增大意味着总损失更侧重风格贴合，参考图对生成的影响更强，提示词内容权重相对下降。图像尺寸与参考图缩放都与 $\lambda$ 无关。

Q10. 实战中提升 Reference 控制效果的有效做法有哪些？

多选题 · easy

  • A.选择清晰明确的参考图← 正确答案
  • B.反复描述相同风格加强
  • C.加入负面词过滤干扰← 正确答案
  • D.用过曝照片当参考图

答案：AC。清晰的参考图让特征提取更准确，负面提示词能过滤水印、模糊等干扰。在提示词里重复描述风格会两面打架，过曝照片则会给画师造成混乱的色板，都不是好做法。