歡迎您游客 | 登錄 | 免費注冊 | 忘記了密碼 | 社交賬號注冊或登錄

溫哥華資訊

故事 | 移民 | 留學 | 八卦 | 娛樂 | 投資 | 旅游
就業 | 健康 | 文藝 | 情感 | 科技 | 華人 | 海歸

溫西 | 西溫 | 本那比 | 列治文 | 白石 | 市中心
溫東 | 北溫 | 高貴林 | 北素裡 | 素裡 | 滿地寶

大溫 | 玩樂 | 吃喝 | 社團 | 汽車 | 貼圖
生活 | 房屋 | 親子 | 攝影 | 原創 | 投資

專欄 | 視頻
群組 | 圖庫

生活資訊專欄社會百態

世界第一張照片,被AI修復成科幻片

2025-10-04 | 來源: 愛范兒 | 轉到微信 | 有0人參與評論 | 字體: 放大縮小 | 收藏 | 打印

暴曬+ 瀝青 + 錫板 = 世界上第一張照片？

聽起來有些像是化學實驗，但這正是被學界普遍認可的世界上第一張照片——《勒格哈的窗外景色》的誕生方式，盡管具體年份仍有爭議，但也即將度過 200 歲的生日。

照片的作者尼埃普斯站在自家二樓的工作室窗邊，架好鏡頭，對准庭院和遠處景色，連續曝光幾天，才在一塊拋光錫板上捕捉到這段模糊而珍貴的影像。

如今將近兩個世紀過去，這張照片卻意外成了 AI 的「整活素材」。

AI 修復世界上第一張照片，越修越離譜

腦洞大開的 Reddit 網友嘗試用 GPT-4o 等生成式 AI 工具「復原」這張歷史影像，在網友的搗鼓下，這張老照片，迎來了它意想不到的版本。

比如在這個版本中，《星球大戰》的帝國戰艦降落在尼埃普斯的家中，整個畫面瞬間穿越成了科幻片。

霓虹迷霧彌漫，綠藍紫光交織的高樓林立，中心人物身披斗篷、站在高台之上，背對鏡頭，只能說，和 19 世紀的法國鄉村風景風馬牛不相及。

玩梗的網友沉浸在 AI 修圖藝術，已經不知天地為何物了。紅瓦屋頂統一配色、煙囪冒著蒸汽，路徑彎彎繞繞像糖漿流動，一下子從紀實風變成了動畫風。

再看這個版本，飛船沒了、光污染也沒了，原圖開始包含左牆、右屋，以及中央斜坡結構。

相比 GPT-4o，《勒格哈的窗外景色》在 Flux 模型的復原中，被處理成了一座被遺棄的歷史遺址，屋頂只剩下零星紅瓦，仿佛早已被風雨和時間掏空。

好在，也有神來一筆的時刻，由 OpenAI o3 模型修復的畫面裡，熟悉的斜屋頂、塔樓、鄉村小窗和光照角度，與最初的尼埃普斯作品勉強有些關系。

看到這，你或許會認為 AI 修復這張老照片，狠狠刷了一波存在感，但這股熱鬧背後，其實也有不少穿幫的細節，最典型的，便是照片中央那塊模糊的三角形高亮區域，讓 AI 們集體翻車。

這張照片的復原版本早在 1952 年就已面世。倫敦柯達實驗室在歷史學者赫爾穆特·格恩斯海姆的指導下，用底片對原圖略作修飾並公開發布，讓大眾第一次清晰看見照片原貌。

實際上，當中那塊三角形亮斑，並不是建築結構，而是庭院地面在長時間曝光下，被陽光照射後留下的亮斑。圖像左右是莊園的建築牆面，遠處依稀可見的則是一棵樹和農田的地平線。

看得出 AI 很努力，但顯然不太理解這種 19 世紀的拍照方式。

尼埃普斯用的感光材料，是把瀝青混合薰衣草油塗在錫板上，在窗邊放上幾天（也有一種說法是 8 小時），靠太陽一點點灼印出圖像。只有陽光最強的部分，才會在板上留下痕跡。

從實際復原的渲染圖來看，上述大多數 AI 修圖的版本都與實際建築結構相差甚遠。

復原渲染圖 | Paulo Quartilho

1999 年，法國攝影學院 Spéos 的創始人皮埃爾-伊夫·馬黑，曾租下當年尼埃普斯用作實驗室的房間，並聯合法國科研團隊進行了實地考證，還為此專門拍了一支紀錄片。

有趣的是，他們發現，在 19 世紀末的一次房屋翻修中，為了好騰出空間加裝煙囪和壁爐，尼埃普斯的窗戶被整體左移了大約 70 厘米，馬黑團隊也從地板結構中找到了原窗的位置，並將屋內陳設完全還原到當年的狀態。

這部62年前的捷克科幻片為什麼值得一再提起

科技的盡頭,只能是宗教嗎?AI時代,我們為何需要更好的科幻片

中子星終極解碼比科幻片還帶勁

此外，尼埃普斯拍下《勒格哈的窗外景色》時，他並沒有「拍底片—翻印正片」這一流程，而是把感光層直接安裝在暗箱裡，讓光線在錫板上留下一次成像。

這就決定了相片天生是倒置影像，需要手動翻轉才能像我們習慣那樣正立過來。

如今，尼埃普斯居住地被改造成了博物館，每年 7 月到 8 月開放，現在還有特定的官網可以查詢預約時間。游客可以在尼埃普斯故居博物館中，透過窗口眺望那片熟悉又陌生的庭院景觀。

AI 幻覺，正在吞噬真實

早在生成式 AI 爆火之前，AI 修復古畫、還原黑白照片的新聞就已經屢見不鮮。只是隨著 GPT-4o、Gemini 等多模態大模型的上線，修圖這件事變得更快、更普及。

當下的圖像修復，底層大多基於擴散模型。

其基本機制是分兩步走：先人為往圖像中加入高斯噪聲，逐步「破壞」圖像結構；再在反向過程中通過學習將噪聲一步步「復原」，最終生成一張看起來「無損」的圖像。

在實際圖像修復任務中，AI 只會對損壞區域進行采樣和重建，不修改已知區域。這種方式可以確保修復內容風格統一，且兼顧效率與質量。

而有些模型，比如 SPIRE 這樣的語義控制框架，則會通過提示詞把修復方向「鎖定」在用戶指定的內容上。ControlNet 等模塊負責保持模型的「語義一致性」和「修圖邊界感」，避免過度發揮。

為了修得更「像」，還會引入了重采樣機制。

如果 AI 修出來的內容偏題、風格不符，模型會檢測到不合理，（比如語義特征不一致），會將結果「退回上一步」重新修。這個回溯跳躍長度越長，AI 越有可能糾正自己的「幻覺」。

北京理工大學與澳大利亞國立大學今年聯合發布了關於 GPT-4o 圖像修復能力的實驗結果。研究團隊采用了一種直覺式方案：將退化圖像輸入 GPT-4o，提取語義特征並疊加其「修復建議」，生成最終圖像。

結果卻是，好看是真的，但畫面准確度就另當別論了。

GPT-4o 生成的圖片視覺沖擊力拉滿，在 CLIP-IQA 等主觀指標上得分很高。但在像素級對比上卻掉了鏈子，PSNR（峰值信噪比）得分甚至低於原圖。換句話說，GPT 修得可能「更假了」。

就像《勒格哈的窗外景色》，被 AI 修成一張看起來合理的復原圖。你若沒留個心眼，很可能就信了。當然，AI 修錯一張照片，不稀奇；但可怕的是，修錯之後，沒人覺得有問題。

倘若 AI 修圖是以原圖為基礎進行補全、美化，屬於加工，那麼 AI 生成圖基於文本或模糊圖像直接構造全新圖，屬於重構甚至偽造，現實中，AI 圖像替代真圖的情況已屢見不鮮。

去年，Facebook 上廣為流傳著一張黑白老照片，配文寫著：「亨利·福特坐在他第一輛汽車福特四輪車中，攝於 1896 年。」結果對比歷史館藏，這照片完全不對。人物長相不符，車輛設計也錯，AI 圖中的車還有方向盤、穿模的手，堪稱 AI 幻覺的教科書案例。

類似的還有一張號稱萊特兄弟首次動力飛行的。畫面中兩名年輕男子站在一架古董雙翼飛機前，表情神情自若。但對照歷史檔案，這同樣是張假照片。

更深一層的擔憂在於，這一切並不容易被察覺。

尤其是，生成式 AI 泛濫成災的當下，人們往往不會質疑一張看起來合理的歷史照片，尤其是在它配著權威文案，被數萬人轉發、點贊之後。

如同哲學家、社會學家讓·鮑德裡亞所提出的「擬像」理論：擬像將會吞噬現實。

現代社會中的圖像、廣告、媒體、AI 不斷制造和傳播看似真實的東西，讓人們失去對現實的判斷能力。大家開始相信圖像、相信標簽、相信故事，而不是去追問「這是真的嗎」。

也正因此，值得警惕的是，當我們提起世界第一張照片，引用的也許既不是原圖，而是出自某個 AI 模型的「高仿」作品。甚至那時候，它修得對不對，沒人再會去查證。

所以說，下一次刷到百年前的人文瞬間，先別急著點贊，世界第一張照片或許還在博物館，而我們記住的那張，很有可能是 AI 瞎編的。