2026-10-09 · 30 min read

第十三节:空间与透视控制(Spatial & Perspective)

完整迁移第 13 节原文,学习一点、两点、三点透视,以及空间层级、尺度、遮挡和接地关系。

第十三节:空间与透视控制(Spatial & Perspective)

GPT 生图从 0 到 1 · 第 13 课 · 消失点、空间层次、物体尺度、遮挡与三维空间关系

前十二节,我们已经学习了人物姿态、镜头视角、构图、光影和材质等知识。

现在进入一个对 AI 生图真实性非常重要的领域:空间与透视控制(Spatial & Perspective)。

为什么有些 AI 图片中的人物和汽车单独看都没问题,但组合到一个环境中,却显得不真实?

例如:

  • 汽车停在停车场里,车身方向与地面透视不一致。
  • 人物坐在椅子上,但双脚没有真正接触地面。
  • 远处建筑与近处建筑的大小关系异常。
  • 一张桌子上的马克杯仿佛悬浮在桌面上。
  • 两个人明明一前一后,却没有明显的空间层次。

这些问题都涉及同一个核心:

模型不仅要正确生成物体,还要正确处理物体之间的三维空间关系。

本节我们使用三个统一教学场景:

  • 建筑场景:研究一点、两点、三点透视。
  • 人物场景:研究前景、中景、背景与空间遮挡。
  • 汽车场景:研究尺度、地面接触和真实环境中的透视一致性。

13.1 什么是空间与透视?

透视(Perspective)是将三维空间投影到二维画面的一套几何关系。

在典型的线性透视中,现实里相互平行、且向远方延伸的直线,投影到图片后可能朝同一个消失点汇聚。

线性透视的基本原理

示意:朝纵深延伸的平行地面线条,投影后向视平线上的同一个消失点汇聚。

这里有三个基础概念需要记住:

概念英文含义
视平线Horizon / Eye Level与观察者眼睛高度对应的水平线
消失点Vanishing Point一组空间平行线在透视投影中的汇聚位置
透视缩小Perspective Foreshortening物体随距离增加,在画面中的投影尺寸变小

需要特别说明:视平线不一定等于照片中实际可见的天地交界线。即使身处室内,透视系统仍然存在视平线。

13.2 一点透视(One-point Perspective)

一点透视是最容易理解和控制的线性透视类型。

它通常出现于相机正对走廊、道路、隧道、铁路或建筑内部空间时。

An empty room with a lot of lights on the ceiling photo – Free Light Image on Unsplash

unsplash.com

主要视觉特点

  • 画面朝纵深方向延伸的平行线汇聚到一个消失点。
  • 正对镜头的墙面或平面保持相对规整。
  • 空间具有明确的纵深方向。
  • 适合对称构图和强烈的视觉引导。

如何写进提示词?

生成一张 16:9 横版写实建筑摄影图片。

场景为一条现代极简建筑走廊,镜头位于走廊中央,采用正面平视视角。

使用严格的一点透视构图,走廊地面边线、墙体边缘与天花板纵深线向画面中心的同一个消失点汇聚。

画面左右保持对称,走廊尽头清晰可见。

使用柔和自然光,建筑结构真实,线条笔直。

禁止出现多个不协调的消失点、倾斜墙面、不规则地板透视和扭曲门框。

典型使用场景

一点透视很适合:

  • 汽车行驶在笔直道路上的宣传图。
  • 室内建筑、展厅、停车场。
  • 长走廊、隧道。
  • 需要强烈视觉引导的电影画面。

13.3 两点透视(Two-point Perspective)

两点透视通常用于观察建筑、房间或矩形物体的转角。

UBP Weekly View - Rally pauses as yields reprice inflation

ubp.com

当我们站在一栋建筑的转角处,正面和侧面都可以看到时,水平两个方向的平行线通常分别汇聚到左右两个消失点。

与一点透视的区别

项目一点透视两点透视
消失点主要一个主要两个
观察角度正对某一平面斜向观察物体转角
纵深方向一个主要方向两个主要方向
常见用途走廊、正对道路建筑转角、汽车三分之四视角

在汽车商业摄影中,常见的三分之四侧前视角通常可以借助两点透视来理解车辆的空间结构。

但是要注意,真实汽车有大量曲面,不能把整个车身简单当成长方体。

两点透视提示词

生成一张写实汽车商业摄影图片。

一台蓝色新能源 SUV 停放在现代建筑前方,采用三分之四侧前视角。

车辆前脸和侧面同时可见。

场景遵循合理的两点透视关系,建筑与停车区域中的水平纵深线分别向画面左右两个消失点延伸。

车辆车身、轮胎及建筑的透视方向协调,车轮正确接触地面。

采用自然日光,真实汽车摄影风格。

避免建筑透视与车辆透视相互冲突,不产生异常拉长的车身或变形的车轮。

13.4 三点透视(Three-point Perspective)

三点透视是在两点透视的基础上增加垂直方向的汇聚。

当相机明显仰视高楼,或者从高处俯视建筑时,常常会出现这种透视关系。

例如,从高楼下方向上仰拍:

  • 建筑左右两个水平方向形成透视。
  • 垂直方向的建筑线条也会向上汇聚。
  • 高楼越向上延伸,透视效果越明显。

三点透视的提示词

生成一张 3:4 竖版现代摩天大楼建筑摄影图片。

相机位于建筑底部附近,镜头明显向上仰拍。

采用三点透视结构,建筑两个水平方向向远处消失点汇聚,垂直建筑边线朝画面上方的第三个消失点收敛。

突出建筑高度和强烈的空间纵深。

建筑材质与玻璃幕墙清晰,线条连续,透视具有真实建筑摄影效果。

不使用完全平行的垂直线条,不产生不合理的建筑弯曲或扭曲。

13.5 三种透视如何选择?

一点透视

正对空间

YOU Lot YA de Studioninedots | Immeubles de bureaux

两点透视

斜看转角

三点透视

强烈俯仰

三种透视:从正对空间到强烈俯仰
一条正对镜头的建筑走廊

一点透视

正对空间,主要线条汇聚到一个消失点,适合走廊、道路和正面建筑。

从斜侧面观察的建筑转角

两点透视

斜看转角,左右两个水平方向分别向远处消失,适合建筑和产品的三分之四视角。

仰视高层建筑的强烈透视

三点透视

强烈俯视或仰视,垂直线也参与汇聚,适合强调高度、压迫感和空间冲击力。

不要把一点、两点、三点透视理解为模型的固定模式开关。它们是我们用来描述和判断画面几何关系的工具。

13.6 第四部分:前景、中景与背景(Foreground, Middleground, Background)

透视控制不仅是消失点,还包括空间层次的建立。

在一张图片中,我们通常可以划分三个空间层:

三层空间结构示意

场景示意:前景草丛、中景人物与远处山丘产生层次和遮挡关系,使画面具有空间深度。

空间层级典型内容视觉功能
前景 Foreground靠近相机的草丛、树枝、物体建立距离感和画面入口
中景 Middleground人物、汽车、主要产品承载视觉主体
背景 Background山丘、城市、建筑、天空交代环境和空间规模

草原人像提示词示例

生成一张 3:4 竖版写实人物摄影作品,场景为内蒙古夏季草原。

前景: 少量靠近相机的草叶,轻微自然虚化,不遮挡人物脸部。

中景: 一位黑色长发、穿米白色长裙的成年女性,站在草地中央,人物清晰。

背景: 草原向远方延伸,起伏山丘位于画面远处,天空广阔。

空间层次: 前景、中景、背景之间存在合理的距离差异。远处景物在画面中较小,空气透视自然。

镜头: 85mm 人像镜头视觉效果,平视拍摄,人物全身入镜。

约束: 不让前景草叶穿过人物身体,不产生悬浮地面或不合理的山丘尺度。

13.7 第五部分:物体尺度与距离(Scale & Distance)

AI 可能知道汽车、人物和建筑是什么,却不一定能准确处理它们之间的相对尺寸。

例如,人物站在一辆 SUV 旁边:

正确尺度的关键不只是指定物体大小,而是提供明确的比例参照物。

例如:

一位身高约 165cm 的成年女性站在一辆普通大型 SUV 旁边,双脚与车辆轮胎位于同一地面平面,人物高度和车身比例符合真实生活中的尺度关系。

但如果我们只是写:

人物占画面高度 60%,汽车占画面高度 40%。

模型可能照做,却让相对物理尺寸看起来不合理。

三种尺度关系

  1. 物理尺度:人物和汽车在现实中的真实大小。
  2. 投影尺度:因为物体离相机远近不同而产生的画面尺寸差异。
  3. 设计尺度:艺术海报有时会故意夸张大小,用来突出主体。

对于真实产品宣传,优先保持物理尺度与投影尺度合理;对于创意海报,可以明确授权夸张设计尺度。

距离与画面尺寸的关系

在简化的针孔相机模型中,物体投影高度近似符合:

[ h=\frac ]

其中:

  • (h):物体在成像平面上的高度
  • (f):焦距
  • (H):物体真实高度
  • (Z):物体沿相机光轴方向的距离

当真实高度与焦距固定时,距离越远,投影尺寸通常越小。这个简化公式适用于理解基本透视关系,不是复杂三维场景的完整渲染模型。

13.8 第六部分:遮挡关系(Occlusion)

遮挡是建立空间深度最直接的方法之一。

当一个物体挡住另一个物体的一部分,观众通常会判断遮挡者位于前方。

物体遮挡与深度关系

谁遮挡谁,能够帮助判断物体的前后顺序。但深度还取决于透视、尺度、阴影等其他线索。

人物与汽车的遮挡示例

假设一个人物站在汽车驾驶位车门前方。

我们需要说明:

人物站在车门外侧,身体遮挡部分车门,但车辆后视镜和轮廓保持可见。人物双脚位于车辆侧面的地面上,人物与车身之间有合理的距离。

如果没有明确空间关系,AI 可能让人物与车身互相穿透,或者错误地将人物放到车辆内部。

遮挡关系提示词公式

主体 A 的位置 + 主体 B 的位置 + 谁遮挡谁 + 遮挡范围 + 接触关系。

13.9 第七部分:地面接触与空间真实性(Ground Contact)

这是商业汽车生图中非常值得单独检查的一个细节。

例如,一辆汽车即使外形非常真实,如果轮胎没有正确接触地面,依然可能产生漂浮感。

Suv Rendering 3d Di Uno Sfondo Nero Con Blu Di Medie Dimensioni Perfetto Per La Famiglia | sfondi JPG download gratis - Pikbest

缺少地面接触

可能产生悬浮感,不适用于要求真实停放效果的商品图

2025年上半年重磅新车盘点,比亚迪双旗舰领衔,小米YU7压轴登场_选车网|公众的选车平台

合理地面接触

轮胎贴合地面,接触阴影和车身反射符合环境

生成真实地面接触效果时,应同时控制四个方面:

控制维度检查内容
接触点轮胎底部是否与地面相接
接触阴影轮胎接地处是否有合理阴影
地面透视轮胎是否处于同一合理地面平面
物体姿态车身是否有不合理倾斜或悬浮

汽车商品图提示词

生成一张真实汽车商业摄影效果图。

一辆蓝色新能源 SUV 停放在浅灰色摄影棚地面上。

车辆采用三分之四侧前视角,完整展示车身和所有可见车轮。

所有可见车轮遵循一致的透视关系,轮胎底部与平整地面自然接触。

轮胎接触处有柔和但明确的接触阴影。车身下方的阴影方向与主光源一致。

车辆不存在漂浮、异常倾斜、轮胎穿过地面、车轮位置错位等问题。

背景简洁,车辆比例真实,画面采用高级汽车商业摄影风格。

13.10 第八部分:空气透视(Atmospheric Perspective)

空间深度不只取决于线条与尺寸,也受到空气中光散射的影响。

例如,在内蒙古草原上:

sunlight on grassland

近处草地通常颜色更鲜明、纹理更清楚;远处山丘可能因为空气散射、雾霾和湿度等因素,呈现更低的对比度与细节。

这种表现方式称为 空气透视(Atmospheric Perspective)。

它与之前的一点、两点、三点线性透视不同:

线性透视空气透视
主要通过几何投影建立空间深度通过对比度、色彩和清晰度变化建立深度
涉及消失点、比例和线条涉及空气散射、能见度和视觉层次
适用于建筑、道路、物体空间关系常用于自然风光、远山和城市天际线

提示词示例:

前景草叶纹理清晰、色彩自然饱和;中景草原具有适度细节;远处山丘逐渐降低对比度和饱和度,略微偏向天空色,形成真实的空气透视。避免所有距离的景物具有完全相同的锐度和对比度。

需要注意,空气透视与镜头景深虚化不是同一回事。远处山丘因空气散射而显得朦胧,不一定代表镜头没有对焦。

13.11 复杂场景如何拆解空间关系?

当画面中出现汽车、人物、建筑、道路等多个主体时,建议先确定空间结构,再补充美术风格。

例如,我们需要生成:

一位女性站在一辆蓝色新能源 SUV 旁边,背后是一栋现代建筑。

先不要急于加入“电影感”“高级质感”等描述。

应该先建立以下空间关系。

空间关系拆解

背景层 · Background

现代建筑,位于车辆后方,与地面保持合理透视。

中景层 · Middleground

蓝色 SUV 停在建筑前方的平整地面上。

前景层 · Foreground

一位成年女性站在 SUV 左前方,遮挡车辆小部分侧面。

统一空间约束

人物与车辆脚底/轮胎接地关系正确;建筑、地面和车辆透视协调;人物尺度合理;阴影方向一致。

完整提示词示例

生成一张 16:9 横版真实商业摄影图片。

背景: 一栋现代极简风格的玻璃建筑,建筑位于画面后方,遵循真实的两点透视关系。

中景: 一辆蓝色新能源 SUV 停在建筑前方的平整道路上,采用三分之四侧前视角。四个车轮位置符合车辆结构,可见轮胎与地面自然接触。

前景: 一位身穿米白色长裙的成年女性站在车辆左前方,双脚自然踩在同一地面平面,身体遮挡车辆一小部分侧面,但不遮挡汽车主要轮廓。

尺度: 人物与 SUV 的相对高度和距离符合真实摄影规律,不出现巨人或玩具车的比例效果。

光影: 自然日光,人物、车辆和建筑的阴影方向保持一致。

空间约束: 前、中、背景层次清晰,地面透视协调,人物不穿透车辆,汽车不悬浮。

风格: 高级汽车商业摄影,真实材质,克制的色彩分级。

13.12 可交互空间提示词生成器

选择透视模式、空间层级和主体关系,组合出一段基础空间控制提示词。

透视模式

一点透视

两点透视

三点透视

主要主体

汽车 + 人物

环境

现代汽车展厅

空间深度

前中后景分明

突出近大远小关系

远景空气透视明显

地面与支撑

地面自然接触

物体有明确支撑点

主体与其他物体无接触

空间控制提示词

生成一张真实摄影风格的场景图片。 【主体】蓝色新能源SUV与一位成年女性。 【场景】现代汽车展厅。 【透视方式】两点透视,场景中的建筑、道路与主要物体遵循协调的几何透视。 【空间层级】前中后景分明。 【接触关系】地面自然接触,人物与物体之间的遮挡和支撑关系符合现实。 【尺度】人物、汽车和建筑的相对尺寸符合真实世界中的比例关系。 【摄影要求】自然的环境光与统一的阴影方向。 【约束】禁止悬浮物体、错误的遮挡顺序、异常尺寸、地面穿透和不协调的透视方向。

复制提示词

不同选项可能需要进一步协调,例如一点透视更适合相机正对走廊,三点透视通常需要明显的俯视或仰视镜头。

13.13 第十三节完整提示词模板

GPT Image · Spatial & Perspective Prompt V1.0

01. 画面主体(Subjects)

指定主要人物、产品、汽车或建筑。

02. 空间环境(Environment)

[室内 / 室外 / 草原 / 城市 / 摄影棚]

03. 透视结构(Perspective)

  • 透视模式:[一点 / 两点 / 三点]
  • 视平线位置:[画面中的大致高度]
  • 消失点位置:[中央 / 左右 / 上下]
  • 观察角度:[正视 / 侧视 / 俯视 / 仰视]

04. 空间层级(Depth Layers)

  • 前景:[物体、位置]
  • 中景:[主体、位置]
  • 背景:[环境、位置]

05. 物体尺度(Object Scale)

指定不同主体的真实相对尺度,以及相机距离对投影大小的影响。

06. 遮挡关系(Occlusion)

  • A 位于 B 的前方或后方。
  • 说明哪些区域发生遮挡。
  • 不允许物体互相穿透。

07. 支撑关系(Ground & Contact)

明确:

  • 人物双脚与地面
  • 汽车轮胎与地面
  • 产品与桌面
  • 手部与物品

08. 空气透视(Atmospheric Perspective)

控制远处景物的对比度、清晰度和颜色变化。

09. 光影与镜头(Camera & Lighting)

统一相机位置、镜头透视、光源方向与空间阴影。

10. 约束(Constraints)

P0:保持主体与产品结构正确。

P1:空间位置、尺度、遮挡与透视合理。

P2:允许调整空气透视、背景细节与氛围。

禁止:

  • 不合理的消失点
  • 错误的物体尺度
  • 不自然的遮挡
  • 悬浮或穿模
  • 与地面不协调的阴影

11. 验收(Validation)

检查空间几何、前后关系、相对尺度、地面接触与光照一致性。

13.14 博客教学配图规划

建议制作以下 8 张教学图,延续前几节白底、蓝色标题和结构标注的教学风格。

编号教学配图布局
13-01一点、两点、三点透视三栏对比
13-02消失点与视平线单图线条标注
13-03前景、中景、背景草原场景分层
13-04近大远小与人物尺度左右对比
13-05正确与错误遮挡关系左右对比
13-06汽车轮胎地面接触局部放大标注
13-07空气透视与景深的区别左右对比
13-08汽车、人物、建筑的复杂空间综合空间解析图

其中,我建议重点制作 13-01、13-03、13-06、13-08 四张图。

因为它们分别对应空间透视的四项核心能力:几何透视、空间层次、物理接触和多主体关系。

正式制作 13-01 时,最好使用规整建筑或立方体,不使用复杂汽车曲面作为唯一说明对象。这样更容易准确表现消失点与透视线的关系。

13.15 本节知识总结

本节的核心公式:

空间真实性 = 透视几何 + 空间层次 + 物体尺度 + 遮挡关系 + 支撑接触 + 空气透视。

需要记住三件事:

  1. 相机视角与空间透视并不是完全相同的概念。 镜头决定观察方式,空间透视描述物体如何投影到画面中。
  2. 空间控制不能只依赖“真实感”这类模糊词。 应明确谁在前、谁在后、谁遮挡谁,以及物体之间的尺度和支撑关系。
  3. 空间真实性必须通过验收确认。 尤其是汽车、工业产品、建筑和人物交互等场景,需要检查几何与物理关系,而不是只评价画面是否好看。

下一节按照原定课程进入 第十四节:场景与环境构建(Environment Design)。

我们会继续研究内蒙古草原、现代城市、森林、海边、摄影棚和汽车展厅等场景,重点讲解如何从“一个背景名称”逐步构建到包含地形、建筑、植被、天气、季节、时间、环境物件及真实世界逻辑的完整空间。

这一节将直接连接第六节的光影、第十三节的空间透视,让我们能够更系统地控制一张图片的整个世界,而不只是画面中的主体。

搜索全站

输入关键词,查找项目与实践记录。