我正在制作一款生成式塔防游戏，其中我会生成敌人艺术、塔的艺术以及敌人行进的背景图像。我要讨论的问题专门涉及背景生成。

思路相当简单：在我的自定义编辑器中，我放置瓦片来创建敌人将要沿着行进的道路路径。编辑器会生成一个掩码，用来告诉图像生成模型道路必须绘制的位置。道路之外的所有区域，模型应以《王国保卫战》风格的美学生成其余世界。最终的背景图像会插入游戏中，敌人会沿着掩码定义的轨迹移动，从而产生它们实际上在画好的道路上行进的幻觉。

对我来说，OpenAI 的 GPT-Image-1.5 目前是实现“哇，这看起来真棒”效果的最有前景的模型。但我注意到一个主要问题：它对道路掩码的遵循非常差。它可能会复现形状，但放在错误的位置，或者有时会生成完全随机的道路，虽然整体图像仍然很美。这种行为会破坏游戏逻辑，因为敌人的路径不再匹配生成的地形。

为了解决这个问题，我开始将背景分多个阶段生成。首先，我使用 GPT-Image-1.5 生成没有装饰的生物群系。然后，我使用 Grok Imagine 单独生成道路，因为它对掩码约束的遵循要严格得多。最后，为了避免环境看起来过于平坦，我把合成后的图像作为参考图像再次发送给 GPT-Image-1.5，让它在不修改道路本身的前提下添加环境装饰。

有没有人可以提供一些思路，告诉我可以做哪些改动，或者如何更好地实现《王国保卫战》视觉风格？

https://preview.redd.it/xzwjcr9tq31h1.png?width=1920&format=png&auto=webp&s=e0c83e9da32e8fe8e636b41aa121560ade5c138c