NVIDIA 推出三圖示例編輯器 LoRAWeave：給一對前後對比圖，精準克隆修圖風格

想讓 AI 把一張照片修成特定風格，最折磨人的地方往往不是生成本身，而是怎麼跟模型溝通。寫一長串「吉卜力風、細膩水彩、柔和光影」的提示詞，模型抽出來的圖還是可能跟你預想的差了十萬八千里。

NVIDIA 提出了一套叫 LoRAWeave 的影像編輯方案。它的思路很直接：既然文字說不清楚，那乾脆別說了，直接做個示範給它看。

不用打字，給兩張圖當「例題」

一般的參考圖編輯通常只給一張圖，但 LoRAWeave 每次需要你提供三張圖。

前兩張是一組編輯前後的示範對。第一張是「修改前」的原圖，第二張是「修改後」的效果。第三張才是你真正想要處理的目標圖。

模型要做的事情，就是觀察前兩張圖到底發生了什麼變化，把這套修改規則提取出來，然後再如法炮製地應用到第三張圖上。

用公式來說，就是讓模型去解一道類似小學找規律的填空題。比如你示範一組「建築照片 → 建築手繪草圖」，再塞給它一張新拍的街景，它就能自動把新街景也轉成同款草圖。

你也可以給它一組「小鳥真實照片 → 吉卜力風插畫」，然後讓它把自家的貓也變成同款動畫風；或者拿一張「真人照片 → 定格黏土小人」當範本，讓它把另一個朋友也做成黏土質感。

步驟雖然比敲幾個單詞繁瑣了一點，但在風格復刻上非常紮實。

給各種畫風搭一個「LoRA 積木庫」

光是教 AI 做類比其實並不新鮮，難點在於以往的模型很難學會那些沒見過的變化。

傳統的微調方法通常是用一個單獨的 LoRA 模組去硬背所有的影像變換。但視覺風格千奇百怪，單個模組的空間有限，一旦遇到沒見過的冷門風格就容易失效。

研究團隊在這裡用了一個很聰明的機制：他們構建了一套可學習的 LoRA 基底，就像是一套基礎的風格變換積木。

同時，系統裡配備了一個輕量級的編碼器。當你把那對前後對比圖喂進去時，編碼器會即時計算出這兩種狀態之間究竟包含了哪些變換，然後動態給各個基礎 LoRA 分配權重。

在單次推理過程中，它就能把這些權重動態揉合在一起，拼出最貼合這次任務的專屬模型，大幅提升了對全新變換的泛化能力。

為什麼重要

我們認為，LoRAWeave 最聰明的地方，在於它避開了大模型在語言表達上的先天模糊性，把「解釋風格」的權力還給了視覺本身。

對於設計師、插畫師和視覺創作者來說，很多視覺處理手法——比如特定的調色預設、光影質感、某種紙張的肌理——在自然語言里根本沒有準確對應的詞彙。過去你只能靠撞大運或者反覆抽卡，現在只要手頭有一張調色前後的原圖對比，就能一鍵批次復刻流程。

這種思路對後續的影像生成工具也是個重要啟發。與其逼著使用者去學習怎麼寫出複雜的「咒語」，不如讓多模態模型真正學會看圖理解上下文，直接把視覺示例當作無監督的指令。

不過，這種工作流目前也有明顯的現實門檻。要用好它，你首先得準備好一張高質量、嚴格配對的「前後對比圖」。如果手頭沒有現成的對比樣本，三圖機制反而增加了一道準備素材的成本。但只要解決了一次樣本問題，後續的確定性和複用價值就遠超純文本提示詞。