在AI图像编辑技术日益成熟的今天，人们早已习惯用生成式AI在拍摄后修复照片——从谷歌的对话式编辑到三星的生成式修图，各大厂商和平台都在为用户提供便捷的后期解决方案。但近期，AI摄影领域出现了一个全新的方向：在按下快门之前就指导用户拍出更优质的照片。
谷歌率先推出了基于Gemini的”相机教练”（Camera Coach）系统，不过作为专有技术，其公开信息十分有限。从已知内容来看，它能在拍摄过程中给用户提供构图调整、姿态修正等基础建议，比如指导用户重新取景、让拍摄对象靠得更近或直视镜头。业内推测，该系统的训练数据来自数百万用户上传的优质照片，通过学习这些数据的共性，将拍摄引导向符合大众审美的”平均化”构图。但这种追求安全构图的方式，却未必能拍出真正令人印象深刻的照片。
正是看到了这一局限，意大利的研究团队提出了更具突破性的解决方案。来自特伦托大学、比萨大学和布鲁诺·凯斯勒基金会的四位研究者，开发了一套名为MemCoach的AI系统，它的核心不是教用户拍”正确”的照片，而是拍”令人难忘”的照片。
MemCoach的研发基础源于对摄影记忆点的深度研究。团队参考了2013年《是什么让照片令人难忘？》和2015年《是什么让物体令人难忘？》等经典论文，这些研究指出，影响照片记忆点的关键因素并非物体或全景，而是人物的存在、室内场景、情感表达等内在元素，以及观看者和环境等外在因素。更重要的是，研究证实照片的记忆度是可量化的，而非单纯的主观判断。
为了构建训练数据，研究团队从PPR10K人像修图数据集中创建了MemBench数据集。他们将同一场景的照片分组，用基于CLIP特征的预测模型为每张照片打分，再按记忆度从低到高排序配对。随后用InternVL3.5模型生成自然语言描述，解释同一场景中低记忆度和高记忆度照片的差异，这些描述成为了MemCoach系统的训练信号。
与谷歌CameraCoach等聚焦构图的系统不同，MemCoach提供的是语义层面的、拍摄前可执行的指导。比如它不会说”把画面调亮”，而是建议”面对面互动”；不会只说”遵循三分法”，而是指导”让拍摄对象看向彼此”。这种指导更关注拍摄对象的姿态、互动关系和场景叙事，而非单纯的技术参数调整。
MemBench数据集包含约10000张图片，分为1570个场景，每个场景平均有6.5张照片。从生成的词云图可以看到，数据集涵盖了姿态、互动、表情、场景元素等丰富的语义类别。研究团队还发现，MemCoach的建议主要集中在拍摄对象的姿态调整，其次是场景内容或意义的改变，构图建议常与姿态调整相关，而光线调整则多与语义变化关联。
为了验证系统的有效性，研究团队用FLUX.1 Kontext生成式AI模拟用户按照建议调整拍摄的过程。通过对比原始照片和AI生成的”调整后”照片的记忆度得分，他们能在无需大量真人参与的情况下，量化评估建议的有效性。这种闭环测试让系统可以不断迭代优化。
在与7种多模态大语言模型的对比测试中，MemCoach展现出了显著优势。它不仅比GPT-5 Mini的记忆度提升率高出5%，比未经过记忆度引导的InternVL3.5模型的相对记忆度提升了31.81%，还在困惑度指标上表现最优，说明其反馈更符合人类对记忆度判断的语言模式。更值得关注的是，MemCoach的指导框架可以适配多种多模态模型，在Qwen2.5V.L、LLaVA-OneVision-1.5等模型上都能带来记忆度提升。
从定性测试的案例来看，MemCoach的建议覆盖范围极广：从调整凝视方向、姿态、手部位置等精细的构图优化，到移除干扰元素、改变面部表情等语义层面的干预。这些建议以简洁的文本指令呈现，用户可以直接执行，真正实现了”在按下快门前就拍出令人难忘的照片”。
不过，这类AI摄影教练系统也引发了一些思考。无论是谷歌的封闭系统还是MemCoach的开源方案，大规模应用都可能带来视觉审美趋同的风险——当所有人都按照AI的建议拍摄，最终可能会催生千篇一律的”AI模板化”照片，就像某些被滥用的AI写作格式一样，反而失去了摄影的个性和创造力。
但不可否认的是，MemCoach代表了AI摄影辅助技术的重要进化方向：从追求技术上的”正确”转向追求艺术上的”难忘”。未来，当AI不仅能帮我们修复照片，还能在拍摄前就启发我们捕捉更有温度、更有故事性的瞬间时，摄影或许会成为一种更具表现力的艺术形式。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/ai-she-ying-jiao-lian-xin-tu-po-an-xia-kuai-men-qian-jiao
