模糊参考 → 找差异 → 沿色彩边界走
Hertzmann 方法在大笔刷层忽略细节，再缩小笔刷。沿图像梯度的垂直方向延伸曲线，使路径大致顺着同色区域；同层随机顺序弱化机械排列。
文献：Aaron Hertzmann · 1998 ↗项目旧实现用高斯模糊、Sobel 梯度与曲线延伸，并随机打乱同层笔触。其网格检测采用最大误差阈值，与原论文的区域平均误差判定有所不同；笔数随图像与层级变化，没有固定1000预算。
01 / STARTRACE
把你的想法，放进画面的下一笔。
保留绘画发生的过程，让内容选择、构图与亲手表达都有自己的空间。
AI 共创
从上传的照片开始。系统自动绘制，你可以随时暂停，加入花朵、云朵或太阳，安排素材的位置和大小。
本地上传过程共创逐笔续绘
自由画布
保留普通画笔、HSV 调色、大小、喷枪、橡皮擦与撤销。画面由你的实际手势形成，完成后保存到自己的星图。
普通画笔精细调色亲手表达
选择内容
搭配花朵、云朵和太阳，确认前可以变换形态、协调配色，安排属于自己的画面。
看见过程
确认后素材预览消失，实际画布由新的曲线笔触逐渐绘出。
留下作品
收藏或下载当前已画出的内容。自动绘制不计作亲手笔触。
星与月，各自带来什么？
你是星星：照片、素材和布局承载你的经历与表达。系统如月光：将这些选择逐步转化为笔触。素材确认时的一次星芒回应你的决定，绘制状态旁的月牙标记系统的辅助。
你决定画面的方向，也可以停下来继续发展想法。月亮是协作角色的比喻；当前系统使用本地绘制算法，不理解照片的故事，也不替你作出表达决定。
02 / STARTRACE
画面正在形成，你也可以加入。
每轮约 2000 笔的预算，在概括与细节之间保留空间。确认素材后，从当前实际画布重新规划后续笔触。
- 01
选择起点
上传想记录的照片，手机也可拍照上传。
- 02
逐笔绘制
由粗到细绘出主要色彩与形状。
- 03
安排素材
选择素材后暂停，调整位置与大小。
- 04
确认续绘
预览消失，素材进入目标图，由新的笔触画出。
- 05
保存作品
收藏到星图或下载当前画面。
图片格式与尺寸
支持小于 20 MB 的 JPG、PNG、WebP、GIF、BMP、AVIF 等浏览器可解码图像；每次一张。图片在本机缩放与处理，笔触重绘不等于逐像素复制原始大图。
确认的边界
确认前可以调整或取消预览；确认后素材不可移动、删除或撤销。系统依据目标图与当前画面的差异计算笔触，不推断物体关系，不自动补阴影或改透视。
色块概括
保留主要形体，将细碎颜色组织为较统一的色块；概括程度由你调节。
配色气氛
保留原有色彩，或选择暖阳、暮色。点击应用后，照片与素材会一起逐步调整。
素材变化
「换个样子」改变花瓣、云朵轮廓或太阳光芒；「协调周围配色」让素材轻轻呼应附近颜色。预览满意后再确认。
03 / STARTRACE
工具放在身边，画面留给你。
全屏画布与按需打开的工具面板，保持创作过程清晰可见。
自己的节奏
自动绘制可暂停、继续和调速。选择素材时暂停，确认后接着画。
随时打开工具
侧边图标打开素材、编排和节奏面板。素材可以连续加入、移动、缩放和旋转，确认后由笔触绘出。
参考原图
右上角独立打开参考图面板。原图与当前绘画分别展示，方便观察自己的改变。
作品保存
当前创作在浏览器内计算。保存和下载的内容来自实际画布，不包含未确认的素材预览。自由画布保留亲手绘画，AI 共创保存自动笔触形成的画面。
05 / STARTRACE
从图像重建，到有取舍的笔触表达。
当前共创使用本地曲线笔触与图像配色；下面同时保留旧版五遍算法的演示，说明项目的技术演进。
当前共创：轻量曲线绘制
在浏览器 Worker 中进行边缘保留的色彩简化、共享调色板与顺应图像方向的曲线追踪，再根据当前画布分配笔触。每轮最多尝试约 2000 笔，允许跳过无收益的笔触。素材变化来自确定性的几何规则，不调用图像生成模型或外部 API。下方五遍扫描、固定笔宽与历史演示属于原笔触引导版本；研究协议仍保留该版本。
当前版本 · layered-raster-3-five-pass
先让整幅画站起来，再一遍遍补充细节
输入参考图，输出每一笔的端点、宽度、颜色与所在遍次。默认预算为1000次规划尝试；不改善画面的候选会被跳过，实际笔数可能略少。该流程生成供人跟随的顺序，不是记录原作者真实作画的过程。
01 / 从原理到项目：三代算法改变了什么
哪里还不像，就优先到哪里画
改为圆端帽线段组成的胶囊笔刷，在整幅图中按残差采样。每轮64个候选与36次局部尝试，用当前底色拟合笔触颜色。
前约300轮逐步压低最大笔宽，但实际笔宽仍随机变化，局部调整也能增宽。因而“总体趋细”并不保证“下一笔更细”，位置也可能在远处跳跃。
这一步解决预算控制与覆盖区拟色，仍留下跟画顺序难预测的问题。
固定五档笔宽，按区域逐遍丰富
把宽度与区域顺序变成明确约束；完成一遍后再换小笔刷。每个网格内继续按误差寻找有用的笔触，并重新计算颜色。
每接受一笔就更新共享画布，再搜索下一笔。宽度不回增，网格顺序可预期；角度和长度仍根据图像优化。
改进目标是让序列更容易跟随。它未加入物体分割，也未声称还原艺术家的真实作画策略。
02 / 切换五遍，查看扫描规则与真实阶段图
左侧仅演示扫描位置，右图不会随区域滑块改变
当前：3 × 3网格，最多 60 次尝试；笔宽为分析图短边的 15.0%。五档分别为15%、8%、4%、2%、1.1%，映射回输出画布，小画面不小于1像素。
五遍比例和网格密度是本项目的工程设定，给后期细化较多预算，尚未证明是最优组合。图为莫奈《日出·印象》的本地试验，白底、0.85不透明度，无原图衬底。小预算按比例分配，极小预算可能不能覆盖所有遍次。
03 / 一笔怎样计算出来：先定范围，再比较收益
- 01
统一目标画面
透明图合成白底，用面积采样缩小参考图。预算大于200时分析最长边上限256，否则128；边缘附近的误差权重最高约为平坦区的3倍。
- 02
给各区域分预算
遍次预算按6%、12%、22%、28%、32%分配；每遍开始，按网格残差总量分配次数，取整后的剩余额度按小数余数补齐。不是每格平分，也不是识别物体的重要性。
- 03
搜索64个候选
在当前格内按残差概率选择位置，随机试方向与长度。宽度锁定为当前遍次值；在整条笔刷足迹上计算颜色和收益。
- 04
微调36次
在最佳候选附近移动中心、旋转方向、调整长度；中心不能离开当前格。前18次调整较大，后18次更小；不改本遍笔宽。
- 05
接受或跳过
覆盖区加权误差下降大于10⁻⁷才接受。同步更新虚拟画布，保存笔触与遍次；否则消耗本次尝试并跳过，保留后续细笔预算。
为什么按“整个足迹”拟合颜色？
从中心只取一个像素，可能把跨越两种底色的粗笔画错。现在计算圆端帽线段覆盖的每个像素，结合当前画布，求一个总体误差较小的颜色。边缘像素以覆盖率参与，不是整块硬涂。
体验的笔刷不透明度为0.85，研究笔刷为1；分别按对应混合方式规划。Canvas与分析缓冲的抗锯齿仍可能有细微差别。
为什么网格不会直接切断笔触？
网格限制搜索中心和先后顺序，笔刷足迹可以越过格子边界。所有格子共享一张虚拟画布，后续笔触能看到邻格已经画出的颜色。
这是对分块不连续问题的工程处理；仍可能出现扫描方向偏好，不能保证所有接缝或细节问题都消失。
文献：Teng Hu · 2023 ↗展开数学推导：如何找到当前笔触的颜色
Tᵢ 是目标颜色，Cᵢ 是已画颜色，wᵢ 是边缘权重，aᵢ 是透明度乘像素覆盖率，c 是待求的笔触颜色。各通道均归一到0–1。
E = Σᵢ wᵢ ‖Tᵢ − Cᵢ‖²
C′ᵢ = (1 − aᵢ) Cᵢ + aᵢ c
C′ᵢ = (1 − aᵢ) Cᵢ + aᵢ c
固定笔刷位置、方向、长度、宽度后，只剩颜色未知。把混合式代入平方误差，对每个颜色通道求导并令其为零，得到：
c = clip(Σᵢ wᵢ aᵢ [Tᵢ − (1 − aᵢ) Cᵢ] / Σᵢ wᵢ aᵢ², 0, 1)
再比较 E − E′。这是当前显式混合模型的最小二乘解；只有固定笔形下的颜色获得解析解，整幅画与笔形搜索仍是近似的贪心优化，不保证全局最优。缩小分析图上的误差下降，也不等于全尺寸画面处处改善。
04 / 为什么不能把旧笔触简单排个序？
先黄后蓝：交叠处偏蓝
颜色相同、位置相同，改变先后，重叠部分就会不同。第一笔已成为第二笔的底色；旧序列拟合的颜色是为旧底色计算的。
方案 A 在确定网格和遍次后重新搜索、拟色，每接受一笔就更新底色，后续候选始终针对这张新画布计算。演示仅解释透明叠色，不是完整算法运行结果。
05 / 同图对照：顺序更稳定，重建误差并非最低
- 实际笔数
- 1000
- 跨画面大跳跃
- 592 次
- 笔宽明显回增
- 436 次
- 像素 MAE ↓
- 6.54
- 实际笔数
- 1000
- 跨画面大跳跃
- 46 次
- 笔宽明显回增
- 327 次
- 像素 MAE ↓
- 6.94
- 实际笔数
- 998
- 跨画面大跳跃
- 27 次
- 笔宽明显回增
- 0 次
- 像素 MAE ↓
- 6.59
方案 A 的价值在于把大笔到小笔、逐区域推进变成明确规则。这张图上，大跳跃明显减少；相对上一版，平均像素误差略升，体现了顺序约束与拟合自由度的取舍。
2026-09-16，本地单图工程对照：输入最长边512，分析最长边256，输出768×597，预算1000，白底，透明度0.85。大跳跃指相邻笔触端点中点的距离大于画布对角线30%；明显回增指后一笔宽度超过前一笔的110%；MAE是0–255 RGB平均绝对误差。不能外推为所有图片的提升，也不能证明学习效果、美感或满意度提高。下载原始工程指标 JSON ↗
06 / 优化落到使用体验，也保留可核对的边界
| 改动 | 解决什么 | 代价与限制 |
|---|---|---|
| 固定五遍 + 逐行扫描 | 减少跨画面跳跃，提示卡能讲清当前是铺色还是补细节。 | 限制全局自由搜索，像素误差可能略升；区内仍可跳转，每一笔的长度不保证递减。 |
| 显式预算 + 残差分配 | 小预算重算完整过程；给后期细节保留额度。 | 1000是交互负担与精细度的项目选择，不是文献证明的最佳笔数。 |
| 顺序内重新拟色 | 使新的覆盖关系参与颜色计算。 | 只能接受当下有益的笔触，无法先画一笔短期无益但长期有价值的铺垫。 |
| Worker + 固定随机种子 | 规划可取消、重试；同输入参数可重复生成。 | 耗时依设备和图像而变；并非深度学习推理，不能理解人物、船只等语义。 |
| 笔触带遍次信息与版本 | 加载进度、提示卡和新研究材料对应真实序列。 | 历史研究序列保持冻结，使用新算法需要新材料审核，不能直接混成同版本比较。 |
分解算法决定“下一笔在哪里、什么颜色”；六种大师风格决定自由绘画时“用户这一笔怎样渲染”。两条管线独立，切换风格不会把1000笔计划变成画家的真实作品。真实动笔、自动帮助、主观满意度也必须分别记录。
点击运行，查看当前算法如何逐笔重建这张示例图。
此处使用研究画板的不透明笔刷与真实规划 Worker；展示算法重建结果，未生成参与者记录。上限 1000 笔，实际接受的笔数可能更少。
06 / STARTRACE
技术从哪里来，项目实现了什么。
将论文中的启发与本项目的实际实现分别说明，便于理解算法演进与论文写作时的归因。
文献给出方法方向，项目实现需要单独说明
以下列出原始论文、可访问原文与项目关系。当前核心是“有顺序约束的显式笔触贪心优化”，无需预训练权重。下面的神经绘画论文用于方法比较与启发，不能据此把本项目称为其模型复现。
Painterly Rendering with Curved Brush Strokes of Multiple Sizes
Aaron Hertzmann
原方法
以不同大小的曲线笔刷分层绘制。每层使用相应尺度的模糊参考图，在误差显著处放笔；曲线沿梯度的垂直方向延伸。同层笔触随机排列，以减弱机械规律。第 3 节把笔宽、曲率、透明度与颜色扰动组织为可调风格参数。
项目采用或借鉴了什么
早期曲线实现借鉴分层、模糊、误差定位与梯度方向。方案 A 保留由粗到细的思想，改用固定预算、胶囊笔刷和逐行扫描；六种自由笔刷借鉴参数化表达的思路。
没有实现的部分
论文没有给出本项目六位画家的参数表。当前算法不使用其完整曲线生成流程，五遍比例与扫描规则也是本项目的设定。
Learning to Paint With Model-Based Deep Reinforcement Learning
Zhewei Huang, Wen Heng, Shuchang Zhou
原方法
神经渲染器参与基于模型的强化学习，策略输出笔触位置、形状、颜色与透明度，考虑连续绘制的长期收益。训练不要求人类画家的逐笔轨迹。
项目采用或借鉴了什么
提供“把图像重建看成连续笔触决策”的参照。本项目同样保存可回放的笔触序列，但每一步使用显式误差搜索。
没有实现的部分
没有运行这篇论文的策略网络或神经渲染器；当前贪心搜索只接受当步误差改善，不具备学习到的长期规划能力。
Stylized Neural Painting
Zhengxia Zou, Tianyang Shi, Shuang Qiu, Yi Yuan, Zhenwei Shi
原方法
用神经渲染器近似绘制过程，通过优化笔触参数逼近目标；分离形状与着色，并用最优传输相关方法处理参数优化中的零梯度问题。
项目采用或借鉴了什么
“参数 → 渲染 → 图像误差 → 改善参数”的反馈结构是本项目的研究参照。项目用解析颜色拟合，加上随机候选和局部搜索，换取浏览器端可执行的实现。
没有实现的部分
当前没有反向传播、神经渲染器或最优传输损失。最小二乘拟色由当前混合模型推导，不能当作该论文算法的直接移植。
Stroke-based Neural Painting and Stylization with Dynamically Predicted Painting Region
Teng Hu, Ran Yi, Haokun Zhu, Liang Liu, Jinlong Peng, Yabiao Wang, Chengjie Wang, Lizhuang Ma
原方法
先预测画在哪里，再预测画什么：compositor 决定区域，painter 决定笔触。论文讨论独立均匀分块导致的接缝，并通过动态区域规划处理。
项目采用或借鉴了什么
帮助区分“区域顺序”与“区域内笔触”。方案 A 使用可解释的固定扫描顺序；整条笔触在共享画布上拟合，允许覆盖网格边界。
没有实现的部分
没有部署动态区域网络或语义识别；允许跨边界只减少硬裁剪问题，不保证消除全部区域痕迹，也不等价于论文方法。
论文中如何准确描述项目贡献
可表述为：面向零基础绘画引导，将多尺度笔触表达与预算误差优化结合，加入固定五遍、逐行区域顺序、顺序内颜色重估与阶段提示，并把序列用于可记录的对比实验。
五档宽度、预算比例、网格密度和六种风格预设均属于工程设计。当前证据是代码与单图试验；有效性需要更多材料与真人数据。六种风格的艺术史资料、参数映射与局限见上一章节，馆藏解读与同行评审算法论文分开列示。
文献与馆藏资料核对日期：2026-09-16。图示由项目绘制；阶段图来自本项目真实规划器，不以论文图片冒充运行结果。
用户测试
原有测试与研究工作台继续保留。
研究码、知情同意、两轮绘画、IMI 与 SUS 问卷、评分和报告仍在原有研究流程中。该流程当前比较普通绘画与笔触引导，共创条件尚未接入。
历史研究流程与测量说明
以下保留原项目的笔触引导研究说明与研究工具背景，属于历史版本。当前 AI 共创没有沿用这些实验条件或效果结论；新的研究方案需要另行设计。
07 / STARTRACE
同一个人，两种绘画方式。
核心问题：笔触引导是否有助于零基础用户更愿意画、减少开始与停顿的负担、提高完成度，并增加满足感？
自主决定画在哪里、画什么
看到相同的参考图，用共同画布的画笔、橡皮擦、撤销重做与图层完成作品。没有笔触路径提示。
两条件均关闭自动代画和理想笔迹替换，每轮最多 12 分钟。
交互示意，用于解释条件差异，不是实验测量结果。
顺序 AB
看图绘画 A → 休息 → 笔触引导 B
先独立尝试，再使用引导。
顺序 BA
笔触引导 B → 休息 → 看图绘画 A
先体验引导，再独立尝试。
程序以随机区组分配 AB / BA，研究者不逐人指定顺序。顺序平衡有助于检查练习和疲劳影响，但同图重复仍可能存在学习迁移，解释结果时需要保留这一限制。
- 01
进入与同意
研究者预设批次，输入唯一研究码，完成成年与零基础筛选、行为记录和作品保存同意。
- 02
统一练习
先熟悉共同画布，练习约 90 秒；练习不作为正式两轮结果。
- 03
第一轮任务
2 项前测 → 最多 12 分钟绘画 → 4 项后测，保存真实画布。
- 04
休息与第二轮
至少休息 2 分钟，切换另一条件，使用同一参考图与相同限时。
- 05
完成与访谈
直接查看作品与过程对比；3个问题由研究者口头询问并录入，两位评分者后续独立评分。
全程通常约 40 分钟。参与者可提前结束或撤回。预试容量 6 人；正式阶段目标为 24 对有效配对，最多 30 人。正式发布前仍需完成真实预试、材料复核与阻断问题处理。
08 / STARTRACE
记录过程，也认真定义“完成”。
两种条件使用相同的计时与事件口径。用主观问卷、行为数据和独立评分互相补充，不从单个进度条推断效果。
| 想了解什么 | 程序如何记录 | 解释时的边界 |
|---|---|---|
| 是否愿意继续画 | 每轮前后意愿与担忧，后测再记录满足和信心；1–7 分，可拒答。 | 主观自报，拒答保存为空值，不填零。 |
| 开始与任务用时 | 任务开始、首次落笔、结束时间和超时状态。 | 用时更短可能是提前放弃；需结合完成度，不能单独当作速度提升。 |
| 停顿与操作负担 | 超过 5 秒的停留、暂停、页面隐藏、撤销、有效落笔与取消。 | 停留不等于“不想画”，也可能是在看图或思考。 |
| 作品完成度 | 10 项评分，每项 0 / 1 / 2，两位评分者独立评分后汇总。 | 评分清单需适配材料；指导推进不等于作品完成。 |
| 达标提交时间 | 完成度达到 80 分且关键项满足时，结合提交时间计算。 | 未达标或不符合提交条件时为空，不能当作零秒。 |
| 引导怎样被使用 | 推进、跳过、返回与匹配等事件单独记录。 | 仅 B 条件有引导，不将这一指标直接与 A 做同义比较。 |
查看程序中的 4 项简短问卷
- 如果接下来有空闲时间，我愿意再画一张图。
- 想到再画一张图，我担心自己画不好。
- 我对刚才这次绘画体验感到满足。
- 我觉得自己能够完成类似的绘画任务。
- 我觉得刚才完成的作品是由我亲手创作出来的。
- 做这项绘画任务时，我一直在想自己有多喜欢它。
- 做这项绘画任务时，我一点也不紧张。
- 我觉得做这项绘画任务是我自己的选择。
- 我认为自己很擅长这项绘画任务。
- 我觉得这项绘画任务非常有趣。
- 做这项绘画任务时，我感到很紧张。
- 与其他绘画初学者相比，我觉得自己完成得不错。
- 完成这项绘画任务的过程很有趣。
- 做这项绘画任务时，我感到很放松。
- 我非常喜欢做这项绘画任务。
- 我对是否做这项绘画任务没有什么选择。
- 我对自己在这项绘画任务中的表现感到满意。
- 做这项绘画任务时，我感到焦虑。
- 我认为这项绘画任务非常无聊。
- 做任务时，我觉得自己正在做想做的事。
- 我觉得自己已经能够熟练应对这项绘画任务。
- 我认为这项绘画任务很有吸引力。
- 做这项绘画任务时，我感到有压力。
- 我觉得自己必须完成这项绘画任务。
- 我认为这次绘画体验非常愉快。
- 我做这项绘画任务是因为别无选择。
- 完成一段时间后，我觉得自己有能力继续画下去。
- 我愿意经常使用这种绘画方式。
- 我觉得这种绘画方式没必要这么复杂。
- 我觉得这种绘画方式容易使用。
- 我需要技术人员帮助才能使用这种绘画方式。
- 这种绘画方式中的不同功能整合得很好。
- 我觉得这种绘画方式有太多不一致之处。
- 我认为大多数人能很快学会使用这种绘画方式。
- 我觉得这种绘画方式使用起来很笨拙。
- 使用这种绘画方式时，我感到很自信。
- 在使用这种绘画方式前，我需要先学习很多东西。
每轮前测使用前两题；后测包含全部四题。访谈补充“哪种方式更容易开始”“最想停下的时刻”和“哪幅更像自己画的”。
个人报告
并排展示 A / B 的真实作品、用时、停留、评分与问卷。显示缺轮、排除、技术故障等状态，支持追溯原始尝试。
配对汇总
完成度与意愿采用预设双侧精确符号检验，并对两项检验进行 Holm 校正；均值差等用于描述。预试复盘展示中位数、有效样本数、超时和顺序分布，不能代替正式效果验证。
09 / STARTRACE
研究者能看到每一份测试。
研究码是一份两轮测试的名称。工作台汇总所有批次中的已有记录，包括尚未开始绘画、未完成、已完成和已撤回的记录。
- 01
准备材料
生成并检查参考图、完整笔触计划、10 项评分规则与关键项。
- 02
审核发布
审核后开放批次；有人入组后，材料和协议不能原地改写。
- 03
查看测试
按研究码查看配对作品与状态，管理质量标记、评分和纳入原因。
- 04
预试复盘
核对六人完成与双人评分、设备负担、问题处理及材料哈希绑定的复核。
- 05
导出交接
输出个人 JSON、汇总 JSON / CSV、可视化报告与材料协议交接包。
研究码如何工作
参与者自定义 1–64 个文字、数字、下划线或短横线。规范全半角、去首尾空白并忽略大小写判重；重复就提示更换。一个码关联同一参与者的两轮记录，旧记录保留原匿名编号。
评分与技术重测
两位评分者使用独立入口，查看打乱顺序的匿名作品，不显示实验条件。评分修改保留修订原因；技术故障重测关联原尝试，原记录不会被覆盖成“成功结果”。
版本交接包保存什么？
共同材料、完整笔触计划、问卷、访谈、评分规则和协议参数。包内区分草稿、已发布预试与正式配置，记录实际材料算法版本和哈希。导出交接包不会自动发布研究，也不包含参与者作品与口令。
10 / STARTRACE
每份结果，都有来处。
研究记录保存在服务端，实际画作与操作摘要分开管理。软件提供可靠的流程，研究结论仍来自真实参与者。
测量与保存
行为事件按序号增量保存，去重重放；绘画期间定期保存检查点，结束时保存真实 PNG 和哈希。研究操作摘要不包含完整触点轨迹。
离线与恢复
浏览器本地缓存未上传内容，网络恢复后补传；提供保存失败重试。活动页面保护降低多标签误操作风险，技术故障保留原尝试和恢复记录。
导出与备份
每轮文件按“研究码-时间-条件.json”命名，保留配对文件与汇总清单。服务端备份涵盖数据库、作品、原始记录和交接包，支持完整性校验。
同意、撤回与保存期限
研究参与需明确同意行为摘要与作品保存；界面说明默认保留 365 天，实际清理由研究者落实。参与者可凭当前浏览器研究凭证申请撤回；后台清理在线记录和报告，已有离线副本由研究者处理。体验中的可选云端功能与本地绘画具有不同的数据流。
本文对应当前软件功能。算法示例与条件示意都不是用户实验结果；没有在介绍页填入模拟的效果提升百分比。