难忘图像生成器

基于科学验证的图像生成技术，以“可记忆性”为核心优化目标——而不仅限于美学表现。

大多数图像生成器在图像“看起来不错”时即停止。而本工具会持续迭代，直至生成的图像真正被人类大脑所记住。该工具依托 Google Gemini 进行图像生成，并采用芝加哥大学 Brain Bridge 实验室开发的 ResMem 模型进行可记忆性评分，不断优化直至图像达到经科学验证的可记忆性阈值。

前置条件

API 密钥：

• 设置环境变量 GEMINI_API_KEY，或
• 通过 CLI 参数 --api-key 传入，或
• 将密钥写入文件 ~/.config/gemini/api_key

Python 3.8+，并安装以下依赖包：

pip install resmem torch torchvision pillow requests

快速开始

python scripts/generate_memorable_image.py 
  --prompt "a lone astronaut standing on a red desert planet at dusk" 
  --output hero.png 
  --threshold 0.7 
  --verbose

工作原理

1. 生成 — 调用 Gemini REST API（模型为 gemini-2.0-flash-exp），传入用户提示词（prompt）生成图像
2. 评分 — 使用 ResMem 对生成图像进行可记忆性评分（取值范围：0–1）
3. 阈值判断 — 若评分 ≥ 设定阈值（默认为 0.7），则保存并返回该图像
4. 重新生成 — 若评分低于阈值且剩余尝试次数大于 0，则在原始 prompt 中追加构图增强提示词后再次生成
5. 最大尝试次数 — 达到默认上限 3 次后，无论是否达标，均保存当前最佳结果

每次失败尝试会在 prompt 末尾追加更强的构图引导语：

• 第 2 次尝试：", striking composition"
• 第 3 次尝试：", vivid colors, memorable focal point"

脚本使用方式

# 基础用法
python scripts/generate_memorable_image.py --prompt "your image description"

# 完整参数示例
python scripts/generate_memorable_image.py 
  --prompt "your image description" 
  --output path/to/output.png 
  --threshold 0.75 
  --max-attempts 3 
  --api-key YOUR_KEY 
  --verbose

# 启用详细评分输出
python scripts/generate_memorable_image.py 
  --prompt "a surreal clock melting over a desert canyon" 
  --verbose

CLI 参数说明：

提升图像可记忆性的提示词技巧

研究表明，以下构图要素在 ResMem 评分中持续表现优异：

• 人脸与眼睛 — 人像（尤其是直视镜头的双眼）具有天然的高可记忆性
• 非常规并置 — 物体在尺度、场景或组合关系上出人意料（例如：“一头鲸鱼漂浮于城市天际线之上”）
• 强视觉焦点 — 单一明确主体，置于对比鲜明的背景中
• 高对比度 — 主体与背景之间存在强烈的色彩/明暗分隔
• 情感共鸣 — 图像蕴含叙事线索或情绪张力
• 非常规光照 — 戏剧性阴影、黄金时刻光线、生物荧光、霓虹光效等
• 反常尺度 — 将通常被视为宏大的物体以微距呈现，或反之

易得低分的提示词类型包括：泛化风景、对称构图、中性色调、杂乱无焦点的场景。

可记忆性科学依据

ResMem — 芝加哥大学 Brain Bridge 实验室 © 2021 The University of Chicago。非商业用途许可。 https://github.com/Brain-Bridge-Lab/resmem

ResMem 是一个深度学习模型，专为预测图像可记忆性得分而训练——即人在短暂浏览后再次识别出该图像的可能性。得分范围为 0（瞬时遗忘）至 1（高度可记忆）。

许可证说明：ResMem 遵循非商业许可协议——允许在注明署名的前提下，出于非商业目的进行再分发。如需商用授权，请联系 wilma@uchicago.edu

本工具专为 Claude Code 构建。需配备 Gemini API 密钥及已安装 resmem 的本地 Python 环境。由于 ResMem 采用非商业许可协议，本功能仅限免费/非商业用途分发。