Image Reference Guide# Image Reference•8 min•Author: 南鸢 nuyoah @nanyuan0412
Mastering Image References: The Ultimate Short Prompt Framework & 17 Visual Dimensions Breakdown
Stop writing dozens of vague prompt lines! A battle-tested short prompt framework dissecting 17 visual dimensions (lighting, color, depth of field, framing, motion, texture) with an interactive prompt builder.
南鸢 nuyoah (@nanyuan0412) 原创实战复盘 · 17 个视觉维度真实对照试验与短提示词方法论
痛点直击：为什么传统参考图提示词又臭又长，还总翻车？
在做影视分镜、电商视觉或多风格设计时，我们经常需要把一张图片（参考图）中的某些感觉迁移到另一张图片（底图）上。 但过去常见的做法通常是让 AI 或自己手动写出极度冗长繁琐的描述：分析是金色侧逆光、几十毫米镜头、光圈多大、景深多少、透视畸变多少……
实测结果发现： 这么复杂的提示词不仅极其累人，而且生图模型往往在过多技术参数中迷失，引入很多不需要的多余细节。经过大量对比实测，“把提示词写短，直接利用模型本身的图像语义对齐能力”，反而能够极快地拿到高质量的方向稿！
核心公式：一句话搞定参考图风格迁移的短提示词
这套提示词模板的核心逻辑极其简单利落——明确告诉大模型：从参考图提取什么维度，并严格锁死底图的主体与核心内容。
INTERACTIVE SHORT PROMPT BUILDER
17 维迁移提示词交互积木工坊
第一步：勾选你希望从图一借取的视觉维度（可多选组合）：
Lighting & Color
Texture & Atmosphere
Camera & Space
Styling & Medium
第二步：选择对图二（底图）的约束程度：
生成的短提示词：
Transfer the [lighting atmosphere and chiaroscuro, color palette and color grading] from Image 1 to Image 2, while preserve the subject identity and core content of Image 2.
💡 使用建议：在 Midjourney、Flux、GPT-Image 2.5 或 Qwen-Image 2.1 中，将参考图作为图一（Image 1），底图作为图二（Image 2），直接输入此短提示词即可。
一、震撼实测：同一张底图的 17 个视觉维度拆解总览
为了严谨验证“短提示词”的边界，南鸢选用了一张高难度的女孩窗边阅读照片作为标准底图，固定单变量逐一测试了 17 种不同维度的风格迁移效果：
图 1：左上角为窗边阅读原底图，其余 17 格为单变量独立测试结果（点击放大高保真图）
| 分类大项 | 细分视觉维度 | 测试效果归纳 | 短提示词调用关键词 |
|---|---|---|---|
| 光线与调色 (4项) | 光影、色彩调色、曝光、影调对比 | 方向极其明确，快速改变整幅画面基调 | 光线氛围与明暗关系、色彩倾向与色彩分级 |
| 成像与质感 (6项) | 成像质感、后期质感、锐度清晰度、材质、空气感、颗粒噪点 | 空气感与后期质感明显；锐度与材质表现证据较弱 | 后期处理质感、空气透视、胶片颗粒 |
| 摄影与空间 (5项) | 景深焦外、镜头感、运动表现、构图、机位 | 涉及空间重构！容易脑补背景、下半身或全画幅拖影 | 景深与焦外特征、摄影机机位、构图方式 |
| 造型与媒介 (2项) | 人物造型风格、视觉媒介 | 适合探索新方向，会直接换服装配件或改插画风格 | 人物造型风格、媒介与笔触绘制方式 |
二、深度复盘：哪些感觉容易借，哪些容易把“代价”带过来？
只看单张出图，画面变好看了很容易被误判为“迁移成功”。但在真实生产中，我们必须把【参考图】、【底图】与【生成图】三张图放在一起严格对照， 回答两个致命问题：第一，原先想借的特征有没有借到？第二，为了得到这个变化，结果把什么不需要的东西也一起带过来了？
实测 1：光影与色彩迁移（氛围快速到位的典范）推荐优先使用
🔍 实验发现： 只看光影时，就能明显感受到画面氛围的质变。色彩迁移将环境推向参考图的蓝青冷色调，但人物面部肤色仍保留了一丝暖色，避免了死白或偏色。
⚠️ 连带代价： 词分成了 17 项，不代表模型是 17 个互不影响的独立旋钮。比如“曝光”和“影调对比”两项几乎都走向了金色高光、深暗部与偏绿阴影，而“成像质感”顺手改为了蓝青色调。
实测 2：质感、空气感与景深焦外（细分词条的巨大微差）高阶质感控制
🔍 实验发现： “后期质感”借来的是高光泛开与一层灰雾；而“空气感”则把背景推成了青白色的朦胧空间，甚至直接激发出斜向的丁达尔光束！两张虽然都让人感觉“柔”，但一个偏滤镜式扩散，一个偏环境散射。
⚠️ 警惕脑补： 在“景深”迁移结果里，人物主体清晰、背景出现大片散景；然而参考图里的室内暖色吊灯和一个模糊的背景人影，也被模型“顺手”照搬进了新画面的窗外！
实测 3：机位与镜头感（一旦动镜头，模型就在重新搭场景）空间重绘 · 需严格约束
🔍 实验发现： 参考图是贴近地面的超低角度仰拍，生成结果确实将视角降到了桌子下方：桌腿被放大，人物退到画面深处。
⚠️ 严重翻车点： 原始底图只有半身，而低仰拍机位必然需要显示人物下半身。模型便顺理成章地“脑补”出了牛仔裤和运动鞋——而且下装款式几乎直接照抄了参考图！这启示我们：做连续剧集或角色资产时，绝不能只靠半身图就期望模型机位自动推算正确。
实测 4：快门与运动模糊（难以区分动静的全局摇摄）动态范围
🔍 实验发现： 头发和手臂带有漂亮的横向拖影，极富动态张力。但仔细比对发现，背景原本静止的窗户和书架也被拖成了摇摄模糊。
⚠️ 启示： 生成模型捕获到了“画面要有运动感”，但无法自发分清“谁在动、谁静止”。做动态视觉方向稿非常适合，但直接作为交付成品仍需局部涂抹（Inpainting）修复背景。
实测 5：锐度清晰度（反直觉的迁移失效）
预设希望弱化细节让画面变得柔和，但生成图里的发丝、面部毛孔和毛衣针织纹理反而更清晰。“出图了”绝不等于“迁移成功了”，单靠“锐度”词很难让模型做单纯的减法。
实测 6：材质与高光（泛光与质感的边界模糊）
皮肤高光稍微柔润了一些，但毛衣依然是原先的针织质感。眼前的微弱变化更接近泛光柔化，无法确凿证明模型真正借到了参考图特有的表面材质反射。
三、进阶实战：多维度混合叠加（模拟电影级 LUT 调色迁移）
短提示词公式中的【维度】不仅可以填单一词条，还可以将几个相互关联的维度进行组合叠加。 例如在做电影调色质感迁移（LUT 迁移）时，单写“调色”可能改变不够彻底，把“光线氛围”、“明暗关系”、“色彩倾向”与“后期调色质感”串联起来，效果将产生质的飞跃：
进阶多维叠加实战短提示词：
将图一的【光线氛围、明暗关系、色彩倾向和后期调色质感】迁移到图二，保持图二的主体、构图和内容不变。
💡 效果点评： 叠加后的成图不仅准确借到了参考图的高级胶片色调与光影反差，而且因为后半句严格限定了“保持构图和内容不变”，原本容易发生漂移的室内桌椅摆放和女孩姿态都得到了完整保持！
四、前期弯路：为什么“直接迁移”与“调色对比图”不够稳定？
在摸索出短提示词之前，南鸢曾尝试过两套方案：直接用目标图和原图进行迁移，或者先做一张前后调色对比图再让模型学习。这两套方案的实际出图效果均不如预期：
弯路尝试 1：直接两图暴力迁移
两张图直接迁移缺乏清晰的维度指引，模型往往在“复制构图”还是“复制调色”之间摇摆不定，容易造成局部变色、脸部失真的非预期结果。
弯路尝试 2：生成调色前后对比图
试图让模型先理解对比图调了什么再进行迁移。虽然数值上更接近调色目标，但在画面整体审美和连贯性上依然无法达到直接使用的标准。
五、总结：实战作业清单与 3 轮迭代法则
1
先定单一目标，切忌贪大求全
先想好你到底想要什么：是逆光光感、冷暖色调、空间散景，还是造型服装？一次只借 1 到 2 个核心特征，命中率最高。
2
用短词跑出第一轮方向稿
直接使用“将图一的【XX】迁移到图二，保持图二的主体身份与主要内容”，快速生成第一版。肉眼看大方向是否到位。
3
发现跑偏再追加针对性约束
若出现机位变动导致下半身被脑补、背景虚化带入了额外人影，第二轮再针对性加上“保持背景不变”、“保持原有服装不变”等具体补丁。两三轮迭代即可稳定交付！
关于作者： 南鸢 nuyoah（@nanyuan0412），AI 视觉创作与生图实战探索者，专注于真实可落地的 AI 工具与方法论。
Explore More Image Guides
Back to Hub
Open Source Flagship
The Brightest Open-Source Star! Qwen-Image-2.1 Master Guide: 7B Single-Stream DiT, Native Transparency & Unified Multi-Image Editing
Compact 7B Single-Stream DiT matching monolithic commercial flagships! Deep dive into native RGBA layer synthesis, up to 10 reference asset composition, and 5 interactive workshops.
Qwen Team & evaoo Research
Flagship Review
GPT-Image 2.5 Hands-on Review: The Most Accessible & Powerful AI Image Model for Everyone
Full Prompt OCR transcription of 26 original cases, dual-engine visual architecture, and 3 interactive workshops: 4-round inpainting sandbox, Flare vs Sunburst matrix, and poster studio.
Adrian Punk @AdrianPunk115
E-Commerce Playbook
GPT-Image 2.5 Practical Playbook: From Personal Fun to E-Commerce Production
End-to-end workflows: bouncing sticker GIFs, 3x3 meme sheets, jitter-free commercial sweeping lights, SKU replacement, apparel try-on, perfume refraction, and 3D packaging mockups.
Adrian Punk @AdrianPunk115
Need Autonomous Agents?
Explore multi-agent workflows, enterprise RAG, and local LLMs.