模块化工作流的艺术：打造用户依赖的高效系统

艾瑞咨询《2022 年中国影像数字化行业研究报告》显示，2022年中国影像数字化市场空间为125亿元，其中医美美妆和内容设计在数字化市场空间的占比约为50亿元。 C 端应用繁荣，B 端应用尚处于探索期，预计 2025 年市场规模达 160 亿元。

在商业摄影场景下，数字化产品比如像素蛋糕能够帮B端用户进行智能处理，提升出图效率和质量。影像产品的价值围绕这三个方面：效率提高、创意迸发、数据赋能。

一、影像图片编辑产品有哪些优化方向？

影像处理类应用「导入到编辑流程」流程遇到的问题

• 选片过程可能会因为摄影师或客户的主观偏好而变得复杂和耗时。
• 修图工作繁琐（比如坐在凳子上的腿识别不精准，需要手动进行拉伸背景和腿。或者是背景有车有人的照片进行区穿帮。或者想要去掉部分人物），特别是对于大量照片的处理。
• 多任务并行时工作流程重复

二、什么人？在什么场景？做什么事？

1. 用户操作流程用户的后期流程往往是先快速筛选照片，再通过电脑修图工具进行基础调色和修图处理。不同场景下（如旅拍、婚礼、会议等），用户对快速交付的需求较大，因此他们常常希望在像素蛋糕批量编辑缩短修图时间，并提升工作效率。

以下是用户旅程地图，切入点是图片导入到编辑这个流程。

2. 相近领域同类型的产品「文件管理页」痛点

• Capture One：功能过多的问题，往往让摄影师在筛图时面临一定的学习成本。
• Lightroom：浏览体验顺畅，但在浏览大量图片时效率低，用户体验不佳。
• Aftershoot：效率提高同时容易误删摄影师“设计”的图片，筛选标准过于机械化，缺乏对审美和设计意图的理解。

三、为什么会存在差异？

核心定位不同

像素蛋糕：

• 定位：用户群体倾向于那些对图像处理需求量大且需要快速出图的摄影师，如活动、婚礼、旅拍等。这类用户主要需求是效率和便捷性，希望快速处理大量图片，且不需要花费太多时间学习或调整复杂的设置。
• 影响：自定义程度有限，处理复杂场景的能力不足。

Capture One：

• 定位：专为专业摄影师设计，强调高精度的色彩控制、文件管理和后期处理功能。
• 影响：具有丰富的功能和深度控制选项，但同时也增加了界面的复杂性和学习曲线。它服务的是那些需要更复杂编辑流程的摄影师，他们愿意为更精细的图像控制功能付出时间和精力。

Lightroom：

• 定位：面向更广泛的用户群体，包括业余摄影师和专业摄影师，主打轻量化的编辑工具。
• 影响：用户体验更为顺畅，它更关注效率和易用性，而不是复杂的后期处理功能。

Aftershoot：

• 定位：专注于AI自动筛图，以解决摄影师需要手动筛选大量图像的痛点，尤其是在拍摄婚礼、活动等场景。
• 影响：最大化AI的自动化筛选能力，减少了用户的手动控制，导致其可能在理解图片设计意图方面不够灵活，容易产生误删问题。

四、服务于产品定位目标下，如何优化？

1. 行业趋势随着 AI 技术的迅速发展，影像处理工具正在进入一个全新的时代。

Adobe 作为该领域的领先者，已经通过集成生成式 AI 大幅提升了 Photoshop、Lightroom 等产品的使用效率和市场覆盖。根据 Adobe 2024 财年第二季度财报，数字媒体业务收入达到了 39.08 亿美元，同比增长 11.3%。

AI 功能，如 Firefly 的引入，显著降低了软件使用门槛，根据Everypixel Journal统计，上线六周内生成超过 1 亿图片，充分证明了 AI 技术对创意工具市场的深远影响。

2. 差异点填补了中端市场的空白：

• 相比LR和C1等专业工具，像素蛋糕在功能覆盖范围上较为有限。但是像素蛋糕定位于智能化、低门槛、高效率的批量处理工具，它的出现填补了当前市场上中端用户的需求空白，是特别突出的创新点作为区分。
• Ps、LR/C1已被广泛认可为专业摄影和设计领域的标杆，Ps功能融入蛋糕这一策略是否足够带来规模的用户习惯迁移还是一个问号。用户价值=新体验-旧体验-切换成本

3. 优化方向效率提高+数据赋能，避免无谓的反复操作

通过AI技术，帮助用户自动筛选出最符合需求的照片，提升工作流的效率。例如，在用户上传大量照片后，系统可以自动根据常见美学标准进行初筛，推荐最优照片。或类似Aftershoot的个性化学习功能，逐渐了解用户的修图风格，从而提供更精准的AI修图建议。

4. 解决方案引入LoRA可以根据摄影师的美学偏好筛选出符合“设计意图”的图片，减少误删风险。

LoRA概念： 是一种微调技术，能够在不大幅修改原始模型的情况下通过少量数据进行微调，训练效率高。这对摄影师审美的定制化要求非常适用。

5. 需求概述商业价值画布：

6. 发散性思维提出疑问：是否可以做可拖拽模块的图像编辑工作流？

技术架构：

• 模块化设计：每个图像编辑功能（调色、瘦脸和祛痘等）可以被抽象成一个独立的“模块”。这些模块可以作为可拖拽的节点，用户可以通过拖拽连接这些节点，构建出自己的工作流。
• 节点间的输入输出逻辑：每个模块的输出（如调色后的图像数据）可以作为下一个模块的输入。实现这些模块之间的串联，需要处理图像数据流的传递。类似于AI模型中的“管道”设计，图像编辑模块也可以通过数据流的方式互相传递处理结果。
• 并行处理与回溯：通过设计支持并行的工作流，用户可以在不影响其他模块的情况下调整某一模块的参数。例如，用户可以同时对不同模块（如调色和人像精修）进行独立的调整，而不必回到原始步骤重新处理。
• 可视化界面设计：类似ComfyUI的界面，图像处理工作流中的每个节点都可以通过可视化界面展示。通过拖拽节点，用户能直观地看到图像处理的流程和结果。
• 模块化扩展：可以为不同类型的图像处理（调色、人像编辑、细节编辑）设计特定的模块，这些模块可以根据用户需求动态扩展。用户可以下载或安装新的模块，丰富他们的工作流。

实现难点：

• 实时处理和反馈：用户拖拽模块后，系统需要实时提供编辑结果，特别是对高分辨率图像进行处理时，如何保证实时性和流畅性是一个技术挑战。
• 复杂逻辑处理：在不同模块的串联中，需要考虑某些模块只能在特定条件下生效。例如，祛痘和微笑调整不能直接作用于背景层，需要确保逻辑顺序和作用对象的正确性。

本文来源 @Timjune。未经许可，禁止转载。