把场景拆成可行动的线索
从完整氛围图中分离出家具、灯具、织物与配饰品类。
暗壳 AI 设计技能
识别场景中的家具、灯具、地毯、窗帘、艺术品与配饰,整理品类、材质、色彩和造型线索,为软装选品和方案制作建立清晰起点。
能力说明
软装产品提取从完整室内场景中识别沙发、椅子、桌几、柜体、灯具、地毯、窗帘、艺术品和装饰物,再把它们整理为品类、轮廓、材质、综合色彩与搭配关系。它让设计师从“喜欢这张图”进一步走向“图中哪些产品和组合值得研究”。
这项能力适合意向图拆解、选品研究、提案和采购简报。由于图片可能存在遮挡、透视、低分辨率和后期处理,AI 无法可靠确认品牌、型号、真实尺寸、面料、价格、库存与授权。提取结果应被用作相似方向搜索,而不是商品事实清单。
从完整氛围图中分离出家具、灯具、织物与配饰品类。
不仅看单品,还记录它与地面、墙面、光线和相邻家具的关系。
用轮廓、材质和颜色描述建立相似产品搜索关键词。
把参考图整理为设计团队、客户和供应商都能理解的产品板。
准备输入
清晰的源素材和明确的设计目标,能为模型提供更可靠的判断依据。生成前建议按以下要点检查。
家具、灯具和配饰尽量完整可见,避免低清截图和严重裁切。
确保空间尺度、用户、预算感和风格方向与当前项目有可比性。
当画面产品很多时,优先说明沙发、主灯、单椅、地毯或艺术品等关键对象。
记录尺寸、预算、交期、地区、阻燃和耐用要求,用于后续真实选品。
使用步骤
第一轮先用于探索和比较,选定方向后再带入完整项目继续深化。
选择一张主体和关键信息清晰的室内场景图,作为本次生成的基础。
设置提取参数,让输出方向与当前设计任务保持一致。
提交生成并查看软装产品提取结果,再选择合适结果继续调整。
输入与输出
案例把完整室内场景拆成若干软装对象与特征说明。输出用于建立选品方向,不表示图中产品的真实品牌或可采购状态。


大体量家具建立空间骨架,灯具、织物和配饰补充层次。
单品描述同时记录综合色彩、材质对比和与相邻对象的关系。
同一视觉特征可对应多个品牌与产品,真实选品需要进一步检索。
AI 如何理解素材
AI 从物体轮廓、纹理、遮挡、场景语义和综合色彩判断产品类别。被遮挡、反射或只出现局部的对象更容易误识别。
任何采购与对外标注都应基于真实商品页面、供应商确认、样品和技术资料。不要把视觉相似结果写成确定品牌或型号。
实用建议
先分主家具、辅助家具、照明、织物和装饰,再分别建立选品标准。
即使不知道绝对尺寸,也可记录沙发与地毯、边几与座椅的相对尺度。
使用浅色开孔木、拉丝金属或短绒织物,比只写“高级材质”更便于搜索。
每个提取对象准备多个真实商品候选,再比较尺寸、预算、性能和交期。
适用场景
把氛围参考转成家具、灯具、织物和配饰研究。
快速组织产品角色、综合色彩和搭配说明。
用轮廓、材质和品类关键词寻找可采购替代品。
明确团队希望寻找的视觉方向和项目约束。
工作方式对比
AI 加快场景拆解和关键词形成,专业软装选品负责真实产品、尺寸、预算、性能、交期和售后判断。
| 对比维度 | AI 软装产品提取 | 传统工作方式 |
|---|---|---|
| 识别速度 | 快速从场景中整理多个对象与特征 | 设计师逐项研究并记录产品信息 |
| 结果性质 | 视觉相似与品类方向 | 真实品牌、型号、规格与供应条件 |
| 搭配判断 | 保留原场景中的综合色彩与比例线索 | 结合项目尺寸、用户、预算和维护要求 |
| 采购可用性 | 需要继续搜索和验证 | 可形成受控清单、报价与采购计划 |
先用 AI 把意向图转成研究线索,再由软装设计师和采购团队完成真实选品,才能把视觉灵感转成可交付方案。
常见问题
通常不能可靠确认。输出更适合描述视觉相似特征,真实品牌与型号必须通过来源和商品资料验证。
可以尝试,但完整形态和尺寸会有推测。选品时应把它当作方向而不是准确复原。
页面能力重点是视觉拆解,不保证实时价格、库存、交期和链接,采购需要进一步检索。
不能。采购清单还需要真实产品、尺寸、数量、预算、性能、供应商和交付信息。
暗壳AI
从真实项目素材开始,对比不同方向,并在暗壳 AI 画布中继续深化选中的结果。