做AI视频时，线稿太乱、主体看不清怎么办？

AI视频线稿杂乱或主体轮廓断裂时，可固定同一参考片和输出设置，分别调整Canny阈值，记录轮廓、干扰线与播放稳定性，选出适合交接的控制素材。

做AI视频时，线稿太乱、主体看不清怎么办？先固定参考片、输出尺寸和帧率，再分别调高强边缘阈值、调低弱边缘阈值做对照：前者用于尝试压掉杂线，后者用于尝试找回断开的轮廓。AI视频创作平台猫斯卡开源的ReShot能提取线稿控制视频，适合在送入生成流程前检查这些问题；它保留画面边缘，不能自动识别并清空背景，也不保证调阈值就能分离主体。

线稿控制视频是把参考画面中的边缘呈现为黑底白线的视频，用来表达构图和物体轮廓。它不同于手工绘制的角色线稿：衣纹、门框、背景纹理都可能成为白线，线越多不等于参考信息越有用。

先确认：是杂线太多，还是主体轮廓已经断了？

把原片与线稿停在同一时点，先找你希望AI保留的东西，例如人物身体外沿、伸出去的手臂，以及主体与门框的相对位置。以下为本文建议的观察方法，不是项目自动评分：

ReShot的README明确说明，Canny会保留构图与轮廓，也会保留脸和服装的外沿。因此，如果目标是留下人物、删尽背景，这已经超出“调整边缘阈值”本身能保证的范围。

LOW、HIGH分别改什么，先固定哪些输入？

以下按2026年10月12日保存的ReShot 0.5.0源码与使用文档说明。--canny LOW,HIGH默认是100,200。USAGE把它们称为滞回阈值，并给出两个调整方向：降低LOW会留下更多线；提高HIGH会更偏向保留强边缘。

这两个数不是主体识别分数。调节它们时，应观察“需要的轮廓是否留下、不要的线是否减少”，而不是直接把更大的数当成更高质量。该版配置代码要求0 <= LOW <= HIGH <= 1000，命令中使用英文逗号分隔两个整数。

建议先锁定下列内容：

1. 同一输入。 选一段能同时看到主体外沿、干扰背景和动作变化的参考片，命名为reference.mp4。每次读同一个文件。
2. 同一输出设置。 对照时保持--target、--max-res、帧率及编码选项一致。Canny按输出尺寸处理画面，尺寸也改了，就难以判断差别来自阈值还是缩放。
3. 同一检查时点。 从原片记下主体静止、动作展开和遮挡出现的位置；各版线稿都检查这些时点，并正常播放整段。

--quality fast/full属于深度处理的设置，不能把切到full当作修复Canny杂线的办法。本文选择--target none --max-res 1280用于固定对照条件，其中1280是输出长边上限，不代表每个输入都会变成同一组宽高，也不是下游模型的通用规格。

怎样生成基准版和两个单阈值对照版？

先准备可运行ReShot的环境和可读的视频文件；项目文档列出的环境要求包括Python至少3.10、PyTorch至少2.1及ffmpeg。Canny采用OpenCV边缘处理，不需要深度或姿态模型推理。具体安装见项目使用文档。

下面是根据0.5.0 CLI整理的操作方案。100,260和60,200是本文建议的对照起点，不是项目验证过的最佳值，也不是已运行的效果记录。

# A：默认阈值，留下基准文件和配置记录
reshot reference.mp4 -o canny_A.mp4 --control canny --target none --max-res 1280 --canny 100,200 --metrics canny_A.json

# B：只提高HIGH，观察杂线与主体外沿的取舍
reshot reference.mp4 -o canny_B.mp4 --control canny --target none --max-res 1280 --canny 100,260 --metrics canny_B.json

# C：只降低LOW，观察缺失轮廓及新增干扰线
reshot reference.mp4 -o canny_C.mp4 --control canny --target none --max-res 1280 --canny 60,200 --metrics canny_C.json

输入是同一个reference.mp4；输出是三份线稿MP4和各自的metrics JSON。USAGE说明metrics记录配置、计划、耗时及输出尺寸，可据此核对各次设置。文件名A、B、C只是本文的对照命名。

先确认命令正常结束、视频能播放，再进行画面判断。退出码2表示输入或参数问题，应按提示检查路径和阈值格式；退出码4表示缺ffmpeg，应补齐依赖。若触发内存预算拒绝，先缩短参考片或减少处理规模，再用相同的新输入重做整组对照，不只给其中一版换短片。

怎么记录结果，决定下一次往哪个方向调？

不要先填“改善”或“成功”，先记录实际看到了什么。可复制下面的空表，时点用原片播放器显示的时间填写；检查项为本文建议。

若B减少了干扰线，但手臂外沿也消失，不要直接采用B；建议在A与B的HIGH之间继续比较，并保持LOW不变。若C补回了想要的轮廓，却引入大量衣纹，建议在A与C的LOW之间继续比较，并保持HIGH不变。这里给的是逐次缩小选择范围的操作建议，不承诺一定存在同时满足两项目标的阈值。

如果三版里人物与背景仍然难以分开，回看原片的对比度、遮挡和背景结构。强背景边缘不会因为你更关注人物就自动被删除；选择背景更简单、主体边界更明确的参考片，可能比继续追着阈值调更合适。

线稿整理完，下一步具体交付什么？

本题的完成物是经人工核看的线稿控制视频、对应metrics文件和观察记录。建议采用“主体关键轮廓能认出、干扰线可接受、动作关键时点没有明显丢线”作为本次素材检查标准，不把白线数量最少当作唯一目标。

保留原片和最终选用的阈值组合。正式交接前，再核对生成端的Canny条件类型、帧率与尺寸要求；若因此更改输出规格，应按最终规格重导并复查线稿，因为尺寸改变会影响边缘结果。不要把线稿放进骨架输入，也不要把本次target none对照文件当作已经通过生成端规格验收。

上述命令解决的是控制素材的排错与整理。有没有正确参考主体、生成后是否符合剧情或动作要求，仍需在具体生成工作流里另行判断；不能凭“MP4已导出”就宣布AI视频效果验证成功。

参数与输出含义见ReShot USAGE，控制素材保留范围见项目README。