Pixel Cafe 使用手册
这是一份面向摄影师与工作室的一线操作手册,按真实工作流整理了从安装、导入、AI 选片、批量修图到导出交付的完整步骤。
当前项目包含本地桌面工作台、后端 AI 流水线、云端同步与分享能力。这份手册基于仓库中的现有实现编写,重点覆盖用户在官网最需要理解的实际操作流程。
桌面端工作台
面向摄影师与修图师的本地主工作台,优先看到导入、分析与当前项目数据。
- 导入:批量读取 RAW / JPEG,建立缩略图、元数据与项目结构。
- 分析:直接运行 5 阶段 AI 流水线,查看筛选、分组和排序结果。
- 数据:优先关注待处理、已标星、已淘汰、样本进度等本机工作台信息。
Web 端协同台
面向团队成员与客户的在线协同入口,优先看到云端项目、选片结果与共享状态。
- 协同:摄影师、修图师、客户可在同一项目里同步筛选、标星和复核。
- 数据:优先关注共享范围、在线状态、协作结果和最终入围内容。
- 能力:更强调云端能力与多人协作,不承担桌面端那类本地导入和重分析任务。
1. 安装前准备
- 推荐系统:macOS 12+ 或 Windows 10+。
- 支持 RAW、JPEG、HEIC、TIFF 等常见格式;RAW 预览依赖本地预览提取能力。
2. 第一次启动
启动应用
打开 Pixel Cafe 后,系统会启动本地工作台与本机后端服务。首次启动时如果模型尚未就绪,界面会提示下载或预热。
确认基础设置
优先检查默认导入目录、导出目录以及是否启用可选的云端同步。核心选片能力默认在本地运行,不依赖上传原图。
创建项目
建议按拍摄任务建项目,例如婚礼、人像或旅行。项目名称尽量清晰,方便后续同步、分享和导出归档。
3. 导入照片
导入是整个工作流的入口,系统会扫描目录、登记照片元数据,并为后续筛选准备缩略图和预览图。
选择文件夹
从本地文件夹导入整场拍摄素材。建议一次导入同一项目的完整目录,便于连拍分组和场景判断。
等待导入完成
导入阶段会异步处理,不会阻塞后续操作。你可以通过工作台状态或实时进度查看当前数量、失败项和缩略图生成情况。
复核异常文件
如果个别 RAW 文件没有预览图,通常与相机格式、文件损坏或本地环境依赖有关。建议先处理异常文件,再进入正式选片。
4. 运行 AI 选片流水线
Pixel Cafe 的选片核心是阶段化判断。每一阶段只解决一个问题,因此结果更容易复核,也更适合人工接管。
Stage 1:技术质量初筛
先剔除明显模糊、抖动或曝光异常的照片,快速减少无效样本。
Stage 2:人脸与表情判断
针对人物照片补充眼神、闭眼、角度和人脸质量判断,帮助你先排除明显不可用的人像。
Stage 3:连拍与相似构图分组
系统会把相近时间和相似内容的照片归到同组,避免你反复比较差异极小的画面。
Stage 4:VLM / 智能理解
在需要更细语义理解时,系统会补充主体、场景与内容层面的判断,用于进一步筛选或说明理由。
Stage 5:美学评分与个性化排序
结合审美评分与历史偏好,逐步把每组最可能被你选中的照片排到前面。
5. 人工复核与标记
- 先看每个连拍组的最佳一张,再决定是否展开整组细看,效率最高。
- 使用标星、淘汰和评分把你的判断显式记录下来,系统后续会利用这些样本优化排序。
- 对 AI 判断有异议时,优先手动覆盖,不必追求一次跑完所有阶段。
- 如果你是工作室场景,建议先由主摄影师给出第一轮偏好,再交给修图师批量复核。
6. AI 批量美肤与修图
Pixel Cafe 不只负责选片,也支持在交付前做轻量统一处理,特别适合人像与婚礼场景。
选定目标照片
优先对已标星或入围的照片执行批量美肤,避免在淘汰素材上浪费算力与时间。
设置修图强度
建议从保守参数开始,重点追求统一与干净,而不是强烈磨皮。这样更适合批量交付。
抽样检查结果
先检查几张高难度样本,例如逆光、多人合影或高 ISO 画面,确认风格稳定后再整批执行。
7. 在线协作选片与分享
- 云端协作是这套工作流里非常值得强调的一步,适合摄影师、修图师、客户在同一项目里同步做标星、淘汰和复核。
- 建议先由主摄影师完成第一轮 AI + 人工初筛,再把入围结果同步给团队成员继续在线协作。
- 客户选片场景下,分享前先确认项目状态、封面图和可见范围,避免把未处理素材直接暴露出去。
8. 导出与交付
选择导出方式
可按最终入选结果导出到新目录,也可配合 XMP sidecar 写回 Lightroom / Capture One 工作流。
保留项目结构
如果你后续还要回到原始素材做精修,建议保留清晰的项目名、拍摄日期和导出批次信息。
交付前复核
导出完成后抽查缩略图、文件数量和评分状态,确认没有误导出淘汰照片或漏掉已标星内容。
9. 常见排查建议
- 导入慢:优先检查素材是否在外接硬盘、NAS 或网络盘上。
- RAW 预览失败:先确认原文件可读,再检查本地预览提取依赖是否完整。
- 模型下载卡住:查看网络与代理设置,必要时切换直连或手动安装模型包。
- 排序不符合习惯:继续积累标星 / 淘汰样本,让个性化排序有足够学习数据。
- 桌面端打不开:使用调试模式查看日志,重点检查模型预热、端口占用与 WebView 兼容性。