馬賽克把畫面裡的某個區域切成格子，再把每一格裡的所有像素換成單一一個值 —— 通常是那一格原本涵蓋像素的平均值。很多個值進去，一個值出來。整個運算就只有這樣，而這也正是它無法被還原的原因。
從這個層次去理解它，一次就能回答一堆周邊問題：為什麼方塊大小是唯一有意義的變數、為什麼審查是烙進檔案裡而不是由你正在看的站台加上去的，以及為什麼「AI 去馬賽克」是範疇錯誤，而不是一道很難的題目。
馬賽克實際上對像素做了什麼？
它做的是分塊平均：把目標區域切成一格格的單元，用每一格裡的像素算出一個顏色，再把整格塗成那個顏色。
拿一般影片畫面裡一個 16×16 的單元來說。運算之前，它裝著 256 個像素，每個都有自己的顏色 —— 256 個各自獨立的值，描述著邊緣、紋理與明暗。運算之後，它裝著一個值，重複 256 次。那 255 個用來描述細節的自由度，已經從檔案裡消失了。它們沒有被搬走、藏起來或加密。它們被平均掉了。
這就是數學上說的多對一映射。數量龐大的不同來源方塊會產生完全相同的平均值，所以只給你平均值，沒有任何辦法判斷是哪一個來源產生了它。這不是實作上的弱點；這是這個運算的定義性質，也正是這個技術被選中的原因。
為什麼方塊大小是唯一真正的變數？
因為馬賽克的其他一切都被方法本身定死了。唯一會改變「有多少資訊能倖存」的選擇，就是每一格有多大。
格子越大，被平均在一起的像素越多，摧毀得也越多。格子越小，保留的結構越多 —— 小到某個程度，形狀就還是看得出來，而那正是審查標準存在要防止的事。所以標準管的就是粗細；日本的審查團體把馬賽克密度列在他們的審查基準之中。
至於他們怎麼表述這項要求，並不公開。這些團體不會公布自己的表現規則 —— 三家之中唯一還有公開網站在運作的 OCCN 表示，這些規則只對會員揭露 —— 所以粗細究竟是定義成畫面尺寸的某個比例、還是絕對像素數，以及那個數值是多少，都沒有可引用的來源。你在外面看到的任何具體數字，都請當成沒有出處。無論如何值得知道的是：一個固定的像素尺寸，在 SD 與在 4K 底下代表的意思完全不同，所以這兩種表述並不能互換。
來源：OCCN（occn.or.jp）的審查與理念頁；JCRC（jcrc.or.jp）網站結構；查證日期 2026-08-03。
| 處理方式 | 它做了什麼 | 什麼東西倖存 | 可還原嗎？ |
|---|---|---|---|
| 馬賽克／像素化 | 把每一格平均成一個值 | 低頻的顏色與大略的位置 | 不行 —— 輸入被塌縮掉了 |
| 高斯模糊 | 在移動視窗上做加權平均 | 比馬賽克保留更多低頻結構 | 不行，雖然它破壞得少一些 |
| 實心色條或色塊 | 用一個常數覆寫整個區域 | 關於該區域的任何東西都不剩 | 不行 |
| 裁切或重新取景 | 把該區域從畫面裡移除 | 什麼都不剩 | 不行 |
| 播放器上的疊層 | 播放時畫在最上層 | 全部 —— 檔案本身完好無缺 | 可以，而且輕而易舉 |
只有最後一列是真正的資安問題，而那正是這個產業不採用的唯一一種做法。
馬賽克是在製作流程的哪個階段加上去的？
在後製階段，加在母帶上，在作品送審之前 —— 不是在播放時、不是由平台、也不是由那個做出串流版本的編碼器加的。
這個順序是刻意安排的，也就是整套設計的重點。因為審查加在所有環節的上游，所以下游每一個產物都繼承了它：送審用的拷貝、零售檔案、串流位元率階梯上的每一階、觀眾截下的每一張圖。這條鏈上沒有任何一個點存在著未審查的版本，讓人可以靠攔截串流或索取另一個畫質層拿到。
這也意味著託管某部作品的平台，從來就沒有握有未經審查的畫面。跟串流站要一份無碼版本，是在跟它要一個從來沒被送到它手上的東西。
為什麼原本的細節救不回來？
因為檔案裡已經沒有它了。要還原，就得去反轉一個沒有反函數的運算。
拿它跟那些真的可逆的東西比一比。壓縮過的檔案能解壓縮，是因為壓縮存下了一份重建的配方。加密過的檔案能解密，是因為內容完好地存在於一個帶金鑰的變換之下。馬賽克兩者皆無：沒有配方、沒有金鑰、也沒有一份被變換過的資料副本。原本是紋理的地方，現在只有一個數字。
實際的檢驗方法很簡單。你拿一千個平均起來都是同一個灰的不同來源方塊，全部打上馬賽克，再把結果交給某個人 —— 那些是一模一樣的檔案。不管手法多高明，沒有任何流程能告訴你它一開始是哪一個 —— 因為區分它們的資訊根本不在輸入裡。
AI 的「修復」實際上產生了什麼？
看起來合理的杜撰。一個用無碼影像訓練出來的生成式模型，可以產生一塊與周圍像素、也與方塊平均值都吻合的補丁，而且看起來很有說服力。它做不到的是「正確」，因為正確與否根本不由檔案裡的任何東西決定。
真正要緊的區別，是重建與幻覺之間的差別：
- 重建是從輸入裡確實存在的資訊推導出輸出。答案可以拿去對照原始素材驗證。
- 幻覺是產生一個符合輸入所給限制的輸出。許多不同的輸出都同樣完美地滿足同樣的限制，而沒有任何東西能區分它們。
去馬賽克永遠只可能是後者。模型不是在揭開原本存在的東西；它是在畫一個「平均起來會得到同樣方塊」的東西。把那個輸出當成原始畫面呈現，是一個這套流程撐不起來的事實宣稱 —— 這跟任何法律或倫理問題是分開的另一件事。
這和貫穿 AI 生成內容整體的可信度問題是同一個：一個永遠都會給出自信輸出的系統，它給出輸出這件事本身並不告訴你任何資訊。
馬賽克和影片壓縮之間怎麼互動？
互動得很好，這常出乎意料。馬賽克區域編起來很便宜。
影片編碼器的位元花在高頻細節，以及畫面之間的變化上。馬賽克區域這兩者都反過來：大片顏色恆定的平坦區塊，邊緣還落在規則的格線上。以區塊為基礎的編碼器表示這種東西效率很高。被審查的區域通常比它取代掉的細節畫面吃更少的位元，於是畫面其餘部分能分到更多預算。
一個看得見的副作用是：即使在周圍影像已經糊掉的低位元率下，馬賽克的邊緣仍然銳利。這些方塊不是壓縮瑕疵，儘管常被誤認為壓縮瑕疵 —— 真正的壓縮瑕疵會隨著動態與位元率變動，馬賽克的格子則牢牢鎖在它覆蓋的區域上。
馬賽克會妨礙從一格畫面認出女優嗎？
不會，因為馬賽克從來不會蓋住臉。以臉為基礎的比對，每一步用的都是審查沒碰過的像素。
偵測找出臉部區域與它的特徵點，對齊用那些特徵點把姿勢標準化，編碼器再把對齊後的裁切轉成一個向量 —— 我們這裡是 512 個數字。這整套機制沒有一個環節看向被審查的區域附近。對臉部編碼器來說，一部審查得很重的作品和一部無碼作品同樣清晰可讀。
真正限制辨識的，是一開始索引了哪些來源。我們的索引涵蓋 106 個站台上的 241,792 張臉，但 2,333 位具名女優裡有 2,246 位，代表圖來自同一個站台（我們的索引，2026-08 快照）—— 這種來源集中對結果的限制，遠比任何審查標準都大。