方法论与洞察

参考图缺失维度不可继承律 · v1

入档：2026-08-24 触发：二十八宿星官探索——拿一张「脸被裁掉」的冷紫插画当 sref，然后连续几轮抱怨”人脸不够好看” 性质：moodboard拉力陷阱_v1 元层洞察的镜像——那条讲参考图会多带什么，这条讲参考图给不了什么 验证状态：⭐ 单次来源 + 机制性论证。本律是 embedding 机制的直接推论，不是统计结论

一句话

reference 类参数只能传递参考图里存在的信息。图里没有的维度，--sw 拉到 1000 也补不出来——它只会把「这个维度可以缺席」的处理方式一起传过去。

案例

作者选中一张冷紫调数字插画当 sref，诉求是”这张好看”。实际那张图：

• 画面从眉毛下缘裁起，眼睛完全落在暗部或画外
• 可见的只有鼻尖、嘴唇、下颌线、脖子、耳朵
• 信息量集中在：冷紫近单色 / 重颗粒 / 暗部吞没 / 四芒星光 / 多层珍珠链 / 白毛领

挂上去后连续几轮的反馈都是**“人脸不够好看”**。

根因：那张图里没有一张完整的脸。sref 能传的是「脸可以糊在暗部、五官只画几笔」这个处理方式，传不出”好看的脸”——因为源图里就没有。

次生误判：作者以为”这张图好看＝这张图的脸好看”。实际上这张图的美感全部来自刻意回避脸（裁掉眼睛、暗部吞没）。你欣赏的东西，未必是你以为的那个东西——选 reference 前先确认自己欣赏的到底是哪一部分。

为什么是机制必然，不是概率问题

reference 类参数（sref / moodboard / cref / IPAdapter）都是把参考图编码成 embedding 再参与生成。embedding 从已有像素里提取，图里不存在的信息在编码阶段就不存在。权重旋钮（--sw / --iw）调的是已有信号的强度，不是缺失信号的补全。

推论：权重越高，缺席越被强化。拉高 --sw 去”抢救”一个源图没有的维度，只会让”这个维度该缺席”这个处理方式更硬。

与已有档案的分工

三条一起用＝选 reference 时的完整反向预演：多带什么 / 没有什么 / 偷偷带什么。

操作口径

选 reference 图之前，把诉求逐条对着源图点名：

1. 把你要的东西列成清单（脸 / 色调 / 构图 / 质感 / 配饰 / 光）
2. 逐条在源图里指出来——指不出来的那条，这张图给不了
3. 指不出来又必须要 → 换图，或走双图：multi_sref行为 规律 1（顺序无关）、规律 6（主体层由与 prompt 同族者主导），让第二张去补那个维度
4. ⚠️ 补的那张必须同族，否则出分层割裂图（规律 6：败者的伴生元素仍会渗透）

尤其注意”脸”这一项：MJ_v8.2_行为档案_v1 第 3 条已写死——sref 管质感氛围，不管脸。脸缺席时不要指望 sref，走 角色一致性金字塔 的描述锚定 / personalize 路线。

一个容易混淆的邻近成因

“脸不好看”还有一个与本律无关的常见成因：脸太小。全身构图里脸只占几十像素，画不好是分辨率的物理限制，不是 prompt 或 sref 的问题，见 GPTImage2锁脸的脸占比上限_v1。

先分清是没得传（本律）还是画不下（占比），再决定改哪个变量。

正面验证（2026-08-24 当日）✅

同一轮里作者撤掉 sref，改成一条把五官 / 光线 / 配饰全部写死的近景 prompt，配 personalize + 同族 moodboard 跑，脸的质量明显优于此前挂无脸 sref 的几批。

同一个问题的两次尝试，关键变量只差一个：靠 sref 补脸 → 失败；靠描述锚定 ＋ personalize 补脸 → 成功。这既是本律的正面印证，也印证 MJ_v8.2_行为档案_v1 第 3 条「sref 管质感氛围、不管脸」的归口判断。

关联文档

• 镜像配对：moodboard拉力陷阱_v1（多带什么）↔ 本律（拿不到什么）
• 伴生渗透：multi_sref行为（规律 5 主体原型倾向 / 规律 6 分层仲裁 / 双图补维度）
• 脸的正确归口：MJ_v8.2_行为档案_v1 · 角色一致性金字塔 · AI甜妹脸vs复古东方美人
• 邻近成因：GPTImage2锁脸的脸占比上限_v1（脸占比不够时锁不住）
• 选图纪律：sref纯净性原则 · sref编号独立律
• 同批产出：moodboard主体位判据_假说_v1 🔬（该条证据当晚作废降级，本律不受影响）
• 案例底料：2026-08-24_二十八宿星官_黑底探索与一次结论作废复盘

版本

• v1 - 2026-08-24 - 二十八宿星官探索首次沉淀（冷紫无脸参考图案例）