批量生成图片后，选图最怕标准不一致：一个人觉得风格偏了，另一个人觉得主体不完整，图片本身没变，结论却对不上。SeFi-Image 批量出图后，先把评估维度固定下来，再让同一批图走同一套打分和筛选流程。这套流程不改变出图效果，只决定哪些图可用，并为下一轮提示词修订提供依据。

批量图的筛选应以语义一致性为第一否决项，先排除内容错图，再用清晰度、风格匹配、主体完整度打分定级。用统一评分表记录每张图，辅以哈希查重减少重复评审；示例阈值为总分≥4且语义一致性≥4，小批次全检、大批次先抽检再扩大。低分图反推提示词失效关键词并记录修订，但评分标准是内部口径，不能替代对画面的最终事实审核。

确定四个评估维度和打分规则

评分前先统一口径。同一个“不够好”，有人指清晰度，有人指内容错位，口头层面很难收敛。把评估拆成四个固定维度：语义一致性、清晰度、风格匹配、主体完整度。每项按 1-5 分打分，评估顺序固定：先看语义一致性，内容不对直接淘汰，后面三项不用再评。

语义一致性（第一否决项）

图片内容是否还原提示词描述。1-2 分：主体、行为或场景跟提示词对不上；3 分：主要内容吻合，但有多出或缺失元素；4-5 分：对应准确，细节小出入可接受。

清晰度

1-2 分：整体模糊，边缘或文字不可辨；3 分：主体清晰，背景有噪点或压缩痕迹；4-5 分：细节干净，无可见模糊。

风格匹配

1-2 分：风格方向相反；3 分：方向对，但用色、线条偏差明显；4-5 分：整体协调，符合参考方向。

主体完整度

1-2 分：主体被截断或关键部件缺失；3 分：基本完整，有遮挡或边缘裁切；4-5 分：主体完整，边缘干净。

用评分表记录每一张的结果

评分表固定字段，避免口头记结论。每批图建一张表，一张图一行，字段如下。

备注栏写低分图的具体偏差，后面回写提示词模板要用。评分人署名是必须的；同一张图多人评分不一致时，可以回头核对分歧出在哪个维度。

先用重复度工具排除近似图

同一批图里常有重复或近似构图。先做文件级去重，再做感知哈希近似检测，能明显减少评审工作量。

• 文件哈希：完全相同的文件哈希值一致，可直接排除。
• 感知哈希：计算图片指纹后用汉明距离判断近似，适合过滤构图相近的不同图。

以下用伪代码演示判断思路。

# 文件级完全去重
sha256sum output/*.png | sort | awk 'seen[$1]++ {print $2}' > duplicate_files.txt

# 感知哈希近似检测（Python 示例）
import imagehash
from PIL import Image

hashes = []
for img_file in image_list:
    h = imagehash.phash(Image.open(img_file))
    hashes.append((img_file, h))

for i in range(len(hashes)):
    for j in range(i + 1, len(hashes)):
        distance = hashes[i][1] - hashes[j][1]
        if distance <= 10:
            print(hashes[i][0], "近似于", hashes[j][0])

汉明距离阈值取 10 只是示例，需要结合实际图片规模调整。查重只减少重复评审，不能代替四维评分；去重后剩下的图仍要逐张评估。

设定通过阈值和抽检比例

评分之后要把数字变成动作。示例阈值：总分≥4，且语义一致性≥4，才进入可用候选。语义一致性是硬门槛，内容错了，画面再干净也要降级处理。

抽检按批量规模来：一次生成几十张时建议全检；几百张时先抽 20% 或至少 30 张，看四个维度分数是否稳定，再决定继续抽还是全检。这个比例是操作起点，不是验收标准，需要结合生成质量和业务要求调整。

把评分结果回写到提示词模板

低分图不能只丢进回收站。建议把失分原因反推到提示词模板里，找出失效关键词——即提示词写了、但生成结果没有反映出来的词。

• 语义一致性低分：回到提示词对应片段，检查关键词是否被其他描述稀释。比如“holding a map”没生成地图，可把地图相关短语前置或拆成独立短句。
• 主体完整度低分：检查负向提示词是否缺少 cropped、out of frame 这类词，或两个主体描述存在占位冲突。

每一次修订都记录到模板修订表，方便回看改动来源：

评分标准由使用方维护，不能一次定死；每跑几轮，回头核对四维分值描述是否还贴合实际废图形态。