Vision Banana通过提示词将2D语义分割“翻译”为画图指令，输出RGB可视化图并用预设颜色标记目标，再经像素聚类还原掩码；提供单类别、多类别及带空间约束三类模板，强调颜色精准、描述无歧义与背景统一。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
Vision Banana 做 2D 语义分割，不靠专用头、不改模型权重，只靠提示词把任务“翻译”成画图指令。核心是让模型输出一张 RGB 可视化图，其中目标类别用预设颜色标记，后续通过像素聚类就能还原掩码。以下模板已适配其指令微调逻辑，复制即用，关键在颜色值精准、描述无歧义。
基础单类别分割模板
“请以纯色 （亮黄色）精确填充图像中所有滑板区域，其余部分保持黑色。不要添加阴影、渐变或任何修饰，仅输出一张 RGB 图像。”
- 替换 “滑板” 为你要分割的具体物体或类别（如“椅子”“电线杆”“手术口罩”）
- 替换 <255, 255, 0> 为其他明确 RGB 值（如人用 <255, 0, 0>，车用 <0, 0, 255>），确保各颜色不重叠、易聚类
- 必须写明 “其余部分保持黑色” 或指定背景色，避免模型自由发挥干扰掩码提取
多类别并行分割模板
“请按以下颜色规则生成一张分割可视化图：行人→<255, 0, 0>，自行车→<0, 255, 0>，交通灯→<0, 0, 255>，其余区域→<0, 0, 0>。严格只输出 RGB 图像，不加边框、文字或标注。”
Google Veo 3.1
下载
Veo 3.1增强了音频生成能力、提示词理解能力和角色一致性控制。支持多参考图生成、场景扩展（Scene Extension）、更长视频制作以及更精准的镜头控制，同时提升了画面真实感和叙事能力。是当前 Google 主推的旗舰视频生成模型。
- 类别数建议 ≤5，避免颜色混淆；每个类别后紧跟 → 和标准 RGB 元组
- 统一指定背景色（推荐 <0, 0, 0>），防止模型默认填充无关色块
- 加上 “严格只输出 RGB 图像” 能抑制模型生成带文字说明的“伪分割图”
带空间约束的精细分割模板
“请用 <255, 165, 0>（橙色）分割出图中所有完整可见的咖啡杯把手，要求只覆盖把手本体，不延伸至杯身或底座。遮挡部分不填充。背景为纯黑。”
- 加入 “完整可见”“不延伸至”“遮挡部分不填充” 等短语，引导模型理解部件级边界
- 用生活化颜色名（如“橙色”）+ RGB 值双重锚定，兼顾可读性与解码可靠性
- 对工业或医学图像，可补充物理描述：“仅分割钛合金外壳表面，不包含内部电路纹理”
后处理小贴士（非提示词，但必须做）
生成图后，用 OpenCV 或 PIL 对像素做 K-means 聚类（K=2 或 K=类别数+1），取最接近你指定 RGB 值的簇作为目标掩码。无需训练、不调参，3 行代码即可完成二值化转换。
