為何生成式AI總畫出「6根手指」？　揭擴散模型運算真相

為什麼AI總是畫錯手指？擴散模型缺乏「三維空間結構」成致命傷

造成AI在手部頻頻失誤的核心原因，在於現今主流的生成對抗網路（GAN）與擴散模型（Diffusion Model），運作原理是根據文字提示與訓練時習得的視覺特徵，從雜訊中逐步推算並拼湊出像素畫面，模型內部並未真正建立起符合人體解剖學的骨架邏輯。

此外，人手在局部空間內集結了手掌、5根手指與多個活動關節，一旦涉及抓握工具、比出複雜手勢或指節前後遮擋等動作時，手指便會在三維空間中產生高度彎曲。AI在缺乏深度與空間關係判斷的情況下，只要單一關節的角度或長度比例出現微幅偏差，最終呈現的手部畫面就會顯得異常扭曲。

AI生圖「6根手指」破綻有解嗎？《Hand1000》與《HanDiffuser》揭最新修正技術

為了解決手部生成異常，全球研究團隊陸續提出多項改良方案。2024年發表的《Hand1000》研究針對文字生成圖片模型常見的指節交錯、模糊與數量錯誤，建立專屬人手資料集並導入手勢資訊進行微調；另一項2024年研究則透過額外輸入手部標註線索，協助模型辨識關節位置。

研究《HanDiffuser》更進一步將手部的3D形狀、關節座標與手指朝向等立體資訊納入生成流程，藉此修正不符人體工學的姿勢；學界亦嘗試在生成階段加入深度、分割資訊，甚至採取「先獨立生成完整手部、再繪製身體其餘部位」的分段策略。雖然隨著訓練技術演進，早期常見的「6根手指」失誤已大幅減少，但複雜姿勢與遮擋情境下的手部還原度，仍是AI視覺領域持續攻克的課題。