Adobe Project Indigo引入AI攝影助手，利用大模型優化拍攝與編輯體驗
重點摘要
AI資訊AI新閒資訊正文Adobe Project Indigo引入AI攝影助手，利用大模型優化拍攝與編輯體驗發布於AI新閒資訊時間 :Jul 21, 2026閱讀 :1分鐘Adobe正在為旗下實驗性iOS相機應用Project Indigo加入一系列AI功能，通過大型語言模型（LLM）分析照片內容，為用戶提供攝影點評、編輯建議以及智能優化方案。
**Adobe Project Indigo 引入 AI 摄影助手：大模型赋能拍摄点评与智能编辑，影像创作迈向“辅助决策”时代**
2026 年 7 月 21 日，Adobe 宣布为其实验性 iOS 相机应用 Project Indigo 注入一系列基于大型语言模型（LLM）的 AI 功能，旨在从拍摄到后期全流程优化用户体验。这套新工具不仅能够分析照片内容并提供专业级摄影点评与编辑建议，还能实现高级物体移除、AI 景深生成及风格迁移等操作。这标志着移动影像领域的 AI 应用正从单纯的“自动处理”向更深层次的“辅助决策”演进。Project Indigo 最初作为 Adobe 的实验性项目亮相，主打专业级拍摄控制、多帧超分辨率以及多种摄影模式。
此次更新将其 AI 能力大幅拉升，核心功能被整合在“AI Playground”测试区域内，包括照片点评、拍摄与编辑建议、高级物体移除、AI 景深生成以及照片风格迁移。这些功能均由大语言模型驱动，试图让 AI 不仅“会修图”，更“懂摄影”。其中，照片点评功能尤为引人注目。它围绕构图、光线、色彩以及情感表达等维度输出分析，模拟专业摄影师审视作品的方式。用户拍摄后，AI 会生成类似“画面左侧过暗，建议调整曝光补偿”或“主体与背景融合较好，但可用浅景深进一步突出焦点”等语言反馈，帮助用户理解照片的优劣所在。
拍摄建议功能则更进一步，针对重新构图、曝光调整以及画面元素优化提出具体可执行的操作指导，尤其适合希望提升拍摄技巧的普通用户。Project Indigo 开发负责人 Marc Levoy 曾主导 Google Pixel 相机技术研发，他在谈及设计理念时指出，当前多数生成式 AI 图像工具依赖用户输入提示词，但普通用户往往难以准确描述自己想要的调整效果，“他们不知道如何用术语表达需求”。因此，Project Indigo 更强调按鈕化和确定性操作，让 AI 直接提供可执行的编辑方案，降低学习成本。这一哲学贯穿所有新功能，体现出 Adobe 对 AI 工具易用性的重视。
在智能编辑方面，新版 Project Indigo 的高级物体移除功能实现了自动识别并消除背景人物、垃圾桶、电线杆、车辆等干扰元素。用户还可以通过自然语言描述需要移除的特定对象，系统即可自动识别并处理。相比传统手动圈选目标的方式，该功能显著减少操作步骤，尤其在复杂场景下能提升处理效率与效果。此外，应用还支持通过 AI 生成景深效果，为普通照片模拟背景虚化，呈现单反级浅景深质感。风格迁移功能则提供了水彩、钢笔画、彩色墨线、单色、逆光等艺术效果，用户可一键将照片转化为不同画风。不过，Adobe 方面也坦言，风格转换本身并非全新技术，其实际应用价值仍需进一步观察。
此前许多应用已提供类似滤镜，但基于大模型的理解能力，迁移效果有望更加细腻、贴合内容语义，而非简单叠加滤镜。目前，Project Indigo 的新 AI 能力由基于 Google Gemini 的 Nano Banana 模型提供支持。Adobe 同时表示，未来可能会测试包括自研 Adobe Firefly 模型在内的其他 AI 模型。这显示出 Adobe 在多模型策略上的开放态度，也为后续功能升级留下空间。值得注意的是，这些功能目前仅向部分用户开放，处于测试验证阶段，是否最终全面推广仍未确定。从行业视角来看，AI 图像工具正经历一场角色转变。
早期以“一键生成”和“自动修图”为代表的 AI 功能，更多是替代重复性劳动；而 Project Indigo 所代表的思路，则是让大语言模型担任摄影导师或创意伙伴，帮助用户理解创作原理，优化决策过程。这种“授人以渔”的方式，可能比单纯生成一张美图更具长期价值，尤其对于希望系统提升摄影水平的用户而言。Marc Levoy 的加入为 Project Indigo 带来了深厚的计算摄影基因。他曾是 Google Pixel 系列相机的核心技术支柱，推动 HDR+、夜视、人像模式等功能落地。如今他将经验带入 Adobe，探索如何利用大语言模型打通拍摄与分析、编辑与反馈之间的闭环。
这不仅是技术升级，也是对移动摄影工作流的一次再设计。当然，测试阶段的种种功能能否经得起用户检验，尚需时间验证。尤其是风格迁移、AI 景深等效果能否在专业摄影社群中获得认可，仍是未知数。但可以肯定的是，随着大语言模型在图像理解与生成能力上的持续突破，手机摄影的 AI 辅助边界将被不断拓展。Adobe 此次尝试，为行业指明了一个可能的方向：未来的相机应用，不只是拍照工具，更是随身摄影教练与创意工作室。综合来看，Adobe Project Indigo 此次 AI 升级并非简单的功能堆砌，而是在思考“大模型在影像创作中应该扮演什么角色”这一问题后给出的答案。
让 AI 从幕后走到台前，主动提供分析与建议，帮助用户做出更好的创作决策——这一理念如果落地成熟，有望引领移动影像进入一个全新的“智能协作”时代。
Related
相關文章
曝字節訓10億參數大模型，或超Mythos 5，張一鳴、梁汝波先後發聲
字節跳動正在訓練一個參數量高達10萬億的AI模型，規模可能超越Anthropic的Mythos 5。創辦人張一鳴在內部會議中強調編程的關鍵地位，並反對模型蒸餾，認為這只能複製而非超越對手。字節跳動在AI領域持續加大投入，同時在產品端與訓練端採取雙線進攻策略。
AI 需求擠爆雲計算，消息稱 AWS 要求工程師關閉閒置服務器減少資源浪費
因AI需求導致算力緊缺，亞馬遜AWS要求工程師關閉閒置的EC2實例，以減少資源浪費。數據顯示約65%的EC2實例在30天內平均CPU利用率低於20%，AWS因此升級計算優化器自動標記低使用率虛擬機。此外，AWS過去一年新增3.8吉瓦電力容量，仍難以應對GPU雲端實例的龐大需求。
使用 NVIDIA NeMo Retriever、託管 NIM、LanceDB、重新排序與基於事實生成建立多模態 RAG 管線
在本教學中，我們將使用 NVIDIA NeMo Retriever 建立一個先進的多模態檢索增強生成管線。首先設定 Python 3.12 環境、安裝必要套件，並在無需 GPU 或外部 API 金鑰的情況下進行離線 PDF 文字提取。接著，我們透過託管的 NVIDIA NIM 端點來偵測頁面元素、提取表格、圖表與資訊圖形、產生稠密向量嵌入，並將處理後的內容儲存至 LanceDB。最後，我們實作了稠密檢索、視覺語言重新排序、後設資料過濾搜尋、附行內引用的基於事實回應生成，以及輕量級的 recall-at-k 評估，以驗證跨多模態文件內容的檢索品質。
NVIDIA AI 推出 NOOA：將 AI 代理轉化為單一 Python 類別的物件導向框架
NVIDIA 實驗室開源了 NOOA（NVIDIA 物件導向代理），這是一個與模型無關的 Python 框架，用於建構 AI 代理。傳統的代理開發分散在提示模板、工具架構、回呼程式碼和工作流程圖中，而 NOOA 將所有這些整合到一個 Python 類別中：方法代表模型可採取的動作，欄位代表代理狀態，文件字串作為提示，型別註解則是執行時期強制執行的合約。主體為「...」的方法由 LLM 驅動的迴圈在執行時期完成，而具有正常主體的方法則保持確定性的 Python 程式碼。開發者與模型因此共享同一介面，使代理行為能像一般軟體一樣進行測試、追蹤、重構和版本控制。NVIDIA 報告在 SWE-bench Verified 上達到 82.2%，在 CyberGym L1 上達到 86.8%，平均 RHAE 為 85.1%。
六巨頭定AI插件新標準，撞臉Claude，Anthropic沒上桌
六大科技巨頭（AWS、Anysphere、GitHub、微軟、OpenAI、Vercel）聯合發布AI智能體插件統一開放規範Agent Plugins 1.0.0，旨在統一插件打包格式，減少開發者重複勞動。該規範的結構與Anthropic的Claude Code插件系統高度相似，但Anthropic並未參與制定，而是繼續經營自己的封閉生態。
DeepSeek重啟融資，三年市值對齊騰訊？
DeepSeek重啟第二輪融資，以5000億元人民幣估值尋求籌集80億美元，但網傳一份由小型醫藥私募發起的專項基金募資材料引發網友質疑，後經DeepSeek員工證實部分數據屬實。該公司近期宣布API大幅漲價，可能打破其以低價換規模的估值邏輯，面臨客戶流失風險。市場關注其能否從「價格屠夫」轉型為價值提供商，以及三年內市值能否對齊騰訊等巨頭。