Mi-Ripple：修复迭代AI编辑造成的图像退化 Mi-Ripple: Restoring Images Degraded by Iterative AI Editing
诊断引导的三阶段工作流，区分可滤波的周期伪影与内容纠缠纹理，修复迭代AI编辑的数字波纹
前置知识
参考条件迭代图像编辑
把一张已有图像和文本指令一起喂给编辑模型，输出修改后的图；若把每次输出再当作下一次的参考输入，就形成 gen0→gen4 这样的编辑链。它便于增量修改并保持视觉身份，但上一代的伪影会随参考图传播到下一代。
本文研究的问题正是这种迭代复用造成的'数字波纹'伪影，理解链式生成机制才能理解伪影为何累积、为何可以通过清理参考图来阻断。
CIELAB L* 亮度空间
CIELAB 是感知均匀的颜色空间，L* 分量表示感知亮度（0–100）。在 L* 上测量残差标准差（SD）意味着'1 个单位'接近人眼可感知的最小亮度差，比 RGB 空间中的数值更有物理含义。
论文所有失真指标（整图残差 SD 0.08–0.44、结构窗口 SD≤0.6）都以 L* 单位报告，不懂这个空间就无法判断这些数字对应的视觉损伤有多小。
傅里叶幅度谱与谱异常
对图像补丁做 2D 傅里叶变换取幅度谱并取对数，周期性纹理会表现为孤立的能量峰。谱异常 $A(u,v) = S(u,v) - B(r)$ 把每个频率点的对数幅度 $S$ 减去同半径 $r$ 处的中位数基线 $B(r)$，峰越高说明越偏离自然图像的径向衰减规律。
谱异常是论文诊断格点伪影的核心探针：照片对照中位数约 1.73，而生成源达 4.13–4.61；陷波滤波也直接作用于这个谱。
陷波滤波
经典的周期噪声去除方法：在频域中找到噪声对应的窄带位置，只对这几个频率 bin 做衰减，其余频谱不动。本文的版本是 $\hat{F} = F \exp[-G_{1.5}(KE)]$，对诊断出的孤立峰按超出量 $E$ 做高斯羽化的指数衰减，保持相位不变。
这是本文处理'谱可分离'伪影的主要工具，理解它才能理解为什么格点伪影能在近乎无损（残差 SD<0.5）的前提下被移除。
自相关与周期检测
把图像与自身平移副本做相关运算，周期为 $p$ 的纹理会在位移 $p$ 处出现相关峰。对高通滤波后的亮度图做窗功率谱归一化自相关，可以估计伪影的周期向量（水平/垂直位移），并能区分重复周期一致的格点与位移不一致的颗粒。
周期向量是格点伪影的指纹，也是论文分析 Banana100 七个模型家族（如 Qwen 的 6 像素水平周期）外部证据的测量基础。
研究动机
迭代式参考条件图像编辑——把上一次输出作为下一次编辑的输入——虽然方便增量修改，却会让不想要的纹理随参考链传播。在原生分辨率下，受影响图像出现网格、蜂窝状图案或颗粒状表面，作者统称为'数字波纹'（digital ripple），这类伪影在缩略图里不显眼，容易混入正式资产。已有研究要么用频谱差异来检测合成图像（如 Frank、Dzanic、Corvi 等），要么从架构层面解释伪影成因（上采样、混叠、去卷积棋盘效应），但都停留在'判断图像是否为 AI 生成'，没有回答更实际的修复问题：一张已有可见伪影的图，能否在不破坏合法细节的前提下被清理。Banana100 数据集的百次递归复制实验进一步表明，递归退化会击穿无参考图像质量评估。本文实测显示伪影高度依赖访问配置：Channel B 的 43/43 个输出格点阳性，Channel A 在 1280×720 下 20/20 阴性、但在 1536×1024 下 6/6 阳性——厂商名称本身无法预测伪影是否出现。
本文的目标是目标是把可见伪影恢复为干净的表面与连贯细节，同时保护合法纹理不被擦除。具体分解为三个决策：第一，用互补的谱探针和空间探针诊断伪影类型，区分谱上可分离的周期格点伪影与内容纠缠的颗粒纹理；第二，格点伪影走选择性谱陷波加结构感知平滑，保持像素对齐达到交付级质量；颗粒纹理则先做参考级清理（允许更强压制、明确保护人脸），再从清理后的参考图重新生成；第三，用与被优化分数无关的图像差异指标验证候选，并记录全部观察、许可动作、决策与验证结果，形成可审计的修复流程。作者强调要把'可测量的伪影下降'与'肉眼可见的更干净'绑定，而不是把谱分数本身当作优化终点。
与已有工作不同的是，本文的独特切入是把频率分析从'检测器'改造为'治疗指南'：谱异常不再用于给整图贴'合成'标签，而是用来定位可处理的谱分量并决定处理路径。相比 Alias-free GAN 等在架构上消除采样伪影的工作，本文的设定是生成模型权重完全固定、无法修改，递归只通过推理期的参考图发生，属于推理期污染的事后修复。相比 Banana100 关注递归复制让 NR-IQA 指标失效，本文分析其补充的 more_models 序列，把'持续周期性'与'强度累积'分开报告（例如 Qwen 十步保持 6 像素周期但强度不增）。相比经典陷波滤波只做频率切除，本文加入二维局部基线的孤立峰选择（避免误切方向性内容形成的谱脊）和滤波后的对齐残差验证，并把'交付级滤波'与'参考级清理'区分为两种不同强度预算的操作，这是现有伪影文献中缺失的工程化区分。
核心方法
整体思路先直觉后技术：周期性格点伪影在傅里叶幅度谱上表现为孤立峰，理论上只需削掉这几个峰，其余像素不动；颗粒纹理没有孤立峰可供陷波，只能局部带阻，或者换一张干净的参考图重新生成。为此作者设计了三阶段工作流：诊断→滤波或再生成→验证。所有测量在 CIELAB L*（0–100）上进行。谱异常定义为 $A(u,v) = S(u,v) - B(r)$，其中 $S = \log(1 + |\mathcal{F}[(P-\bar{P})w]|)$ 是 Hann 窗加窗补丁的对数幅度谱，$B(r)$ 是半径 $r$ 处对数幅度的中位数基线；整图格点探针改用 21×21 局部谱中位数，要求至少两个保留分量且最大超出 ≥2.5。选择性陷波按 $\hat{F} = F\exp[-G_{1.5}(KE)]$ 衰减诊断峰，其中 $K$ 为保留分量、$E$ 为超出量、$G_{1.5}$ 为 1.5 bin 的高斯羽化，操作只改幅度、保持相位、默认不动色度。验证不看被滤波优化的异常分数，而看独立的失真指标：结构窗口残差 SD ≤ 0.6 亮度单位、高频保留 ≥ 90%、整图残差 SD ≤ 1.0。
核心创新是把'伪影是否与内容谱上纠缠'作为修复路由的决策变量，而不是把谱分数本身当优化目标。格点伪影谱上孤立，选择性陷波可以在整图残差 SD 0.08–0.44 的失真内将其移除并保持像素对齐；颗粒伪影与毛发、树叶等合法纹理纠缠，滤波必然破坏结构，因此改走参考级清理加再生成，并把再生成产物当作'可能发明细节的新候选'重新诊断，而不是与原图做像素对齐比较。与对照方法径向基线软裁剪（对所有超过径向中位数的大偏差一律压制）相比，选择性陷波把超过 85% 的去除能量集中在谱半径最低的四分之一，几乎不碰图像其余部分。这套'诊断决定治疗'的逻辑还延伸到流程治理：规则路由是默认实现，可选的语言模型层只允许在许可动作中选择、无权修改数值阈值；再生成需要显式许可和有界重试次数；同场景递归被明确建议避免。
方法步骤详情
第一步诊断。格点探针：384 像素平坦补丁或整图上计算谱异常 $A(u,v)=S(u,v)-B(r)$，21×21 局部中位数基线下保留超出 1.2、半径 24 之外、支撑 ≤80 个频率 bin 的连通分量，阳性需 ≥2 个分量且最大超出 ≥2.5；再用自相关估计周期向量，格点周期可重复，颗粒只在 9–20 像素半径出现低于 0.05 的不一致弱峰。颗粒探针：96 像素窗需带通 SD≥0.35、超额峰度≤8、斑点覆盖≥19%、各向异性≤0.35；整帧补 128 像素 tile（步长 64）的 scale index，<2% 记 none、[2%,6%) 记 suspected、≥6% 记 structured。第二步处理。格点做式（2）陷波 $\hat{F}=F\exp[-G_{1.5}(KE)]$，反射填充抑制边界效应、不动色度；颗粒在非结构区用结构许可掩码做严格带阻，交付级边界为边强 0.8–2.5、一致度 0.15–0.45、纹理密度 1.8–4.0，参考级放宽到 1.5–4.0、0.35–0.70、5–10 并加 ±10 像素方向平均；人脸框扩大 25% 并羽化 10 像素保护。第三步验证。结构窗口残差 SD≤0.6，高频保留 $100\,\mathrm{SD}(H_{out})/\mathrm{SD}(H_{in})\geq 90\%$（$H=L-G_1L$），平坦窗带通 SD 增幅≤0.02，整图残差 SD≤1.0；每次执行记录观察、许可动作、决策与验证结果。
技术新颖性
与频谱检测类工作（Frank、Dzanic、Corvi 等）的本质区别是用途反转：他们把谱差异当分类特征判别整图是否合成，本文用同类信号定位'可治疗的谱分量'并据此路由。与 Alias-free GAN、亚像素卷积等架构级修复的区别在设定：通道是黑盒商业 API，无权重、无种子、无采样参数，唯一可干预的是输入参考图和输出成品。与经典陷波滤波（Gonzalez & Woods）的区别是加入了二维局部基线峰选择（紧凑峰选择避免方向性内容的长谱脊被误切）以及滤波后的对齐残差验证。与 Banana100 的区别是把递归退化研究从'指标失效'推进到'图像可修复性'：描述性递归 $R_n = I + \alpha R_{n-1}$（不动点 $I/(1-\alpha)$）在本文中成为避免同场景递归的操作依据。工程上的新颖点还有：把 regenerate 显式建模为可能改变内容的新候选、区分交付级与参考级两套掩码边界、以及用 LLM 层只在许可动作集内做路由而不触碰数值阈值。
实验结果
伪影真实且依赖配置：384 像素补丁谱调查中照片中位数异常 1.73、网络参考图 1.95，三个生成源为 4.61、4.17、4.13；Channel B 全部 43/43 格点阳性，Channel A 在 1280×720 下 20/20 阴性、1536×1024 下 6/6 阳性。参考清理有效：配对实验输出碎屑密度从 1,842 降到 1,020/百万像素（−45%），密苔藓 scale index 从 35.3% 降到 15.8%；结构感知清理使 sea 带通 SD 1.05→0.87、railing 2.61→1.77，但 sky 0.20→0.25，效果区域依赖。选择性陷波失真极小：garden-tilt 案例掩码仅覆盖 0.11% 频率 bin，背景补丁异常 3.49→1.77，整图残差 SD 0.18；十四次 notch-only 执行整图残差 SD 0.08–0.44；六个人像候选全部检出格点并通过失真检查（SD 0.21–0.49，高频保留 98.9–99.8%），六个 hair 约束候选 SD 0.25–0.44。跨版本八场景中恢复路径把 6/8 个 gen4 端点降到 none 级：moss 25.3%→11.1%、wisteria 41.1%→12.1%、ice cave 20.0%→0.0%。提示词约束不可靠：叶片约束 8 对中 5 升 3 降，P/N/Q 平均差 +3.3/−1.3/−0.3 个百分点（符号检验 p=0.29/0.73/0.73），同条件重复调用中位极差 8.4 个百分点。Banana100 分析：Qwen 全部 10 步保持 (6,0) 水平周期，Grok (0,5) 出现 9–10/10 步且 ρ=0.89–0.99，GPT 峰高仅 0.06–0.16 为弱周期，五个家族有持续/晚期周期、四个强度随步数上升。
查看结构化数据
| 任务 | 指标 | 本文 | 基线 | 提升 |
|---|---|---|---|---|
| 格点伪影陷波（整图失真） | 整图残差 SD（CIELAB L* 单位） | 0.08–0.44（十四次 notch-only 执行） | 径向基线软裁剪：匹配平坦窗残差 SD 1.66–2.78 | 残差低约一个数量级，且高频保留 98.9–99.8%（要求 ≥90%） |
| 清理参考图后再生成的输出质量 | 碎屑密度（Canny 组件/百万像素） | 1,020 | 未清理参考：1,842 | 降低 45% |
| 颗粒纹理抑制（跨版本八场景 gen4 端点） | scale index（合格 128px tile 百分比） | moss 25.3%→11.1%；wisteria 41.1%→12.1%；ice cave 20.0%→0.0% | 未处理的 Image 2.5 gen4 端点 | 8 个场景中 6 个降至 none 级（<2%） |
| 伪影诊断区分度 | 谱异常中位数（384px 平坦补丁） | 生成源 4.13–4.61 | 照片对照 1.73、网络参考图 1.95 | 生成源约为真实图像对照的 2.2–2.7 倍，可作为格点诊断信号 |
| 局部颗粒抑制（掩码带阻） | 带通 SD（天空/海面区域） | sky 0.38→0.18；sea 1.21→0.71 | 处理前退化样本 | 47–53% 下降，同时掩码保护头发与面部结构 |
局限与改进
作者承认：研究特定阈值需要更大范围校准；混合通道、混合画布的链无法隔离因果编辑效应；单次抽取（single-draw）比较只展示修复路线而非总体平均收益；再生成会改变细节，星形工作流的质量优势未被 benchmark；通过失真检查只说明测量失真在限内，不等于纹理、身份或语义保真被独立认证；漏检人脸仍是操作风险。我的补充观察：其一，十四次 notch-only 执行复用同一候选而非十四张独立图，样本有效性偏弱；其二，face 和 beach 链的 scale index 全程 0.0%，说明探针对某些退化形态（如面部细节劣化）不敏感，作者也承认零 tile 不等于无需修复；其三，一张照片因 JPEG 块效应谱异常达 3.12，接近生成源区间，探针特异性有限；其四，再生成路径没有像素级 ground truth，'锐度 3.18→4.34'只能描述性解读，一例还引入了颜色偏移；其五，结论建立在 GPT 系通道的抽样访问条件加 Banana100 二手数据上，跨厂商普适性未知。
独立分析的弱点
弱点一：统计功效不足。八场景每格只有一条链、提示词实验仅 8 对且共享对照，而同条件重复调用的中位极差达 8.4 个百分点、最大 23.6，足以淹没处理效应。改进方向：每条件至少 10 条独立链并做多重比较校正，报告置信区间。弱点二：探针依赖大量手工阈值（超出 1.2/2.5、tile 覆盖 19%、带通 SD 0.35、各向异性 0.35 等），校准集只有 14 个标注窗口。改进方向：在更大标注集上自动搜索阈值并报告 ROC。弱点三：修复质量评估缺少感知维度，scale index 下降不等于更好看（H 链中带相对对比更低但单位直径相当），一例清理后还出现颜色偏移。改进方向：补充配对人工评估或 LLM 评审，并把色差 $\Delta E$ 纳入验收。弱点四：可选的语言模型决策层从未与纯规则路由对照，价值未量化。改进方向：在边界案例集上 A/B 比较两种路由。弱点五：陷波依赖'孤立峰'前提，格点与合法周期纹理（织物、砖墙）共存时的路由策略未讨论。
未来方向
作者提出：星形工作流（每次从同一干净参考出发，切断对上一输出的直接依赖）的质量优势需要正式 benchmark；匹配通道、匹配分辨率的因子实验（当前场景变化与通道变化混杂）有待进行；需要独立标注的图像来建立治疗成功率；研究特定阈值需要更广校准。基于成果可延伸的方向：其一，把描述性递归 $R_n = I + \alpha R_{n-1}$（$0 \leq \alpha < 1$，不动点 $I/(1-\alpha)$）从描述升级为在线估计的累积预警器，在编辑链中预测伪影到达可感知阈值的时间点，自动建议何时换参考；其二，建立跨厂商的周期指纹库，结合水印检测（如 Tree-Ring、Stable Signature 的周期信号）判定格点来自合成、缩放还是投递链路；其三，把参考级清理做成发布前标准步骤，用大规模 A/B 验证'清理参考→再生成'在真实创作工作流中的收益；其四，把探针扩展到视频帧序列，研究数字波纹的时域累积与传播；其五，用扩散模型的中间噪声预测替代黑盒再生成，实现可控的内容保真修复。
复现评估
开源情况：论文称测量与处理模块（诊断、scale 索引、notching、掩码抑制、参考清理、再生成、验证、编排）位于仓库的 visual-canon scripts 目录，实验记录、提示词、sidecar、trace 保留在 figure process archive；但在线编译包只含手稿图，不含完整实验档案。归档报告含十九项合成与协议测试（已知格点/颗粒输入、干净梯度、无平坦窗案例、失真上限、mock 客户端再生成），不过作者明确这些是软件检查而非检测器精度的独立验证。数据方面：Banana100 为公开数据集（CC BY-NC-SA 4.0，2026-09-06 快照），其分析部分可复现；但 Channel B 由作者机构运营，第三方拿不到相同 API 访问条件，商业通道无权重、无种子、无采样参数，同提示重复调用的中位极差达 8.4 个百分点，精确复现单张修复不可能。综合评估：算法与测量代码开源、协议在附录 A–E 详述，测量部分复现难度中等（需自备图像与编辑通道），完整实验复现难度高；算力需求极低，全部计算是经典信号处理，无需 GPU 训练。
论文图表
六个人像案例（Night/Rain/Garden-summer/Winter/Garden-tilt/Sea）流水线处理后的整图 SD 与高频保留：初始候选 SD 0.21–0.49、保留 98.9–99.8%；hair 约束候选 SD 0.25–0.44、保留 99.2–99.8%。
交付级滤波安全性的最终整图量化证据：所有案例的残差远低于 1.0 的验收上限、高频保留远超 90% 的下限，说明流水线在 identity-bearing 的人像内容上几乎无失真。