AI 图片构图指南：从视觉层级到可验证的创作决策

构图要从图片的用途出发：先写清必须保留的内容、主次与排版空间，再分别检查内容是否正确、重点是否清楚、成品是否可用。

为什么画面已经很精致，主题却仍然不清楚？

假设你正在为一家独立书店制作夜读活动海报。

你输入“打开的书、温暖的台灯、夜晚、电影感、精致细节”，得到了一张漂亮的图：灯罩发光，窗外有层次丰富的城市灯影，桌面木纹也很真实。

但你真正想讲的是“今晚，来这里读一本书”。

如果画面更像台灯广告，或者标题只能压在复杂的窗框上，那么问题就不是细节不够，而是画面没有把创作目的组织起来。

本文把构图作为一项可以规划、检查和修改的工作：既决定物体放在哪里，也决定哪些信息应该突出、哪些信息只需支持主题。

核心方法是：先明确图片要完成的任务，再把要求写成可观察的关系，最后对着成品逐项验收。

本文将视觉研究转化为创作检查方法。图解由编辑绘制，场景图由 OpenAI 图像生成工具制作，保留了未满足要求的细节；没有在 LocalBanana 运行生成，也不报告模型成功率。文末对照练习尚未执行。

一、先分清：内容正确、重点清楚、成品可用

评价一张 AI 图片时，不要急着给它一个综合分数。

对于有明确用途的创作，本文建议分开回答三个问题。

这是本文的项目检查表，不是通用的美学评分体系。

图文一致性研究也提醒我们，需要把“是否画对”作为独立问题。TIFA 将提示词拆成可回答的问题，再检查图像是否符合描述；它研究的是忠实度，而不是一张海报是否完成了传播任务。 TIFA 原论文

因此，不要让“整体很好看”替一个关键错误开脱。对于这个项目，少了一本必须出现的书、标题放不下，或者活动日期写错，都不能靠更好的光影抵消。

同样，视觉层级不是要求每张作品只能有一个兴趣点。本文采用明确主次，是因为这个海报练习需要清楚传达活动主题。多中心叙事、刻意的混乱和视觉谜题，也可以是合理的创作目标。

二、理解构图，需要三条有边界的理论线索

1. 视觉显著性解释“哪里突出”，不能单独解释“人会看什么”

Itti、Koch 与 Niebur 的经典研究将多尺度视觉特征整合成显著性图，用于预测值得优先处理的图像位置。它为从图像差异理解注意分配提供了一种计算模型。 Itti、Koch 与 Niebur，1998

但人并不只是响应亮度和边缘。

Henderson 与 Hayes 的场景观看研究发现，区域的语义信息也能解释注视分布；后续研究对“意义地图”能否独立测量语义贡献提出了质疑，原作者则回应了地图的测量目标。具体机制与测量方式仍有争论。这里更稳妥的结论是：不能把观看行为简化成一个最亮区域规则。 原研究、后续质疑、作者回应

转化到本例，创作时可以提出一个需要检验的判断：

如果书是主题，就应同时检查书本身是否容易识别，以及其他区域是否提供了过强、却与主题无关的视觉刺激。

假设窗外多出一块抢眼的霓虹招牌，下一步未必是让整本书更亮。也可以先减弱那块招牌的亮度、色彩或细节。

两种操作的区别在于：前者继续强化主体，后者减少竞争。你需要对照具体画面，决定哪一种更合适，而不是把所有地方一起加对比度。

这里讨论的是人类观看图像时的注意。它与生成模型内部被称为 attention 的计算机制不是同一个概念，也不能由此推出某个模型必然如何理解提示词。

2. 主体不仅要出现，还要能从周围被辨认出来

Wagemans 等人的综述区分了知觉分组与图形—背景组织：我们不仅识别局部元素，也会组织哪些部分属于同一对象、轮廓属于哪一侧，以及表面之间的关系。 Wagemans 等，2012

本文据此建议增加一项很具体的构图检查：

关键轮廓有没有被周围的颜色、线条或遮挡弄得含混？

在夜读海报中，可以检查书页外沿有没有与桌面融成一片，灯杆是否刚好沿着书脊重叠，窗框是否贴住书的边缘，让两个无关物体看起来像一个结构。

需要修正时，试着描述问题所在的关系：

让书页外沿与桌面保留可辨认的明暗分界；灯杆与书脊错开；不要让窗框紧贴书的外轮廓。

这比“主体更突出”更容易在结果中核对。它仍然是创作指令，不是边缘必定准确保留的技术保证。

也不必把每一段轮廓都描得很硬。这个练习的目标是让书容易辨认，不是消除所有遮挡、柔边和氛围。

3. 画出了所有名词，不等于画对了它们的关系

T2I-CompBench 将组合生成拆成属性绑定、对象关系和复杂组合等类别。这里的“组合”指概念和文本要求是否被正确组合，不等于美术意义上的构图质量。

例如，“黄色台灯旁边有一本蓝色封面的书”，不仅要求出现台灯和书，还要求颜色属于正确对象、空间关系符合描述。 T2I-CompBench，2023 原版

这对创作者的启发是：把提示词从物件清单，改写成关系说明。

“书、台灯、夜景、温暖”只列出了构成元素；“台灯在书左侧，光落在打开的书页上，夜景限制在右上方的小窗内”，进一步交代了这些元素如何共同构成画面。

不要把早期研究中某个模型的表现直接套给所有新模型。这里借用的是研究对问题的拆分方式，而不是把旧榜单当成今天的能力上限。

三、把“高级、治愈、有电影感”变成可执行的创作要求

情绪词可以保留，但不要让它们独自承担构图任务。

在这个练习里，我们对“安静的夜读”作出如下解释：

书页形成主要的可辨认亮面；台灯负责说明光源；窗外只提供夜晚的环境线索；画面还必须容纳活动文字。

这是本文选择的视觉方案，不是“夜读”的唯一正确表达。

生成前，先写一份最小创作要求。

这张表应当先于提示词。

否则，看到第一张图后，你很容易把“模型已经画出来的东西”误当成自己原本的目标。

还要区分不可妥协的要求与可商量的偏好。在这个项目里，书必须完整、标题必须能放下；木桌究竟偏深棕还是浅棕，可以根据整体效果再决定。

Adobe 的构图教学强调，三分法、引导线等原则是辅助判断的工具，不是替代判断的公式。它也提醒摄影者在构图时预先考虑图片是否要叠加文字、用于封面等实际用途。 Adobe 构图教学

因此，本文不是因为“主体必须放在三分线上”才把书移向右下，而是为了让书、光源、窗景和标题得到各自的位置。

换成居中的书籍封面，合理的布局完全可能不同。

四、一份可直接练习的提示词

Google 的官方图像生成指南建议提供具体细节、交代图片用途，并通过小幅修改逐步迭代。 Google 图像生成指南

下面将这些写法用于本例。这份中文练习模板尚未逐字实跑；后面的场景示例使用另附的英文提示词。实际使用时，也要在工具支持的尺寸或比例设置中选择 4:5，并核对返回尺寸；不要只依赖提示词里的比例描述。

为一家独立书店的夜读活动制作一张竖版 4:5 海报背景，不包含海报文字。

场景是一张夜间室内的木质书桌。画面中只有一本打开的书和一盏小型台灯，不出现人物或其他书本。

打开的书位于画面中下部偏右，完整保留书本外轮廓。温暖的光落在奶油色书页上，书页与桌面之间有清楚但自然的明暗分界。保留纸张和装订的合理细节，不生成可读的书页正文。

台灯位于书的左侧，灯体主要处于画面中下部，灯罩不要进入左上方的标题区域。保留可辨认的灯罩材质，避免灯罩成为一大块过曝白色。灯杆与书脊错开。

右上方只有一小片窗景，以少量低亮度、低饱和度的远处灯光说明夜晚，不出现醒目的霓虹招牌。窗框不贴住书的轮廓。

左上方预留连续、明暗较均匀的深色墙面，用于后续排入标题和活动信息。这一区域没有物件、窗框、明显纹理或强烈光斑。

整体安静、温暖，采用自然的室内摄影质感。以打开的书表达阅读主题，台灯和窗景提供环境线索，不与书争夺画面的重点。不生成标题、标志或其他可读文字。

这份提示词的关键，不是长度，而是每一段都有可以核对的职责：内容、位置、光线、轮廓、排版空间。

可以逐句追问：“这一句约束了成品中的什么？”如果无法回答，就考虑删去，或改成具体的视觉要求。

同样，不要加入互相打架的指令。例如，一边要求左上方是均匀的标题区，一边又要求全画面都有浓烈的光影、丰富纹理和城市细节。

风格要求也需要服从本次图片的用途。

如果你并不在意灯的具体造型，就没有必要写满它的材质、年代、品牌和零件。这里不是要求信息越少越好，而是把描述预算留给本次真正要控制的部分。

五、文字反复说不清时，改变输入方式

有些问题适合用语言说，有些问题更适合画出来。

“安静的夜晚”主要是语义与风格要求；“书应占据哪块区域、标题需要多大空间”，则可以先用二维版式表达。

对于本例，可以先在最终比例的画布上排入实际标题、日期和地点，再画出书、灯、窗的简单占位块。

确定相互位置后，隐藏文字，把这张布局图作为创作参照。本例提供无文字的 4:5 布局草图 PNG及可编辑 SVG。下载后，先确认上传工具接受对应格式。

草图中的占位块只负责说明位置和大致面积，不负责提供材质。使用时应明确说明：保留布局，不照搬占位块的颜色、辅助线或标签。普通图片参考能否准确跟随布局，需要看实际模型与结果；不能把上传草图当成坐标锁定功能。

ControlNet 的研究展示了另一类控制方式：在特定扩散模型架构中，通过边缘、深度、姿态等空间条件引导生成。这说明空间结构可以通过专门的条件通道表达，而不必全部依赖文字。 ControlNet 原论文

但这不意味着所有图片生成工具都采用 ControlNet，也不意味着普通参考图上传等同于使用这些空间条件。

本文建议的选择原则是：需要控制什么，就优先用能直接表达那件事的输入或编辑方式。

用途与情绪用语言说明；位置与占比用布局图说明；局部修改在工具支持时使用明确的区域控制；需要精确的文字、标志和坐标，则保留独立图层进行排版。

这是工作分配建议，不是要求每个项目都用齐所有工具。

只是灯罩太亮时，没有必要重建整套控制流程；但如果标题框必须精确到某个位置，也没有必要把最终排字押在反复生成上。

六、用四种视图检查同一张图

以下检查方法是本文提出的创作工作流，不是眼动实验，也不是自动化美学评分。

这张图有可辨认的书本轮廓和左上方的排版空间，但没有完全遵守要求：右侧书架出现了明确要求排除的其他书。两侧植物是未要求的新增内容，实际提交的提示词没有全面禁止植物，是否保留应根据项目需要判断。提示词要求 1280 × 1600，实际返回尺寸也不同。灯罩虽然保留了材质，却仍是醒目的暖色亮面；没有眼动测量，不能断言观看者必然先看哪里。

完整实际提交的英文提示词可查看或保存。生成工具没有向本次调用提供可核实的模型版本，因此不将图片归到某个具体型号。单张图只用来演示检查，不能说明一种写法通常有效或无效。

原尺寸：检查“有没有画对”

首先检查内容。

书是否仍然只有一本？打开的结构是否合理？灯杆、书脊和窗框是否产生了错误连接？重要部分有没有被裁掉？

在本图中，“不出现其他书本”这一项未通过。即使书店氛围合理，也不能在生成之后悄悄放宽原定要求。把这个问题记下来，再决定是否修图，或者由项目负责人明确修改简报。

使用尺寸：检查“还认不认得出”

把图片放到接近实际展示大小的环境里。活动列表里的小图、手机里的海报和桌面上的原图，应分别查看。

不要预设一个适合所有平台的缩略图尺寸。

这个练习的观察问题是：尺寸缩小后，打开的书还能否被辨认，还是只剩一盏亮灯和一片暗背景？

这不是要求主体永远更大。如果放大书会挤掉标题区，先考虑是否可以减少它附近的无关纹理，或者改善轮廓区分。

灰度副本：检查“明暗关系有没有问题”

临时去色，用来单独观察明暗组织。对于本例，可以比较书页、灯罩、窗景与桌面之间的关系，寻找是否存在一块过强的辅助亮面。

但灰度副本会移除色彩差异。

如果一张图本来主要靠颜色区分主次，去色后变得含混，并不证明原图失败。完成明暗诊断后，需要回到彩色图复核。

也不要把灰度图、模糊图或主观标注的“热点”包装成真实眼动热力图。

完整版式：检查“能不能交付”

放入本次活动真实使用的标题、日期与地点，检查文字边缘是否被背景纹理干扰、明暗变化是否穿过字形，以及裁切后信息是否完整。

这里还有一个容易忽略的变化：

背景图以书为主题，但最终海报完全可以让活动标题成为第一层信息。

加入文字后，应重新评估整张海报，而不是坚持背景图原来的主次不变。

例如先放入练习标题“今晚，读一本书”，再加入虚构活动信息“周五 19:30 · 阅读区”。这些是用于检查空间的练习文案，不是实际活动公告。本文示例尚未完成最终排字，也已经有数量约束未通过，因此不把它标为可交付成品。

七、根据错误类型决定下一次改什么

不要把所有不满意都翻译成“再高级一点”。

先定位问题，再决定输入、编辑或排版中哪一步需要调整。

例如，假设只有灯罩的亮部有问题，可以将修改要求收窄为：

只调整台灯灯罩的亮部：减弱过曝白色区域，恢复可辨认的灯罩材质，让灯罩不再成为画面中占据注意的大片亮面。

保留书的位置、大小、书页照明、窗的位置，以及左上方的标题区域。不要改变整体色调，不要增加物件。

这份修改说明尚未执行，不是“不变区域一定不会变化”的承诺。对本图而言，应先处理额外书本等不符合简报的内容，再决定是否调整灯罩。

因此，每次修改后都要同时记录两件事：目标问题是否改善，以及原本正确的地方是否退步。

只看改善、不看退步，很容易得到局部更好、整张却更难交付的结果。

还有一种情况值得提前接受：当错误涉及必须准确保留的商标、固定字形或产品结构时，保留已确认素材并进行合成，可以比继续要求模型重新绘制更适合项目。

这里追求的是交付条件，而不是“所有步骤必须由一次生成完成”。

八、做一次能积累经验的对照练习

单张结果可以说明“这次发生了什么”，不足以说明“这个写法通常更有效”。

GenEval 2 预印本指出，自动评价方法与人类判断的对应关系也可能随模型变化发生漂移。因此，既不能只凭一张选中的图总结规律，也不宜把自动评分当成永久可靠的裁判。 GenEval 2 预印本

下面是一个尚未执行的教学练习，用来初步检验一项修改方向。前面的单张场景图没有进入这组 A/B 练习。

问题：在同一场景要求中，增加明确的灯罩亮部约束，是否更容易得到适合阅读主题的构图？

先保留第四节的中文练习模板作为 B 版。A 版只删除这一句：

保留可辨认的灯罩材质，避免灯罩成为一大块过曝白色。

其他文本、参考图及其顺序、模型、尺寸和可见设置保持一致。

这比较的是“增加这条约束”的效果，不是比较长提示词与短提示词的总体优劣。

练习时可以先各生成 4 张，完整保留所有输出。这个数量只是教学预算示例，不能据此宣称统计显著或普遍有效。

若工具提供随机种子，可以记录并在同一版本、同一设置下采用配对种子；若不提供，就记录为“不可用”，不要填一个假设值。

这里固定的是其他输入条件，不是声称输出图片的其他像素也会保持不变。生成后的书、灯、窗都可能一起变化，这正是需要复核的部分。

在看结果之前，写好检查项：

物件数量与关系是否正确；灯罩是否出现大片失去材质的亮部；书在使用尺寸下能否被辨认；实际标题是否可以排入。

每张图分别记录“通过、未通过、不能判断”，并给出观察理由，不要只留下最好的一张。

若请别人协助评估，把版本名称隐藏、图片顺序打乱。可以问“这张图主要在讲什么”“哪些部分最引起你的注意”，不要先问“你是不是先看到了书”。

这些回答只是主观报告，不等于实际测得的第一注视点，更不能直接推断点击率或转化率。

用记录表整理本次项目的结论：

下载构图检查与对照练习记录表，逐张记录输入、观察与限制。表中保留“不能判断”，不要把不确定项自动算作通过。

只有实际填写这些记录之后，才适合把某种改法写成“本次观察到的效果”。

当模型、主题或使用场景变化时，也需要重新检查，而不是把旧经验当成固定规律。

把检查方法带到自己的项目

提示词负责表达要求，构图负责组织信息，验收负责判断结果是否完成任务。

下次遇到一张精致却不满意的 AI 图片，先不要继续叠加赞美性形容词。

问清楚：是对象和关系画错了，还是重点不符合预期，或者它放进真实版式后无法使用？

三类问题对应不同的改法，也需要不同的证据。

可复用的创作能力，不是记住某一串提示词，而是能够解释：这次要保留什么、改变什么，以及凭什么判断它确实变好了。

在 LocalBanana 中尝试时，从图片创作页面准备画面要求；选择比例和参考图的方法分别见宽高比指南与多参考图指南。本文不假设每个模型都有区域锁定或相同的可见设置，以你当前界面为准。