创作指南

深度图、骨架图和线稿分别怎么用

根据空间、身体姿态或可见轮廓选择结构参考，检查裁切、遮挡和线条细节，再交给接受相应输入的创作流程。

先想清楚你要保留哪部分信息

同一张图片，可能让你喜欢的是人物站姿，也可能是前后景的空间关系。如果只想着生成一张结构图，很容易选错类型：想保留动作，却得到一张远近灰度图；想要干净轮廓，却把衣服和背景纹理也留下。先说清楚要保留什么，再选择深度、骨架或线稿。

这三类参考都从单张图片出发，也可以使用已经抽出的视频帧。它们表达的信息不同，不能靠更换名称互相替代。先保留原图，生成后始终对照原图判断。

选择并检查结构参考

1. 准备清楚、构图合适的输入

进入结构提取，打开图片，或从素材选集选择一帧继续处理。空间参考需要看清主体和前后景；姿态参考优先选单人全身、四肢尽量可见的画面；轮廓参考则先看哪些背景线条可能一起留下。人物本来已经出画，先换输入比反复生成更有用。

2. 看空间关系，选择深度图

深度图估计画面里的相对远近，适合检查前景、中景和背景的层次。它不是测距结果，也不是可旋转的三维模型。生成后观察主体边缘和遮挡关系，确认是否仍符合你需要的空间安排。不要把某块灰度解释成固定距离；下游流程对明暗方向有要求时，按其说明核对。

深度模型实际输出，近处方体与地面更亮 — 实际输出 · 1024 × 576 px

相对远近的估计，不代表实测距离。

3. 看身体动作，选择骨架图

骨架默认使用 MediaPipe Pose Landmarker Lite，模型约 5.8 MB；也可选择高精度模式 RTMW-X 配合 YOLOX-M，模型权重合计约 470 MB，两者均另需运行组件。两种模式均设置为最多检测四个人，但可能漏检人物或关节，输出不包含精细手部和面部关键点。下载和处理时间取决于设备与浏览器，模式名称不保证每张图片都得到更准确的结果。下方 RTMW-X 示例展示的是可选模式，不是 Lite 的输出。生成后逐一核对肩、肘、髋、膝的位置和连接。

骨架少了一条腿，不一定是显示区域被裁了。原图没拍到、被遮挡，或关键点可信度不足，都可能让对应线段缺失。更强模型也不能可靠恢复画面外真实的下肢姿态。需要完整动作参考时，换一张全身清楚的输入，不要把补出来的猜测当作真实动作。