为什么 AI 生成的食物常常看起来不自然——The Verge
餐厅、咖啡馆和品牌越来越常使用人工智能生成的图像来宣传食物，但这类视觉画面往往显得不自然，并引发反感。正如The Verge 报道，典型错误包括过长的面条、奇怪的孔洞聚集、不自然的纹理，以及看起来像不可食用材料的元素。
错误在早期阶段产生
许多领先的图像生成器基于扩散模型运行。它们从随机噪声图像开始，逐步形成所需画面：先复现粗略结构，随后添加细小细节和纹理。
牛津大学教授克里斯·拉塞尔解释说，模型甚至可能在细节处理阶段之前，就在物体的基本形状上出错。之后，它会向错误的结构添加鲜明纹理。这位学者将其比作画面中的人有六根手指而不是五根手指的错误。
那不勒斯费德里克二世大学行为科学家焦万巴蒂斯塔·卡利法诺指出，扩散模型尤其不擅长复现具有明确终点的细长、连续结构。因此，面条、丝线和类似触手的元素可能会超出物体边界，或出现在本不该出现的地方。气泡和种子等重复性纹理也会出现类似问题。
更多最新消息请关注 UA.News Telegram 频道 Telegram.
模型复现的是外观，而非物体属性
苏黎世大学数字文化与艺术教授罗兰·迈耶强调，生成式系统会复现物体的外观，却不理解物理世界。它们通过统计学习，掌握三明治、墨西哥卷饼或冰淇淋通常看起来是什么样子，但并不知道这些物体是什么，也不知道它们应当如何表现。
伦敦国王学院计算机科学高级讲师迈克尔·库克解释说，在建筑语境中合适的纹理，在食物图像中可能显得不可食用。训练数据也会影响结果：食物摄影常常经过风格化处理，具有强烈对比、饱和色彩、光亮照明和夸张形状。AI 可以复现这些视觉手法，却不理解其语境。
人类反应会加剧反感
专家表示，模型可能从互联网中学习到奇怪的视觉联想，那里不同寻常或具有迷因性质的图像有时比普通食品照片传播得更广。另一个问题是让 AI 使用其他模型已经生成的内容进行训练：研究将这与所谓的模型崩塌、视觉退化以及图像同质化加剧联系起来。
人们对看起来危险的食物尤其敏感。孔洞聚集可能让人联想到感染，丝状细节可能让人想到寄生虫，而不自然的颜色和质感则可能让人想到食物变质或受污染。卡利法诺指出，由于这些反应，食物的“恐怖谷”效应可能比那些像人但并非完全是人的图像更强烈。
