最近我干了一件挺有意思的事：让Gemini从零开始帮我写一个抠图工具，然后真的把它跑通了。整个过程比我想象中要顺，但也绝非网上吹得那么神乎其神——中间踩了不少坑，改了好几轮提示词。这篇文章就来聊聊整个过程，包括最终拿到的完整代码、技术选型逻辑，以及一些只有在实操中才会遇到的细节问题。

先说结论：如果你只是想快速得到一个能用的本地抠图工具，这篇文章里最终的代码可以直接“抄作业”。如果你对“AI 辅助编程”这件事感兴趣，那过程部分可能更有参考价值——AI 写代码不是一次成型，它更像一个需要持续纠偏的实习生，你的判断力才是关键。

1. 为什么抠图值得用 AI 重新做一遍

1.1 传统抠图方法的痛与痒

做内容的人都知道，日常最烦的活儿之一就是抠图。以前我抠一张带毛发的猫，靠的是 Photoshop 的通道大法和图层蒙版，前后折腾十分钟起步，效果还不稳定。遇到逆光、透明物体、背景复杂的情况，基本就要靠手工一笔一笔描。后来行业里开始流行在线抠图网站，但要么上传原图让人心里没底，要么免费额度少得可怜，要么清晰度被压缩。

传统抠图的核心思路自古就是两派：一类基于颜色亮度差异（色彩范围、通道提取），一类基于边界几何（钢笔路径、套索）。前者遇到“前景和背景颜色接近”就直接翻车，后者遇到毛发、半透明边缘就崩溃。而深度学习抠图改变的是本质逻辑：它不靠颜色，也不靠边界曲率，而是让神经网络学会“理解图像内容”——哪些像素属于主体，哪些属于背景。这是语义级别的判断，跟视觉效果无关。

1.2 为什么选 U2-Net 而不是最新的大模型

提到 AI 抠图，很多人第一反应是那些几十 GB 的大模型。但实际部署时你会发现，对于“把物体从图片里抠出来”这个任务，U2-Net 依然是最合适方案之一。这个模型是 2020 年提出的显著性目标检测网络，核心结构是 RSU（Residual U-block），能同时捕捉多尺度特征，对边缘细节的保留效果尤其好。

我选择它的理由有几点：

• 模型体积适中（ONNX 版本约 140MB，轻量版 u2netp 只有几 MB）
• 对 CPU 推理友好，不需要 GPU 也能在 1-2 秒内完成一张图
• 在公开数据集上的分割效果已经足够好，尤其是人像、宠物、常见物品
• ONNX 生态成熟，跨平台部署非常方便

1.3 为什么用 ONNX Runtime 部署而不是 PyTorch 直接推理

这里其实是部署思维的差别。PyTorch 推理需要安装整个深度学习框架，环境依赖多，还涉及模型权重格式。ONNX Runtime 是专门为推理优化的引擎，只需要一个 onnx 文件就能跑，CPU 上也有不错的优化，懒人式部署首选。

实际测试下来，同样的 U2-Net 模型，PyTorch CPU 推理一张 512x512 图片大约需要 3 到 4 秒，ONNX Runtime 优化后能压到 1.5 秒以内。这个差距在实际使用中是能感知到的，尤其当你做批量处理的时候。

2. 让 Gemini 写代码：提示词与迭代实录

2.1 第一轮提示词：先给大纲而不是直接要代码

说实话，最开始我也很怕 Gemini“一本正经地胡说八道”。毕竟 AI 生成代码最大的风险不是语法错误，而是逻辑错误——它可能用了一个不存在的 API、写错张量维度、或者漏掉关键的预处理步骤。为了减少这种情况，我的第一轮 prompt 刻意写得很具体，而不是简单一句“帮我写个抠图工具”。

最初提交的提示词大概是这样（自然语言加技术约束）：

请用 Python 写一个抠图工具，使用 ONNX Runtime 加载 u2net.onnx 模型。输入是一张图片路径，输出是带 alpha 通道的 PNG 图片。要求用 OpenCV 做图像预处理，把图片缩放到 320x320，归一化用 ImageNet 的均值和方差，BGR 转 RGB，HWC 转 CHW。模型输出后用阈值 0.5 得到二值掩码，与原图合成透明背景 PNG。请提供完整可运行的代码，并说明依赖。

这里我把关键参数直接摆出来了，因为 AI 不会替你猜这些参数。你给的信息越明确，它生成的东西越接近你想要的。第一轮返回的代码结构基本正确——加载模型、预处理、推理、后处理都有，但有一个非常典型的错误：它在归一化时把像素直接除以 255 后又减均值除方差，却忘了把数组转成 float32，导致 OpenCV 在显示时出现奇怪的色条。这个排错过程放到第五章讲。

2.2 迭代过程中 Gemini 暴露的三个“新手坑”

第一坑：通道顺序混乱。Gemini 的代码里前处理写了 BGR 转 RGB，但后处理合成时又默认把掩码当作 BGR 单通道。虽然单通道不存在顺序问题，但它在把掩码三通道化时写了个cv2.merge([mask, mask, mask])，然后在带透明通道合成时忘记把 alpha 归一化到 0-255 的 uint8 范围，导致输出图片边缘出现黑色锯齿。

第二坑：错误处理缺失。第一版代码没有检查模型文件是否存在，也没有判断图片读取失败的情况。我故意输入一个不存在的路径，程序直接抛异常退出，没有任何友好提示。这在实际使用中很影响体验，尤其是给非技术背景的人用的时候。

第三坑：增减功能时连带破坏原有逻辑。我后来要求增加 Gradio 界面，Gemini 直接把原来的命令行入口也改了，导致if __name__ == "__main__"分支被它顺手删掉。这个问题一度让我很困惑，因为从界面启动没问题，但命令行模式却失效了。后来我养成了一个习惯：每次请求增加新功能时，都会在 prompt 末尾加一句“请保留原有命令行入口不变”。

2.3 提示词设计的三个心得

经过几轮迭代，我总结出这套提示词技巧：

• 给足技术约束：不要只说“实现抠图”，要把输入输出格式、模型路径、尺寸、归一化参数全部写出来，这样能避免 AI 自选方案带来的偏差。
• 一次只改一个点：让 Gemini 增加羽化功能时，不要同时让它重构代码结构。它很容易在重构过程中丢掉原有功能，两处修改互相干扰，排查起来很痛苦。
• 要求它先说明思路再写代码：有一轮我让它先简短写出处理流程，再生成代码。结果那次生成的代码质量最高，因为它在说明思路时其实是在给后面的代码搭建逻辑框架，相当于先做了个设计再实施。

3. 核心技术拆解：每一行到底在干嘛

3.1 完整数据流

这个抠图工具的完整链路是这样的：

输入图片 → OpenCV 解码 → 缩放至 320x320 → BGR 转 RGB → 归一化 → HWC 转 CHW → 输入 ONNX 模型 → 输出概率图 → 阈值二值化 → 自适应调整尺寸 → 与原图合成透明 PNG

每一步都有存在的意义。缩放是为了匹配模型训练时的输入尺寸，BGR 转 RGB 是因为 OpenCV 默认读图是 BGR 而模型训练用的是 RGB，归一化是为了让像素分布对齐训练数据分布，HWC 转 CHW 是为了满足 ONNX 模型的输入张量布局。任何一步出错，最终结果都会出现异常。

3.2 输入预处理细节拆解

U2-Net 的 ONNX 输入格式通常是[1, 3, 320, 320]，float32，归一化到 0-1 区间。这里要注意，不同版本的模型对输入尺寸要求不一样，有的支持动态尺寸，有的固定 320。我下载的这个版本是固定 320 的最经典配置。

预处理代码的核心逻辑如下：

import cv2 import numpy as np def preprocess(image_path): img = cv2.imread(image_path) img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) img = cv2.resize(img, (320, 320), interpolation=cv2.INTER_AREA) # 归一化到0-1，并减去均值除以方差 img = img.astype(np.float32) / 255.0 mean = np.array([0.485, 0.456, 0.406], dtype=np.float32) std = np.array([0.229, 0.224, 0.225], dtype=np.float32) img = (img - mean) / std # HWC -> CHW，并添加batch维度 img = img.transpose(2, 0, 1) # 从 (320, 320, 3) -> (3, 320, 320) img = np.expand_dims(img, axis=0) # 变成 (1, 3, 320, 320) return img

重点说明两个细节：

第一，cv2.resize的插值方式。缩小时我用INTER_AREA，它不是最锐利但更能保持整体纹理结构，避免出现摩尔纹。放大时才需要用INTER_CUBIC或INTER_LINEAR。Gemini 第一版用的是INTER_LINEAR，我也没改，效果差别不大，但理论上INTER_AREA更合适。

第二，均值方差的取值。这里用的是 ImageNet 预训练的标准归一化参数，因为 U2-Net 训练时就是这么预处理的，必须严格对齐，否则推理结果会偏色或掩码错乱。很多人直接把像素除以 255 完事，这样得到的掩码往往有灰色残影。

3.3 模型推理与输出解读

import onnxruntime as ort session = ort.InferenceSession("u2net.onnx", providers=["CPUExecutionProvider"]) def infer(img_tensor): input_name = session.get_inputs()[0].name output_name = session.get_outputs()[0].name pred = session.run([output_name], {input_name: img_tensor})[0] # pred 的形状是 (1, 1, 320, 320)，取值范围 0-1 return pred[0, 0, :, :]

U2-Net 的输出很有意思：它不是一个二值掩码，而是一张与输入同分辨率的概率图。每个像素的值表示该位置属于前景的置信度，0 代表完全背景，1 代表完全前景。这个概率图才是抠图的真正核心素材。

拿到概率图后，常规做法就是阈值 0.5 二值化。但实际操作中，0.5 往往会让边缘显得太“硬”。如果目标是发丝级的人像抠图，更精细的做法是用概率图直接作为 alpha 通道，配合羽化或 matting 算法，能让半透明的头发细节保留下来。我在后面的优化章节会详细展开。

3.4 后处理与合成透明 PNG

后处理的逻辑比较简单，但有三个容易忽略的坑：

def postprocess(prob, original_img): # 把概率图调整回原图尺寸 prob = cv2.resize(prob, (original_img.shape[1], original_img.shape[0])) # 生成二值掩码，0/255 mask = (prob > 0.5).astype(np.uint8) * 255 # 转为三通道，便于按像素操作 mask_bgr = cv2.merge([mask, mask, mask]) # 合成透明背景 b, g, r = cv2.split(original_img) alpha = mask.astype(np.float32) / 255.0 out_b = (b * alpha + 255 * (1 - alpha)).astype(np.uint8) out_g = (g * alpha + 255 * (1 - alpha)).astype(np.uint8) out_r = (r * alpha + 255 * (1 - alpha)).astype(np.uint8) result = cv2.merge([out_b, out_g, out_r]) # 如果想保留原始颜色，在边缘用mask做透明混合 # 更简单的方式是直接输出RGBA rgba = cv2.merge([b, g, r, mask]) return rgba

第一个坑是mask必须是 uint8 类型，值域 0-255，否则cv2.merge会把 0 和 1 当作黑和白，导致结果看起来像是一张纯黑的图。第二个坑是合成时如果直接用原图与掩码按位与，背景会变成纯黑色，而不是白色或透明。如果最终要白色背景的 JPG，那用original * alpha + 255 * (1-alpha)的方式混合，背景才是干净的白。第三个坑在于原图如果有 EXIF 旋转信息，OpenCV 读取时不会自动旋转，输出会莫名旋转 90 度。这个我一开始完全没注意到，后来对比原图才发现问题。

3.5 为什么用 Gradio 而不是 Flask

Gemini 在给我加界面时，毫不犹豫选择了 Gradio。我当时没有反对，事后觉得这是比较合理的响应。因为 Gradio 封装的interface方法只需要一个函数和输入输出描述，几行代码就能出一个网页界面，适合工具类项目快速验证。如果当时选了 Flask，从零写表单上传、路由、渲染模板，工作量至少翻三倍。

Gradio 的界面代码大致是：

import gradio as gr def matting_app(image): rgba = process_image(image) # 内部走完整pipeline return rgba iface = gr.Interface( fn=matting_app, inputs=gr.Image(type="numpy"), outputs=gr.Image(type="numpy", image_mode="RGBA"), title="本地AI抠图工具", description="上传图片，自动生成透明背景PNG", ) iface.launch()

需要注意一个细节：gr.Image默认用 numpy 数组传输图片，但它在解码时不一定保持原始色彩空间。我测试时发现上传的图片颜色变淡了一圈，排查后是在preprocess里多了一次多余的 BGR/RGB 转换。Gradio 拿到的是 RGB 数组，我的 pipeline 又转了一次 BGR，等于转了两遍，颜色自然不对。后来我给process_image加了一个from_rgb=True的入参，根据入口不同跳过转换，这个问题就解决了。

4. 实操：从零跑通这个工具

4.1 环境准备

我的运行环境是 Windows 11 + Python 3.10，全程 CPU 推理。依赖只需要三个库：

pip install opencv-python numpy onnxruntime gradio

onnxruntime 默认装的是 CPU 版本。如果之后想跑 GPU 加速，需要手动安装onnxruntime-gpu，并且有可用的 CUDA 环境。但就抠图这种一次性任务，CPU 版本完全够用。

模型文件方面，我下载的是u2net.onnx。网上有一些开源仓库提供了转换好的 ONNX 文件，下载后放在项目根目录即可。文件大小约 140MB，第一次加载会稍微慢一点，之后就会缓存。

4.2 命令行版主程序

这个工具的完整主程序如下，你可以直接复制保存为matting.py：

import cv2 import numpy as np import onnxruntime as ort import sys import os MODEL_PATH = "u2net.onnx" # 初始化会话 session = ort.InferenceSession(MODEL_PATH, providers=["CPUExecutionProvider"]) def preprocess(image_path): img = cv2.imread(image_path) if img is None: raise ValueError(f"无法读取图片: {image_path}") img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) resized = cv2.resize(img_rgb, (320, 320), interpolation=cv2.INTER_AREA) resized = resized.astype(np.float32) / 255.0 mean = np.array([0.485, 0.456, 0.406], dtype=np.float32) std = np.array([0.229, 0.224, 0.225], dtype=np.float32) normalized = (resized - mean) / std tensor = normalized.transpose(2, 0, 1)[np.newaxis, ...] return img, tensor def infer(tensor): input_name = session.get_inputs()[0].name output_name = session.get_outputs()[0].name pred = session.run([output_name], {input_name: tensor})[0] return pred[0, 0] def postprocess(prob, original): h, w = original.shape[:2] prob_resized = cv2.resize(prob, (w, h), interpolation=cv2.INTER_LINEAR) alpha = (prob_resized * 255).astype(np.uint8) b, g, r = cv2.split(original) rgba = cv2.merge([b, g, r, alpha]) return rgba, alpha def process_image(image_path, output_path): original, tensor = preprocess(image_path) prob = infer(tensor) rgba, alpha = postprocess(prob, original) cv2.imwrite(output_path, rgba) print(f"完成：{output_path}") if __name__ == "__main__": if len(sys.argv) != 3: print("用法: python matting.py 输入图片路径 输出PNG路径") sys.exit(1) process_image(sys.argv[1], sys.argv[2])

这段代码经过我的多次调整，是目前最稳定的版本。里面加入了输入检查、异常提示、命令行参数说明，已经不是在“能跑”水平，而是“能给别人用”的水平。

4.3 第一次运行的实测记录

我拿了一张 800x600 的宠物猫照片测试。命令行运行：

python matting.py cat.jpg output.png

从启动到完成，总耗时约 1.8 秒。输出 PNG 打开后，猫主体被完整抠出，毛发边缘算是“可用但不够精细”的程度——没有明显的大块背景残留，但细碎毛发的半透明感不够自然。这个结果是典型的 U2-Net 裸输出水平，没有经过任何边缘后处理。如果你只是想把主体放到纯色背景上，完全够用。

我又测试了一张人像半身照。效果明显比猫好，可能是因为训练数据中人像样本居多。衣服边缘、头发的轮廓都比较干净。对于电商白底图需求，半身人像的效果已经很接近商用标准。

4.4 加一个 Gradio 界面让工具更好用

命令行适合开发者自己用，但如果要分享给同事或者朋友，一个网页界面是刚需。我让 Gemini 加了 Gradio 版本，保存为app.py：

import gradio as gr from matting import process_image import tempfile import os def matting_app(image): with tempfile.NamedTemporaryFile(suffix=".png", delete=False) as tmp: tmp_path = tmp.name process_image(image, tmp_path) result = cv2.imread(tmp_path, cv2.IMREAD_UNCHANGED) os.unlink(tmp_path) return result iface = gr.Interface( fn=matting_app, inputs=gr.Image(type="filepath"), outputs=gr.Image(type="numpy"), title="AI 抠图工具", description="上传任意图片，自动生成透明背景 PNG", ) iface.launch()

这里把gr.Image的type设为filepath，程序内部用process_image处理后再读回，避免前面提到的颜色空间问题。启动后浏览器会打开http://127.0.0.1:7860，直接拖一张图片进去就能看到效果。

4.5 批量处理小技巧

一次抠一张图在场景简单时没问题，但如果我有几十张产品图要处理，一个个在界面里拖就太累了。我单独写了一个批量处理的脚本，逻辑很简单：遍历目录下所有 JPG/PNG，每个文件调用一次process_image，输出到指定文件夹。

import os import glob from matting import process_image input_dir = "./input" output_dir = "./output" os.makedirs(output_dir, exist_ok=True) for ext in ["*.jpg", "*.jpeg", "*.png"]: for path in glob.glob(os.path.join(input_dir, ext)): fname = os.path.basename(path).rsplit(".", 1)[0] process_image(path, os.path.join(output_dir, fname + "_matting.png"))

用这个脚本，我一次性处理了 200 张商品主图，总耗时约 6 分钟。对于个人卖家或者小团队做电商素材，这个速度已经相当理想了。

5. 常见问题与排查技巧实录

5.1 高频问题速查表

我在实际开发和给朋友试用时遇到过各种各样的问题，整理成表格方便查阅：

5.2 边缘毛刺与发丝问题的详细说明

这是抠图工具最常见的吐槽点。U2-Net 输出的是概率图，阈值 0.5 直接切分，边缘必然会出现像素级的毛刺。尤其是人像头发，在浅色背景下非常明显。

一个简单有效的优化方案是给 mask 增加羽化效果。在二值化之前，对概率图做一次高斯模糊：

blur = cv2.GaussianBlur(prob, (0, 0), sigmaX=1.5) alpha = (blur * 255).astype(np.uint8)

这里 sigmaX 取 1.5 到 2.5 都可以，过大会让边缘整体发虚，过小则改善有限。另一种思路是保留概率图本身作为 alpha 值，相当于软边缘，比二值化+羽化更自然。

对于真正的高精度发丝抠图，U2-Net 这类语义分割模型的输出只能作为后续 alpha matting 的三分图（trimap）输入。这是一个进阶方向，但大多数普通使用场景下，概率图直接转 alpha 已经足够。

5.3 模型下载与验证

网上有很多 U2-Net 的 ONNX 版本来源，下载过程可能遇到网盘限速等问题。下载完成后，建议先用下面这段代码验证模型是否完整：

import onnxruntime as ort session = ort.InferenceSession("u2net.onnx") print(session.get_inputs()[0].name, session.get_inputs()[0].shape)

如果正常输出input.1 ['batch_size', 3, 320, 320]之类的形状信息，说明模型文件完好。如果报错，则大概率是文件下载不完整或者依赖缺失。

我见过一个比较隐蔽的情况：下载的模型是 u2netp（轻量版），它和 u2net 的尺寸、通道数不同，但逻辑代码通用。如果你发现输出掩码的分辨率变成了 320x320 但细节明显变差，可以检查模型文件大小，u2net 约 140MB，u2netp 只有约 5MB。

5.4 性能优化：从 1.8 秒到 0.5 秒

先说结论：如果你的图片是 2000x2000 的高清大图，整个链路的瓶颈其实在 cv2.resize 和 cv2.imwrite。通过缩小输入尺寸可以显著降低耗时，但模型推理部分不变，因为模型输入固定是 320x320。

如果你追求更快的推理速度，可以尝试：

• 将模型输入从 320 改为 224 或 256，但需要重新导出模型，或者修改预处理缩放尺寸。实际效果是速度变快，边缘精细度略微下降。
• 使用 onnxruntime 的intra_op_num_threads参数调节线程数。多线程在多核 CPU 上确实有帮助，但线程数超过物理核心后提升不明显。
• 如果你有支持 CUDA 的独立显卡，装onnxruntime-gpu，同图推理时间可以从 1 秒级降到毫秒级。

这些优化看你自己的场景。我个人的经验是，CPU 1-2 秒是完全可以接受的，没必要为偶尔的抠图任务上 GPU。

6. 用 Gemini 协作编程的几点真实经验

6.1 认清 AI 代码的边界

这次项目下来，我最深的感受是：Gemini 确实能大幅缩短从零到有的开发时间，但它生成的代码质量上限，基本取决于提问者的技术素养。如果你对模型结构、数理逻辑、常见坑完全没概念，那 AI 给的代码出了问题，你甚至不知道该从哪里排查。反过来，如果你有一定基础，你就能用 prompts 把 AI 的效率拉满，把有限的精力放在真正需要判断力的事情上。

我这次最满意的地方是，Gemini 帮我省下了一堆样板代码时间——进程管理、命令行参数解析、批量遍历、文件 IO。这些本来就是体力活，交给 AI 合情合理。而最要人类把关的，是那些隐藏在代码下面的逻辑选择：模型输入尺寸、归一化方式、alpha 合成公式、颜色空间转换。这些决定“做出来的东西对不对”，不能全靠 AI 猜。

6.2 验证 AI 代码的方法：跑通只是开始

很多人觉得 AI 代码“能跑就行”，这在工具类项目里是最大的误区。cv2.imwrite能输出文件，不代表输出的图片是正确的。颜色偏了、边缘残渣、方向翻转，这些都需要用肉眼逐个验证，而 AI 无法替你做最终质量验收。

我的做法是准备一个测试集：一张人像、一张动物、一张带透明物体的玻璃杯，还有一张背景复杂的前景照。每次修改代码后，都用这四张图跑一遍，对比输出结果。不用专门写测试代码，直接看图就够了。抠图工具的验收标准本来就应该是“视觉效果”，而不是“函数返回值”。

6.3 prompt 优化：让 AI 少犯错的实践技巧

最后分享几个这次实践中的 prompt 小技巧：

• 如果 AI 给出的代码报错，把完整报错信息原样贴回去，再附上“请只修改有问题的部分，不要改动其他代码”。这句话能避免它顺手重构你的现有逻辑。
• 要求代码风格统一，比如“变量命名用 snake_case”、“函数开头加 docstring”。AI 在风格一致性上做得其实不错，但需要你主动提出。
• 涉及图像处理时，明确写出“不要用 matplotlib 显示图片，用 cv2.imwrite 保存”。Gemini 会倾向于用 matplotlib 展示，但在批处理脚本里这反而添乱。
• 想要让 AI 理解复杂需求时，可以告诉它“请先列出处理步骤清单，确认无误后再写代码”。这一步多花十几秒，但能减少返工次数。

6.4 代码审查：哪些地方必须亲自看

即使 prompt 写得再完美，我也建议你把 AI 生成的代码分成三块审查结构：

第一块是输入输出接口部分。命令行参数、文件路径、返回值设计。这一块关系到工具能不能被自动化调用，错了就是灾难。

第二块是算法逻辑的核心段。归一化参数、模型推理、阈值分割。这些地方必须做单元级别的验证，可以用已知正确的人工处理结果对齐测试。

第三块是异常处理和边界情况。文件不存在、空图片、超大图片、非法参数。这些在 AI 生成的代码里经常被省略，但它们才是实际使用中体验差异的来源。

6.5 这个工具还能怎么扩展

写完这个基本版之后，我觉得还有几个方向可以继续做：

一是增加背景替换功能，把纯色背景换成指定颜色或自定义背景图，这在电商场景中很实用。实现方式很简单，拿到 alpha 掩码后与原背景做 alpha blending 即可。

二是增加人像专用优化模式。U2-Net 对通用物体效果好，但对人像发丝细节还可以通过抠图专用模型优化。你可以把它当成“精细模式”和“快速模式”两个选项。

三是接上自动化处理管道，比如配合文件监控，当某个文件夹出现新图片时自动触发抠图。这样可以做成一个小型素材处理流水线。

如果你有编程基础，建议顺着这个思路自己扩展一遍。把别人写好的工具改成自己顺手的样子，这个过程对理解整个图像处理流程的帮助，远比单纯看教程来得深刻。

最后再分享一个小细节。很多人用 U2-Net 抠图之后会发现背景残留一些淡淡的灰色阴影，这其实不是模型问题，而是保存 PNG 时通道没有整理干净，或者归一化均值方差没对齐。如果你也遇到同样的情况，可以试试把阈值从 0.5 改成 0.35，再用高斯模糊做一次羽化，边缘会更加干净自然。我后来一直用这套参数，实际效果比默认值好了不少。就用这个技巧收尾吧，希望这个工具能帮你省点时间，也希望大家都能在 AI 辅助编程的路上，学会分辨哪些代码要信、哪些要改。