AI 渲染已经从实验走入大多数建筑事务所的日常工作流，但相关词汇并未同步更新。建筑师们开始使用诸如“扩散模型”和“ControlNet”等术语，却缺乏统一的定义——技术实际做的事与人们如何描述它之间的差距正在扩大。
以下是二十个值得了解的术语。每个术语都有通俗的定义，并说明它为何对你的工作流程重要。
基础
1. 扩散模型 大多数渲染工具背后的 AI 架构。扩散模型从一张纯随机噪点图像开始，借助文本提示和条件输入迭代去噪，直至得到一张连贯的图像。每一步去噪都是一个小的学习到的变换。为什么重要：理解输出是通过迭代去噪生成的，可以解释为什么相同输入每次可能产生略有差异的结果——起始噪声是随机的，去噪路径是概率性的。
2. 文本提示 你给 AI 的指令：例如“一间阳光充足的斯堪的纳维亚风格厨房，白橡木橱柜与混凝土地板”。提示与条件图像共同塑造输出。为什么重要：面向建筑的工具通过内部处理条件化降低了对提示撰写技巧的依赖——你指定材质和灯光/照明预设，而不是写一大段指令。
3. 条件图像 你的输入：3D 模型视口、SketchUp 截图或 Revit 导出。条件图像将输出锚定到你的几何体上。这是建筑 AI 渲染与纯文本到图像工具的区别——AI 并非凭空想象空间，而是在渲染你的空间。为什么重要：条件图像的质量（干净的模型、良好的相机角度、一致的材质）直接影响渲染质量。
4. 图像到图像（img2img） 通过转换现有图像来生成新图像，而不是从纯噪声生成。大多数面向建筑的 AI 渲染属于 img2img —— 你提供 3D 视口并得到一张逼真的效果图。为什么重要：这是将模型截图转换为渲染的机制，与从描述生成任意空间的文本到图像不同。
5. 去噪强度 控制模型偏离输入图像的程度。高去噪强度：模型有更多创作自由，输出可能显著偏离输入。低去噪强度：输出与输入非常接近，但可能无法达到高度写实。为什么重要：找到合适的平衡是 AI 建筑渲染的核心张力——真实感 vs 准确性。
几何与保真度
6. ControlNet 一种神经网络扩展，用于将扩散模型的输出以结构性输入进行条件化——从你的 3D 模型提取的边缘线、深度图、表面法线等。ControlNet 是使 AI 渲染具有建筑属性而非生成式的关键：它为模型提供了一个可供参考的空间映射。为什么重要：ControlNet 条件强度是控制几何保真度的主要手段。权重越高 = 越忠实于你的设计。
7. 几何保真度 渲染工具保持墙体、开口、比例和结构元素与输入对齐程度的度量。生成式工具可以减小漂移但无法保证完美保留，因此源模型和图纸仍具权威性。为什么重要：几何漂移是一个专业问题，而不仅仅是美学问题。
8. 几何漂移 / 幻觉 当 AI 更改你的输入几何时：移动墙体、添加你未建模的家具、改变窗户比例、调整天花高度以匹配训练数据的期望等。由低 ControlNet 条件强度或模型训练优先视觉质量而非建筑准确性所致。为什么重要：不符合设计的渲染会误导客户，制造并不存在的期望。
9. 深度图 你的 3D 场景的灰度表示，像素亮度表示与相机的距离。亮像素表示靠近；暗像素表示远离。作为 ControlNet 的输入，用于保留模型的三维空间结构。为什么重要：深度图条件化帮助 AI 理解哪些元素位于前景、哪些在背景，防止表面被压平或空间关系丢失。
10. 边缘检测（Canny/HED） 从视口中提取边缘线的算法——墙体边界、门框、结构柱、家具轮廓——并将其作为 ControlNet 条件化输入。Canny 与 HED 是两种具有不同灵敏度设置的具体算法。为什么重要：基于边缘条件的渲染能非常准确地保持建筑的线性几何。如果模型中的墙线干净，边缘条件能在输出中产生高度忠实的几何表现。
灯光/照明与材质
11. 灯光/照明预设 一个命名的灯光条件——黄金时刻、多云、蓝调、正午——通过单一选择设置太阳角度、色温、天空状态与阴影质量。为什么重要：取代了手动配置 HDRI 环境图、太阳位置与曝光设置的需求。无需灯光工程知识即可获得一致、可重复的结果。
12. 黄金时刻 大约在日出后一小时与日落前一小时内，太阳低位且光线呈暖色的琥珀/橙色。在摄影和渲染中，黄金时刻光线会产生长且柔和的阴影、暖色温（~2500–3500K）和电影质感。为什么重要：这是住宅内外镜头最通用的讨人喜欢的灯光条件。客户对温暖色调反应良好。
13. 蓝调 日落后（或日出前）天空呈深蓝色、人工室内灯光因对比而显得温暖的时段。蓝调创造了冷外部与暖室内之间的戏剧性色彩分裂。为什么重要：是豪宅、酒店及高端商业渲染的首选灯光条件。它营造的情绪——夜晚光感、有人居住的空间——难以用其他条件复制。
14. 色温 以开尔文（K）为单位。低开尔文（~2700K）= 暖色、橙/琥珀光，类似白炽灯或落日。高开尔文（~6500K）= 冷色、蓝/白光，类似阴天日光。为什么重要：色温是决定渲染情绪基调的最重要变量。同一间房在 2700K 显得舒适，在 6500K 则显得冷清。
15. HDRI（高动态范围图像） 一张 360° 全景的真实环境照片，传统渲染中作为光照源使用。HDRI 提供真实的环境光、天空颜色与反射。为什么重要：具有 HDRI 等效条件化的 AI 渲染工具可以从任何真实环境产生物理上可信的环境光，而无需你去获取或配置 HDRI 文件。
工作流术语
16. 局部修补（Inpainting） 在保持其余部分不变的情况下编辑现有渲染的特定区域。你遮罩一个区域（想替换的椅子、错误的窗饰），模型仅重新生成该区域并与周围保持一致。为什么重要：让你在整体渲染良好的情况下修正特定问题，而无需从头重新生成整张图像——在生产工作流中能节省大量时间。
17. 放大（Upscaling） 使用 AI 将图像分辨率提升到原生尺寸以上而不丢失明显细节。AI 放大器（如 ESRGAN、Real-ESRGAN）通过添加学习到的细节，而不是仅插值像素。为什么重要：让你以中等分辨率快速迭代，仅在确认输出后对最终图像放大，而不必每次迭代都渲染到 4K 全分辨率。
18. 随机种子（Seed） 用于初始化扩散生成噪声的随机数。相同的种子与相同的提示能产生大致相同的输出——这是重现你喜欢的结果或制作受控变化的方法。不同种子 = 不同变体（其他条件相同）。为什么重要：种子是创建一致变体集的方法——“给我同一间房在三种不同灯光/照明条件下的表现”，其余保持一致。
19. 潜在空间（Latent space） 扩散模型操作的抽象数学空间。你的提示和条件图像被编码为潜在表示；模型在该空间内去噪；最终输出再解码回像素空间。为什么重要：理解潜在空间可以解释为什么看似相近的提示会产生截然不同的结果——像素空间中的小距离在潜在空间中可能是大距离，反之亦然。
20. 渲染农场 并行处理渲染任务的服务器网络，传统上被大型工作室用于将渲染时间从数小时缩短到数分钟。云端 AI 渲染工具实际上为每个用户和每个任务提供了渲染农场。为什么重要：云端渲染意味着无论你的本地机器上运行什么任务，都能获得大约 ~30 秒的输出、无需维护硬件，并且费用以运营支出而非资本支出计入。
什么是简单易懂的扩散模型？ 扩散模型从随机噪声开始，反复应用小的学习到的变换，将其在文本提示和来自你 3D 模型的结构性输入的引导下变成一张连贯的图像。可以把它想象成从噪声中雕塑，而不是从空白画布上绘画。
ControlNet 在 AI 渲染中做什么？ ControlNet 将扩散模型的输出以你 3D 模型的结构性表示进行条件化——边缘线、深度图、表面法线。它是将 AI 输出锚定在你几何上的机制，而非生成任意空间。更高的 ControlNet 权重意味着更高的几何保真度。
什么是几何保真度？ 几何保真度描述了墙体位置、开口比例和空间关系与输入的吻合程度。它是面向建筑的工具（如 Maquete）的一项核心工程优先级，但生成的结果仍需与源模型进行比对。
灯光/照明预设与文本提示有何区别？ 灯光/照明预设是预先工程化的条件信号，可可靠地生成特定灯光状态——黄金时刻、多云、蓝调等。用提示控制的灯光指令（例如“来自西侧的温暖黄昏光”）取决于你如何表述，且在不同场景中的一致性较差。预设更可重复；提示更灵活。
延伸阅读： 什么是 AI 建筑渲染？ — 扩散模型、ControlNet、条件权重 —— 底层概念汇总在一处。