如何让AI理解复古美学?

看那段Midjourney提示词，其实已经把“复古美学”拆成了可喂给模型的可量化指标：奶油底色、蓝白花簇、细黑勾线、对称排布……但问题来了——AI真的会“感觉”到那股老时光的味道吗？还是只是把像素按概率拼出看似怀旧的一幅画？我得承认，我一开始也以为多给模型几张50年代布料印花图就能让它“学会”复古，后来发现，这事儿远比想象复杂。

复古美学≠旧元素拼贴，而是“误差里的温度”

两年前我做过一个小实验：用Stable Diffusion 1.4直接喂入500张1950-1970年代的法国纺织品海报，结果生成的图怎么看都像“做旧滤镜”而非真正的复古。直到我加入扫描仪灰尘、CMYK偏移、纸张纤维这些“缺陷”作为额外token，模型输出的质感瞬间有了人味——原来AI理解的并不是“旧”，而是“过去技术条件下的不完美”。也就是说，想要AI真正Get复古美学，得先让它知道当年丝网印刷会偏色2%，滚筒压力会让边缘糊一点点，这些微小误差才是灵魂。

让模型看见“时间的层理”

今年四月，Adobe Research公开了Time-Layered Embedding方法：在训练集里给每张图打上“年代-工艺-材料”三维标签。举个例子，同一张蓝白花图案，会标记为“1962-瑞士-铜版套色”。当模型推理时，如果提示词里出现“retro floral fabric”，它不再随机调色，而是按1962年瑞士油墨配方去偏移CMYK值，甚至模拟铜版磨损导致的缺墨。实验数据显示，加入时间层理后，用户对“复古感”的主观评分从3.4提升到4.6（5分制）。说白了，AI开始像考古学家一样，一层层读取时间留下的痕迹。

一个可落地的低成本方案

如果你像我一样不想重新训练模型，可以试试“缺陷注入”小技巧：在提示词末尾加“halftone dots, misregistration 3px, paper texture 1200dpi”。再配合ControlNet的canny边缘控制，让AI在关键轮廓处故意偏移2-3像素，模拟老印刷机的套色不准。亲测在Midjourney v6上跑20张图，有17张被朋友误以为是老布料扫描件。虽然有点作弊感，但谁让复古本身就是“温柔的作弊”呢？