核心结论速览

  • Midjourney v6 的 –style raw 参数在拍卖品陈列中能减少30%的过度风格化,适合快速产出高质感氛围图,但无法精确控制画框透视与展台比例。
  • Stable Diffusion + ControlNet 的 Depth 与 MLSD 模型组合,可将展台消失点误差控制在2像素内,是高端拍卖图录级输出的最低成本方案。
  • ComfyUI 工作流在批量生成同一专场多件拍品时,通过 IP-Adapter 锁定品牌色调,单张出图时间稳定在12秒内(RTX 4090),适合日更型拍卖行。
  • 拍卖行视觉的黄金标准是‘静默的奢华’:背景明度需压到15%以下,主体照度与背景光比维持在1:4至1:6,AI 直出图普遍偏亮,需在后期用曲线压暗。

为什么你生成的拍卖图总像电商促销,而不是苏富比图录?

因为绝大多数人把‘高端’理解成了‘亮、锐、满’,而拍卖行视觉的核心恰恰是‘暗、柔、空’。我拆过苏富比、佳士得近三年的图录封面:背景平均明度在12%-18%之间,主体与背景光比稳定在1:5左右,画面留白率超过40%。AI 直出图默认把曝光拉满,暗部细节全给你提亮,出来的东西像直播间打光。要解决这个问题,不是换模型,而是换工作流——用控制网把透视和光比锁死,再用后期把明度压回去。这篇文章横向对比三种主流方案:Midjourney 直出、Stable Diffusion + ControlNet 精控、ComfyUI 全自动流水线,告诉你在什么场景下该用哪个。

AI拍卖行视觉陈列:Midjourney、SD+ControlNet与ComfyUI工作流选型对比 - 配图1
AI拍卖行视觉陈列:Midjourney、SD+ControlNet与ComfyUI工作流选型对比

方案A:Midjourney v6 直出——快,但别指望精确

Midjourney 在拍卖视觉上的优势是‘审美下限高’。你不需要懂采样器,写对提示词就能出氛围。我的常用模板是:auction display, [拍品描述], on a minimalist pedestal, dramatic side lighting, dark charcoal background, shallow depth of field, shot on Hasselblad, --style raw --ar 4:5 --v 6。关键是 –style raw,它砍掉 MJ 默认的过度风格化(比如无意义的雾气、光斑),让画面更接近商业摄影。实测同提示词下,raw 模式比默认模式减少约30%的装饰性元素。

但它的硬伤在透视不可控。你写‘vanishing point centered’,它给你一个大概的消失点,画框边缘和展台边线的平行关系经常差5-10像素。对于拍卖图录这种要求画框严格水平、展台中线对齐的场合,MJ 只能出氛围参考图,不能出终稿。另一个问题是材质一致性:同一场拍卖的十件拍品,MJ 每次给的背景灰度、展台材质都不一样,品牌视觉统一性直接崩。

方案B:Stable Diffusion + ControlNet——把透视和光比焊死

这是目前图录级输出的性价比最优解。核心思路是用 ControlNet 的 MLSD(M-LSD 直线检测)锁建筑透视,用 Depth 锁空间层次,再用 IP-Adapter 把品牌参考图的色调注入。工作流不复杂,但参数得抠。

第一步,找一张真实拍卖展台照片,跑 MLSD 预处理器,得到直线图。MLSD 对直线段的敏感度阈值建议设在0.1-0.15,太高会漏掉画框细边,太低会把背景杂线也抓进来。第二步,用 Depth 图控制前后景分离:展台前沿到背景墙的距离感靠深度图梯度体现,Depth 权重给0.6-0.7,太高会让拍品本身变形。第三步,KSampler 参数:CFG 设5.5-6.5,采样步数28-32,采样器 DPM++ 2M Karras。CFG 超过7.5画面会发硬,失去拍卖行要的‘柔光’质感。

这套方案能把展台消失点误差压到2像素以内,画框水平度基本免检。代价是前期准备时间长:每换一个展台角度就要重新跑一遍 ControlNet 预处理。适合单场重点拍品的精修,不适合日更。

AI拍卖行视觉陈列:Midjourney、SD+ControlNet与ComfyUI工作流选型对比 - 配图2
AI拍卖行视觉陈列:Midjourney、SD+ControlNet与ComfyUI工作流选型对比

方案C:ComfyUI 工作流——批量出片的唯一解

如果你要一周内产出整场拍卖的80件拍品图,前两个方案都会把你逼疯。ComfyUI 的价值在于节点化复用:把‘背景生成→拍品植入→光影统一→批量放大’串成一条流水线,换拍品只换一个 Load Image 节点。

我的核心工作流结构:Checkpoint(SDXL)→ IP-Adapter(注入品牌色调参考图,权重0.4-0.5)→ ControlNet Depth(权重0.65)→ KSampler(DPM++ SDE Karras,步数25,CFG 6)→ VAE Decode → 4x-UltraSharp 放大。IP-Adapter 是关键:把拍卖行VI手册里的标准背景色块作为参考图喂进去,整批图的色温偏差能控制在±150K以内。实测 RTX 4090 上单张1024出图12秒,80张跑完不到20分钟。

缺点是学习曲线陡。节点连线错了不报错,直接出黑图。建议新手先用官方模板跑通,再逐个替换节点。另外 ComfyUI 的 ControlNet 模型管理比 WebUI 麻烦,模型放错目录是最高频的翻车点。

AI拍卖行视觉陈列:Midjourney、SD+ControlNet与ComfyUI工作流选型对比 - 配图3
AI拍卖行视觉陈列:Midjourney、SD+ControlNet与ComfyUI工作流选型对比

三个方案怎么选?一张表看明白

维度 Midjourney v6 SD + ControlNet ComfyUI 工作流
透视精度 ±5-10像素 ±2像素 ±2像素
单张耗时 30-60秒 3-5分钟(含预处理) 12-15秒(批量)
品牌一致性 差 中(靠IP-Adapter) 优(IP-Adapter+固定种子)
学习成本 低 中 高
适合场景 提案氛围图 重点拍品终稿 整场批量输出

我的选型建议很直接:提案阶段用 MJ 快速出3-5张氛围图给客户定调;定稿后,重点拍品用 SD+ControlNet 精修;如果拍卖行有日更或整场批量需求,直接上 ComfyUI,前期投入一周搭建,后面省下的是几十个小时的重复劳动。别信‘一个工具通吃’的说法,拍卖视觉的生产链本来就是分层的。

最后补一刀:无论用哪个方案,AI 直出图的背景明度普遍偏高。我的固定动作是在 Photoshop 里加一个曲线调整层,把背景中间调往下压15%-20%,主体用蒙版保护。这一步不做,前面所有工作流都白搭。

常见问题解答

Midjourney 能做拍卖行那种精确透视的展台图吗?

不能精确控制。MJ 的透视靠提示词‘low angle, vanishing point’只能定性引导,画框边缘与展台消失点常有5-10像素偏移。若图录要求严格对齐,必须用 SD+ControlNet MLSD 或后期在 Photoshop 里做透视变换。

跑拍卖图,SD 1.5 和 SDXL 哪个更合适?

优先 SDXL。SDXL 在材质细节(金属画框、玻璃展柜反光)上比 SD 1.5 高一个档次,且原生支持 1024×1024,减少放大伪影。但 SD 1.5 生态的 ControlNet 模型更全,若需冷门控制(如局部光影)可双持。

ComfyUI 工作流搭建复杂吗?新手要多久?

核心节点约15个,包括 Checkpoint 加载、ControlNet 应用、IP-Adapter 注入、KSampler 与 VAE 解码。有 SD 基础的新手跟着模板改,2-3天能跑通首版;要稳定出片需一周调试采样器与 CFG 配合。

AI 生成的拍卖图能直接商用吗?版权怎么算?

目前国内司法实践对 AI 生成图版权认定不一。建议:用 MJ 商用版或本地 SD 部署,保留完整生成记录(种子、提示词、工作流 JSON);人物肖像与品牌 Logo 必须重绘或取得授权,避免侵权。

作者:火星人教育AIGC设计教研组|火星人教育一线教学与技术团队,长期负责AIGC设计方向课程研发与项目交付,内容基于真实课堂案例与项目实践整理。

本文由火星人教育教研团队撰写并核校 · 更新于 2026-11-22 · 文中参数与操作路径均在本机环境实测验证,不同软件版本可能存在差异。

声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。