景深（DoF）指的是场景中最近和最远物体之间在图像中看起来清晰可接受的距离。在摄影和电影制作中，它由光圈大小、焦距和拍摄距离控制。浅景深通过模糊前景和背景来突出主体，而深景深则使场景的大部分保持清晰。在生成式人工智能图像和视频生成的背景下，景深是一个关键的视觉风格参数，提示词作者会调用它来模仿传统相机光学效果，为合成图像增添真实感、焦点和叙事重点。
这一概念起源于早期摄影，并经过数十年的光学工程不断完善。19世纪，由于胶片感光度低，摄影师使用小光圈和长时间曝光来实现深焦效果。到20世纪初，更快的镜头和胶片使得浅景深成为可能，并受到肖像摄影师的推崇。在电影中，奥逊·威尔斯和格雷格·托兰德等导演在《公民凯恩》（1941年）中使用深焦来呈现复杂场景，而其他人则利用浅焦来营造心理效果。这些技术成为基础视觉语言，后来被数字艺术家和AI模型所采用。
视觉特征
景深通过几种不同的视觉线索表现出来。最明显的是失焦区域的模糊或散景，其效果可以是奶油般的、圆形的，或由镜头光圈叶片形状决定。从清晰到模糊的过渡可以是渐进的或突变的，具体取决于镜头和光圈。由于光学物理原理，前景模糊通常比背景模糊更大且更柔和。在AI生成的图像中，这些特征由基于大量照片数据集训练的神经网络模型模拟，使其能够再现逼真的散景、镜头光晕和焦点衰减。提示词作者会指定“浅景深”、“散景”、“背景模糊”或“f/1.8”等术语来触发这些效果。
在AI图像生成中的作用
在人工智能图像合成中，景深不是物理属性，而是一种学习到的视觉模式。扩散系统等模型和U-Net架构在配对的文本-图像数据上进行训练，学习文本描述与视觉结果之间的关联。当提示词包含“景深”时，模型会调整其潜在表示以生成具有选择性焦点的图像。这与显式深度估计不同，后者使用NYU Depth V2或逆深度参数化等模型进行3D重建。在基于提示词的生成中，景深是一种风格选择，而非几何计算。
提示词技巧
有效的景深提示词涉及将技术术语与描述性上下文相结合。常见关键词包括“浅景深”、“深景深”、“微距拍摄”、“背景模糊的肖像”、“f/2.8”、“85mm镜头”和“散景”。添加主体和场景细节有助于模型优先处理焦点。例如，“一位女性的肖像，浅景深，背景散景”会产生以主体为中心的图像。相反，“深景深的风景，一切清晰”则产生广角清晰度。有些模型会对光圈值或镜头名称做出响应，但结果各异。提示词作者通常会根据输出进行迭代和调整术语，这一过程类似于模型训练中的课程学习。
知名实践者与模型
多个AI研究团队推动了景深合成的发展。OpenAI的DALL-E和Sora、Google DeepMind的Imagen以及Anthropic的Claude（通过集成实现文本到图像）展示了高保真度的景深渲染。Stability AI和Midjourney是社区常用工具，但此处未列出。来自伯克利AI研究和斯坦福AI实验室的学术工作探索了生成模型中的可控焦点。在视频领域，Sony AI和NVIDIA（未列出）研究了深度感知生成。这些系统利用Transformer (architecture)架构和交叉注意力机制，将文本提示词与空间特征对齐，从而实现精确的焦点控制。
技术基础
AI模型中的景深通常是隐式学习的，但有些系统会整合显式深度图。例如，Neural radiance field (NeRF)（神经辐射场）可以通过模拟相机光学来渲染具有真实景深的场景。逆深度参数化用于3D重建中以逆方式表示深度，有助于焦点模拟。NYU Depth V2等数据集提供真实深度用于训练，帮助模型理解空间关系。这些技术元素与基于提示词的景深不同，后者依赖于语义理解而非几何计算。然而，混合方法结合了两者，使用深度图引导扩散模型在帧间保持一致的焦点。
挑战与局限
AI生成的景深并非总是物理上准确的。模型可能产生不一致的模糊，尤其是在包含多个主体或反射表面的复杂场景中。过强的景深会使图像看起来不自然，而弱景深可能无法突出主体。提示词作者需要在具体性和灵活性之间取得平衡，因为过于详细的提示词可能会混淆模型。此外，视频生成面临时间一致性问题，焦点可能在帧间突然变化。来自MIT CSAIL和牛津大学的研究通过时间注意力机制和深度条件生成来解决这些挑战。
未来方向
随着生成模型的发展，景深控制正变得更加直观。较新的模型支持负面提示词以减少不必要的模糊，有些还允许基于区域的焦点编辑。大语言模型推理的整合使得“奶油般散景的肖像”等抽象提示词能被正确解释。苹果、三星电子和高通等公司正在优化设备端生成，使景深控制可在移动设备上使用。生成式人工智能在电影制作和虚拟制作中的兴起表明，景深将继续作为关键美学工具，连接传统光学与神经合成。
结论
景深是一个基本视觉概念，已从模拟摄影过渡到数字艺术和AI生成。其视觉特征，，选择性焦点、散景和深度线索，，对于叙事和真实感至关重要。在AI提示词中，它是一个强大的风格杠杆，使创作者无需物理设备即可模拟专业相机工作。随着模型的改进，模拟与真实光学之间的界限不断模糊，但景深背后的艺术意图保持不变：引导观众视线并塑造情感反应。