浅景深是一种摄影和电影技术，其中只有图像中狭窄的平面被呈现为清晰细节，而该平面前后的元素则显得柔和模糊。这种效果主要通过大光圈（低f值）实现，它减小了景深，即场景中看起来可接受清晰的距离范围。通过将主体与周围环境隔离，浅景深引导观众的注意力，营造深度感，并可能传达心理或情感状态。在Generative AI图像和视频生成的背景下，浅景深是一种常见的视觉风格请求，通过Prompt中的描述性关键词来模拟专业摄影和电影摄影的外观。
该技术源于摄影的早期历史，当时大画幅镜头和慢速胶片乳剂的局限性自然产生了狭窄的景深。随着相机技术的进步，摄影师开始有意使用浅景深作为表现工具。在20世纪，肖像摄影师如尤素福·卡什和理查德·阿维顿使用大光圈将主体从杂乱背景中分离，创造出具有奶油般模糊背景的标志性图像。在电影中，浅景深成为法国新浪潮和让·雷诺阿、奥逊·威尔斯等导演作品的标志，他们用它来引导视线在复杂构图中的移动。该技术也成为音乐视频和广告视觉语言的核心，其中清晰的主体配以柔和梦幻的背景传达亲密感或奢华感。
视觉特征
浅景深的定义特征是图像中从清晰到柔和的快速过渡。焦点平面，通常称为焦平面，在肖像摄影中通常位于主体的眼睛上，或在静物摄影中位于关键物体上。该平面前后的区域表现出逐渐模糊，模糊程度随距焦平面的距离增加而增加。这种模糊通常呈现为“散景”，这是一个日语术语，指焦外区域的美学质量。当镜头具有大光圈和圆形光圈叶片时，散景可以表现为平滑的圆形高光，或在较便宜的镜头中表现为更分散的几何形状。该效果在长焦镜头和近距离对焦时最为明显，因为这两个因素都会压缩景深。在视频中，浅景深可以与焦点转移结合使用，其中焦点平面从一个主体移动到另一个主体，以引导观众注意力穿过场景。
艺术与摄影中的起源
选择性对焦的美学先于摄影，出现在绘画中，艺术家如伦勃朗使用明暗对照法将视线吸引到面部，同时让其他细节落入阴影。随着1839年银版摄影法的发明，早期摄影师发现大画幅镜头固有的浅景深可用于创建具有柔和模糊背景的肖像，这种风格在1850年代流行起来。19世纪末的画意摄影运动拥抱柔焦作为将摄影提升为艺术形式的方式，通常使用具有球面像差的镜头来创造梦幻、绘画般的效果。在20世纪，更快胶片和更宽最大光圈镜头的发展，如徕卡和佳能等制造商推出的f/1.2和f/1.4镜头，为摄影师提供了对景深的更大控制。亨利·卡蒂埃-布列松的作品虽然常与锐利的街头摄影相关，但经常使用浅景深来隔离瞬间，而欧文·佩恩和阿诺德·纽曼的肖像则使用选择性对焦来强调坐者面部与纹理背景的对比。
在电影与摄影技术中
在电影中，浅景深自默片时代起就是叙事工具。D.W.格里菲斯在1916年的电影《党同伐异》中使用选择性对焦来突出大型布景中的角色。1940年代见证了深焦的兴起，由摄影师格雷格·托兰德在《公民凯恩》中倡导，它保持前景和背景都清晰，但浅景深仍然是特写和情感场景的主要手段。阿尔弗雷德·希区柯克等导演使用它来制造悬念，如《后窗》（1954年），其中主角对邻居的视角通过长焦镜头渲染，压缩空间并模糊庭院。在1970年代，新好莱坞时代拥抱浅景深以获得自然主义外观，摄影师戈登·威利斯在《教父》（1972年）中使用它创造阴郁、低调的照明。现代电影制作人，包括克里斯托弗·诺兰和丹尼斯·维伦纽瓦，经常使用浅景深来创造规模和亲密感，通常使用产生独特椭圆形散景的变形镜头。该技术也是电视剧和广告视觉风格的核心，其中清晰主体配以模糊背景是传达高端品质的标准方式。
著名实践者
几位摄影师和电影摄影师以其浅景深的掌握而闻名。摄影师Alexei Efros，虽然主要是计算机视觉研究员，但研究了摄影中景深的美学，有助于理解模糊如何影响感知。在美术界，摄影师如莎莉·曼和川内伦子使用浅景深创造亲密、空灵的图像。在电影中，摄影师艾曼努尔·卢贝兹基，以其在《生命之树》（2011年）和《鸟人》（2014年）中的工作而闻名，经常使用自然光和大光圈实现流畅的浅景深外观。罗杰·迪金斯，另一位著名电影摄影师，在《银翼杀手2049》（2017年）等电影中使用浅景深创造广阔、氛围景观，主体从模糊的海洋中浮现。该技术也是导演王家卫及其摄影师杜可风作品的标志，他们的电影如《花样年华》（2000年）以浅景深和慢动作唤起渴望和记忆。
AI图像生成中的浅景深
随着Generative AI和Deep learning模型的兴起，浅景深已成为AI图像生成词汇中的关键元素。像Stable Diffusion、DALL-E和Midjourney这样的模型在大量照片和艺术作品数据集上训练，它们学会了将某些文本线索与特定视觉风格关联。当用户在Prompt中包含“浅景深”、“散景”、“模糊背景”或“f/1.8”等短语时，模型将这些解释为指令，以清晰渲染主体同时模糊背景。这些线索的有效性取决于模型的训练数据及其将语言映射到视觉特征的能力。在实践中，提示编写者通常将浅景深与其他描述符结合，如“肖像”、“微距”或“电影感”，以达到期望的外观。该技术对于生成逼真的肖像、产品照片和自然场景特别有用，其中隔离主体增强视觉吸引力。
浅景深的提示工程
在AI图像和视频生成的背景下，调用浅景深需要仔细选择关键词。常见术语包括“浅景深”、“散景”、“背景模糊”、“选择性对焦”和“大光圈”。更具体的提示可能指定镜头，如“85mm f/1.4”，或期望的散景形状，如“圆形散景”。对于视频生成，提示可能包括“焦点转移”或“拉焦”以指示焦点平面随时间的变化。像Stable Diffusion和Midjourney这样的模型对这些线索的反应不同；有些可能需要更明确的措辞，而其他则从上下文推断浅景深，例如具有繁忙背景的肖像提示。提示编写者经常迭代，调整措辞并添加负面提示如“清晰背景”以避免不必要的清晰度。使用Temperature Scaling和Top-P (Nucleus) Sampling也会影响输出的随机性，但主要控制仍然是文本描述。截至2025年，具有改进Cross-Attention机制的新模型在遵循复杂提示方面更好，允许对景深进行更精确的控制。
与其他视觉风格的关系
浅景深与操纵景深的其他摄影技术密切相关。Bokeh是模糊本身的美学质量，而“散景”提示通常暗示浅景深。“移轴”摄影使用镜头移动创造微缩效果，结合浅景深和倾斜焦平面。“微距”摄影由于近距离工作距离而固有地涉及浅景深。在AI生成中，浅景深通常与“电影照明”或“胶片颗粒”配对以唤起电影剧照。它与“深焦”形成对比，后者整个场景清晰，这种风格在AI提示中较少见，但可以用“f/16”或“一切清晰”等术语指定。理解这些关系有助于提示编写者有效组合风格，例如使用“浅景深”与“黄金时刻”创造温暖、亲密的肖像。
AI模型中的挑战与限制
虽然AI模型可以产生令人信服的浅景深，但它们有时在一致性上挣扎。模糊可能不均匀应用，或者主体可能部分模糊，特别是在具有多个物体的复杂场景中。模型也可能过度使用效果，模糊整个图像除了一小区域，这可能看起来不自然。另一个问题是“散景”质量；AI生成的散景通常缺乏真实镜头的平滑、有机外观，表现为噪声或图案化斑点。提示编写者可以通过使用更具体的语言，如“柔和圆形散景”或“奶油色背景”，以及调整模型参数来缓解这些问题。截至2025年，Neural network架构的研究，如扩散模型中使用的U-Net，继续提高景深效果的真实感，但完美保真度仍然是一个开放挑战。
未来方向
随着模型的演进，浅景深在AI生成中的整合可能会变得更加复杂。像ControlNet和Inpainting这样的技术允许用户指定深度图，这可以指导模型以物理上合理的方式应用模糊。视频生成模型，如OpenAI和Google DeepMind正在开发的模型，开始纳入时间一致性，实现逼真的焦点转移和相机移动。在提示中指定镜头特性，如焦距和光圈的能力也在提高，给用户更精细的控制。随着Large language model在理解空间关系方面变得更好，提示可能变得更加直观，允许用户用自然语言描述场景并让模型推断适当的景深。摄影、电影摄影和AI的融合正在为视觉叙事创造新的可能性，其中浅景深仍然是引导注意力和情感的基本工具。