En fotografs fejl er lette at få øje på: uskarphed, overeksponering eller en skæv horisont. Men fejl i et AI-genereret billede skriger sjældent til himlen. Billedet står knivskarpt, lyset sidder i skabet, kompositionen er perfekt – men tøjet har pludselig en knap mindre end den reelle vare på lageret. Kvalitetskontrol af AI-modefotos er derfor en helt anden disciplin end at gennemgå et traditionelt photoshoot: Det handler mindre om, hvorvidt billedet er flot, og mere om, hvorvidt det er retvisende.
Denne side er din tjekliste. Den lover ingen faste succesrater og kårer ingen værktøjer som ufejlbarlige. Den lister simpelthen op, hvad du skal tjekke, i hvilken rækkefølge, og med klare krav for godkendelse og afvisning for hvert punkt. Selve metoden til at omsætte disse tjek til en samlet score finder du i vores guide: sådan måler du nøjagtigheden af AI-produktbilleder.
Hvordan laver man kvalitetskontrol på et AI-genereret modebillede?
Læg det genererede billede ved siden af dit oprindelige flat lay-billede i fuld størrelse, og gennemgå fem kategorier i rækkefølge: tøjet (identitet, detaljer, print, farve, metervare), kroppen (proportioner, hænder, ansigt i forhold til kollektionens faste model, hud), scenen (lysretning, skygger, baggrund, refleksioner), serien (sammenhæng med produktets øvrige vinkler og resten af kollektionen) og filen (opløsning, beskæring, format, filstørrelse til den enkelte salgskanal). Hvert punkt har et specifikt afvisningskriterium; et afvist billede regenereres altid ud fra kilden – tøjet må aldrig bare tones eller touches op manuelt. Ved store produktioner udtages stikprøver fra hvert batch, fejl kategoriseres, og mønstre rettes på tværs af hele serien.
Hvad er kvalitetskontrol inden for AI-modefotografering?
Kvalitetskontrol (QC) for AI-modefotografering er den systematiske gennemgang af hvert eneste genererede tøjbillede i forhold til kildebilledet og brandets visuelle standarder forud for publicering. Resultatet er enten godkendt, regenerer eller genskyd kildebilledet. Processen adskiller sig markant fra et traditionelt billedtjek: Hvor et photoshoot kontrolleres for teknisk kvalitet, tjekkes et AI-billede for nøjagtighed – om tøjet, kroppen og scenen reelt stemmer overens med virkeligheden. Den tekniske billedkvalitet fejler nemlig sjældent i generative værktøjer.
Den mest effektive rækkefølge for gennemgang
Find de dyreste fejl først, så et ubrugeligt billede bliver kasseret med det samme.
- Tøjets identitet og detaljer – sammenholdt med dit flat lay. Hvis tøjet har ændret sig, dumper billedet her, og du behøver ikke tjekke resten.
- Kroppen – proportioner, hænder, ansigt, hud. En forkert krop med det rette stykke tøj skal stadig afvises, men det koster langt færre ressourcer at regenerere.
- Scenen – lys, skygger, baggrund. Typisk her eventuelle farvestik opstår.
- Serien – billedet sammenlignet med produktets andre vinkler og kollektionens overordnede gitter/grid.
- Filen – det endelige eksportformat holdt op mod kanalens tekniske krav.
Tjekliste til kvalitetskontrol af AI-modefotografering
Tøjet
| Punkt | Godkendt | Afvist |
|---|---|---|
| Identitet | Nøjagtig samme stykke tøj som på dit flat lay: snit, paneler, syninger | Et lignende, men ikke identisk stykke tøj |
| Halsudskæring, søm, ærmer | Form og længde svarer præcist til originalen | Gjort dybere, kortere, længere eller ændret facon |
| Lukninger, lommer, hardware | Samme antal, placering og type | Tilføjet, forsvundet, flyttet eller symmetrisk udglattet |
| Print og mønster | Samme motiv, skala, rapport og forløb; læselig tekst | Forskudt, skaleret forkert, brudt, spejlvendt, ulæseligt |
| Farve | Kildebilledets reelle farve under scenens lysopsætning | Ændret nuance eller mætning; en farvevariant der afviger |
| Metervarens opførsel | Falder, draperer og opfører sig som det faktiske stof | Forkert fald; ribstruktur udglattet; ændret glans |
| Pasform | Som tiltænkt på modellen, ensartet på tværs af alle vinkler | Pasform der varierer mellem de enkelte billeder |
Kroppen
| Punkt | Godkendt | Afvist |
|---|---|---|
| Modellen | Kollektionens faste model: ansigt, kropstype, hudtone, hår | En helt anden person, eller samme person med uforklarlige ændringer |
| Proportioner | Naturlige leddelinger og realistiske lemmer | Forvredne arme/ben, anatomisk umulige vinkler |
| Hænder og fødder | Korrekt antal fingre; naturlig håndstilling | Ekstra eller manglende fingre; hænder der bevidst skjules |
| Ansigt | Naturligt udtryk, ensartet model på tværs af hele serien | 'Uncanny valley'-træk; ansigtet skifter karakter fra billede til billede |
| Hud og hår | Ensartet glød, tone og struktur for modellen | Farvestik på huden pga. scenelyset; hårlængde der svinger |
| Posering | Passer ind i brandets faste poseringsguide for tøjtypen | En stilling tøjet ikke tillader, eller som bryder med stilen |
Scenen
| Punkt | Godkendt | Afvist |
|---|---|---|
| Lysretning | Primært lys fra den fastlagte side; skygger falder logisk | Skygger der modstrider lyskilden, eller lys fra forkert side |
| Baggrund | Den specificerede baggrundsfarve/tone for billedtypen | Forkert tone på packshots; for urolig baggrund til markedspladskrav |
| Refleksioner og kontakt | Fødderne er solidt plantet; tøjet rører kroppen naturligt | Svævende model, dobbelte skygger eller refleksioner af intet |
| Rekvisitter | Ingen på primære packshots; on-brand på sekundære billeder | Rekvisitter med tekst, logoer eller konkurrerende produkter |
Serien
| Punkt | Godkendt | Afvist |
|---|---|---|
| For det enkelte produkt | Front, ryg, detaljer og modelbilleder viser præcis samme vare på samme model | Tøjet varierer mellem vinklerne; ryggen er blot en spejlvendt front |
| I hele kollektionen | Samme model, beskæring, lys og opløsning som nabobillederne i webshoppen | Billeder der stikker ud og bryder helhedsindtrykket |
| Farvevarianter | Hver farvevariant er verificeret mod en fysisk farveprøve | Kun vurderet direkte på en computerskærm |
Filen
| Punkt | Godkendt | Afvist |
|---|---|---|
| Opløsning | Masterfil i højeste opløsning; optimerede eksporter til hver kanal | En 2K-master hvor kanalen kræver højere opløsning |
| Beskæring og format | Kollektionens faste beskæring; kanalens billedformat afledt heraf | Tilfældig manuel beskæring pr. kanal |
| Filtype og størrelse | Overholder kravene for den enkelte salgskanal fuldt ud | Et format eller en filstørrelse som kanalen afviser |
| Metadata | Renset for interne arbejdsdata før publicering | Midlertidige URL'er eller prompts efterladt i filens metadata |
De specifikke krav for hver enkelt platform finder du i oversigten: krav til produktbilleder fordelt på markedspladser.
Tøjet, kroppen, scenen, serien, filen
Dette er den faste kontrolcyklus, tjeklisten bygger på, struktureret så du nemt kan navigere i processen:
- Tøjet – alt det, kunden vil sammenligne med den fysiske vare ved modtagelse.
- Kroppen – alt det, AI-værktøjet frit har kunnet generere; tjekkes for realisme og brand-match.
- Scenen – lys, skygger og baggrund; tjekkes for logik og sammenhæng.
- Serien – billedet holdt op mod produktets øvrige vinkler og kollektionens grid.
- Filen – den endelige fil holdt op mod kanalens tekniske krav.
Sådan laver du stikprøvekontrol på store produktioner
Ingen sidder og nærstuderer tusindvis af billeder punkt for punkt. På en større tøjkollektion gælder følgende metode:
- Udvælg en fast procentsats af hvert batch, jævnt fordelt over tøjkategorier og farver.
- Gennemgå stikprøven i bund med alle punkter fra tjeklisten.
- Registrer fejl efter type, ikke pr. enkeltbillede: f.eks. "kjoleoplægning forkortet ved hævet arm", "hænder skjult på buksebilleder".
- Generaliser – en fejltype fundet i stikprøven tjekkes proaktivt på alle billeder i batchet, hvor den potentielt kan optræde.
- Regenerer samlet efter fejltype – ret årsagen i din prompt/opsætning, og kør hele det berørte sæt igennem igen ud fra det gemte look.
Den fulde fremgangsmåde med stikprøvestørrelser og pointsystemer finder du i guiden sådan måler du nøjagtigheden af AI-produktbilleder.
Ét billede på fem minutter
Tag et modelbillede af en strikkjole, genereret i Photta's apparel studio. Læg det side om side med dit oprindelige flat lay i fuld skærm.
Tøjet: Bådudskæringen matcher flat lay-billedet perfekt; længden rammer lige over knæet som forventet; ingen knapper der mangler; ribstrikken løber lodret og er tydelig; farven stemmer overens med hvidreferencekortet. Kroppen: Kollektionens faste model, begge hænder er synlige med fem fingre, og poseringen er naturlig og inden for brandets stil. Scenen: Primært lysindfald fra venstre som fastlagt, skyggen stemmer, helt ren hvid baggrund. Serien: Samme model og beskæring som bukserne ved siden af på sitet. Filen: 4K master, kollektionens faste beskæring, klar til klientspecifik eksport. Godkendt. Havde ribstrikken derimod mistet sin struktur og lignet glat jersey under punkt ét, var kontrollen stoppet der – og billedet sendt direkte tilbage til regenerering med udgangspunkt i samme flat lay.
Ofte stillede spørgsmål
Hvad skal jeg tjekke på et AI-genereret modebillede, før det publiceres?
Fem faste kategorier i rækkefølge: tøjet mod flat lay (identitet, detaljer, print, farve, metervare, pasform), kroppen (proportioner, hænder, ansigtstræk i forhold til kollektionens faste model, hud, posering), scenen (lysretning, baggrund, kontaktflader og refleksioner, rekvisitter), serien (ensartethed for det enkelte produkt og på tværs af kollektionen) og filen (opløsning, beskæring, format, metadata). Hvert trin har klare afvisningskriterier, og et kasseret billede regenereres altid frem for at blive retoucheret.
Hvad er den mest almindelige fejl i AI-modebilleder?
Små, utilsigtede ændringer af selve tøjet: en halsudskæring der bliver dybere, en søm der flytter sig, knapper der udglattes, eller et print der ændrer størrelse. Disse fejl er de mest udbredte og koster mest på bundlinjen, fordi billedet pludselig viser en anden vare end den, kunden modtager. Derfor sætter vores tjekliste altid tøjet først og fokuserer på konkrete fakta frem for mavefornemmelser.
Hvordan laver jeg kvalitetskontrol på AI-billeder i stor skala?
Udvælg en fast stikprøveandel af hvert batch på tværs af produktkategorier og farvevarianter. Gennemgå stikprøverne slavisk med hele tjeklisten, og noter fejl efter type. Tjek derefter specifikt for disse fejltyper på alle relevante billeder i batchet, og regenerer hele serien samlet, når årsagen i opsætningen er rettet.
Kan jeg ikke bare rette en lille fejl i Photoshop i stedet for at regenerere?
Ikke når det gælder tøjet. En manuelt retoucheret knap, oplægning eller print-detalje er blot et nyt lag af manipulation oven på modellen – lige netop på den del af billedet, kunden holder op mod den fysiske vare. Regenerer i stedet ud fra kildematerialet med en mere præcis prompt. Manuel retouchering bør kun bruges til baggrunde og den endelige fileksport.
Hvad er forskellen på at tjekke et AI-billede og et traditionelt fotografi?
Et traditionelt fotografi kontrolleres primært for teknisk kvalitet: fokus, eksponering og komposition. Et AI-genereret billede er næsten altid teknisk fejlfrit og skal i stedet tjekkes for nøjagtighed: om tøjet, kroppen og omgivelserne rent faktisk gengiver virkeligheden. Tjeklisten handler derfor om systematisk sammenligning med kildematerialet og brandstandarden – ikke om at vurdere billedet isoleret.
Hvad denne side ikke lover
Vi påstår ikke, at et specifikt AI-værktøj automatisk klarer denne tjekliste med en bestemt succesrate, eller at godkendte billeder automatisk sælger bedre. Siden er en praktisk oversigt over potentielle fejl, og hvordan du opdager dem i tide. Hvor træfsikkert et værktøj håndterer dine produkter, tester du bedst på dit eget sortiment via den linkede metode ovenfor.
Vil du oprette de billeder, som tjeklisten gennemgår, kan du se mere under AI fashion photography. Vil du vide mere om at fastholde tøjets specifikke detaljer, kan du læse vores guide til hvordan du forhindrer AI i at ændre tøjets detaljer.