La geometría es el primer fallo en el que se fija un cliente y el último que detecta un fotógrafo. Un bolso con la correa un par de centímetros desplazada, una silla con una profundidad de asiento ligeramente incorrecta o un anillo cuya banda se ensancha hacia el engaste... Ninguno de estos detalles parece un error a simple vista. Simplemente parecen un producto diferente, y ahí radica precisamente el problema.
Este es un protocolo para medir la fidelidad geométrica. No publica ningún resultado.
¿Cómo se mide la precisión geométrica en las imágenes de producto generadas con IA?
Superpón la imagen generada sobre una fotografía de referencia frontal y a la misma escala, mide dos proporciones por producto elegidas de antemano, cuenta cada elemento contable, traza ambas siluetas en alto contraste y califica la ubicación de los componentes como fiel, alterada o errónea. Una variación de la proporción inferior al 2% se considera ruido de medición; un recuento incorrecto siempre es un «error», porque el cliente sabe contar.
¿Qué es la precisión geométrica?
La precisión geométrica mide si una imagen generada conserva la forma del producto: sus proporciones, la ubicación de cada componente con respecto al conjunto, la cantidad de elementos repetidos y su silueta frente al fondo. Es la dimensión de precisión que los clientes notan primero, porque un error de geometría no parece un fallo: parece un producto diferente.
Qué se considera un error de geometría
Existen cuatro tipos de errores, y conviene diferenciarlos porque responden a causas distintas:
- Proporción: la relación entre las dimensiones. Una botella con el contorno correcto pero un 10% más alta da la sensación de pertenecer a otra categoría de tamaño.
- Ubicación: la posición de un componente respecto al conjunto: la altura de un bolsillo, la colocación de una hebilla o el punto exacto donde el asa se une al cuerpo.
- Recuento: la cantidad de elementos repetidos. Botones, ojales, eslabones de una cadena, estrías de una suela. Las imágenes generadas suelen fallar aquí y el error pasa desapercibido fácilmente porque nadie se para a contar.
- Silueta: el contorno frente al fondo, que es donde realmente se concentran la mayoría de los errores de forma generados por IA.
Superponer, medir, contar, trazar
Cuatro operaciones, en ese orden, porque cada una detecta lo que la anterior no puede: la superposición expone las desviaciones de proporción, las dos relaciones las convierten en un número, el recuento detecta los errores que nadie busca y el trazado de la silueta encuentra los bultos y las curvas aplanadas que se ocultan en el contorno.
Cómo crear la muestra
Sigue el protocolo general de precisión para definir el tamaño de la muestra y las fotografías de referencia; después, ajústalo específicamente para la geometría:
Incluye productos con elementos contables. Cualquier artículo con un patrón que se repita: calzado con cordones, cadenas, prendas con botones, perforaciones... Aquí es donde salen a la luz los errores de recuento.
Incluye al menos cinco productos asimétricos. La simetría camufla los fallos de colocación; la asimetría los deja al descubierto.
Toma la foto de referencia totalmente frontal. La geometría no se puede evaluar desde una vista en tres cuartos, ya que la perspectiva se confunde con la distorsión. Si la referencia está en ángulo, el protocolo medirá la posición de la cámara y no la herramienta.
El protocolo
- Superpón las imágenes antes de juzgar. Coloca la imagen generada sobre la de referencia a la misma escala y reduce la opacidad de la capa superior al 50% aproximadamente. Puedes hacerlo con cualquier editor de imagen. Los errores invisibles en una comparación lado a lado se vuelven evidentes al superponerlas, y este único paso detecta casi todas las desviaciones de proporción.
- Mide dos proporciones por producto, elegidas de antemano y mantenidas en todos los artículos: en un bolso, el alto frente al ancho y la caída del asa frente a la altura del cuerpo; en un zapato, la longitud de la suela frente a la altura del empeine. Anota ambas cifras en lugar de una valoración subjetiva.
- Cuenta lo que sea contable. Botones, eslabones, ojales, estrías. Compara la referencia con el resultado generado. Esto es pura aritmética, no una cuestión de opinión.
- Traza la silueta con alto contraste: aplica un umbral a ambas imágenes y compara los contornos. Los abultamientos y las curvas aplanadas se aprecian al instante.
- Puntúa la ubicación con la misma escala de tres niveles del protocolo general: fiel, alterado o incorrecto.
Cómo interpretar los resultados
Una desviación de proporción inferior al 2% no requiere cambios. Queda dentro del margen de error de tu propia medición, a menos que trabajes con capturas calibradas.
Un error de recuento siempre es «incorrecto». No hay ningún umbral en el que un número equivocado de botones sea admisible: el cliente final sabe contar.
Agrupa los fallos por categoría de producto y no por gravedad. Los errores geométricos rara vez son aleatorios: se concentran en formas que el modelo no procesa bien, y ese patrón te indicará qué partes del catálogo todavía exigen una cámara real.
Lista de verificación de la precisión geométrica
| Tipo de error | Cómo detectarlo | Cómo calificarlo |
|---|---|---|
| Proporción | Superposición a la misma escala; dos proporciones preseleccionadas | Las desviaciones inferiores al 2% se ignoran; por encima, se registran como una cifra |
| Ubicación | Superposición y, a continuación, la escala de tres puntos | Fiel / alterado / incorrecto |
| Conteo | Contar el elemento repetido en la referencia y en el resultado | Cualquier discrepancia se considera "incorrecta" |
| Silueta | Aplicar un umbral a ambas imágenes y comparar los contornos | Los abultamientos y las curvas aplanadas se registran por producto |
| Ángulo de referencia | Solo perpendicular | Una referencia en ángulo invalida la ejecución |
Una bota con cordones
Una imagen generada de una bota con cordones supera la superposición: el contorno encaja dentro de la referencia dentro del propio margen de error de la medición, y la proporción entre la longitud de la suela y la altura de la caña coincide. Luego viene el recuento: la referencia tiene siete pares de ojales, la imagen generada tiene seis. Nada en la imagen parece incorrecto. El producto es el que es incorrecto. Esa bota se califica como "incorrecta" en el recuento, se guarda el recorte como prueba y la categoría (calzado con cordones) pasa a la lista de formas que todavía necesitan una cámara.
Preguntas frecuentes
¿Qué se considera un error de geometría en una imagen de producto generada con IA?
Cuatro cosas: la proporción (la relación entre dimensiones), la ubicación (dónde se sitúa un componente respecto al conjunto), el recuento (cuántos elementos repetidos hay) y la silueta (el contorno frente al fondo). Se separan porque tienen causas distintas y soluciones diferentes.
¿Por qué la fotografía de referencia debe ser totalmente frontal?
Porque el escorzo en una referencia en ángulo es indistinguible de la distorsión en el resultado. Desde una vista en tres cuartos, el protocolo mide la posición de la cámara, no la herramienta.
¿A partir de cuánto importa la desviación de la proporción?
Por debajo del 2 % entra dentro del margen de error de tu propia medición, salvo que trabajes con capturas calibradas, por lo que no merece la pena actuar. Por encima de esa cifra, registra las dos relaciones numéricas en lugar de hacer una valoración subjetiva y agrupa los fallos por categoría de producto.
¿Es aceptable alguna vez un recuento de botones erróneo?
No. Un error de recuento siempre se considera incorrecto. No existe un umbral en el que un número equivocado de botones, ojales o eslabones de cadena sea aceptable, ya que el cliente sabe contar y el formulario de devolución no distingue entre errores pequeños y grandes.
¿Qué detecta el paso de superposición que la comparación en paralelo pasa por alto?
La desviación de la proporción. Al superponer la imagen sobre la referencia a la misma escala y con una opacidad de la capa superior en torno al 50 %, los errores que resultan invisibles uno al lado del otro se vuelven evidentes, y este único paso detecta la mayoría de ellos antes de realizar cualquier medición.
Qué no cubre este protocolo
Este método mide si una imagen es fiel al producto original. No indica si la imagen vende, si un marketplace la aprobará o si resulta atractiva para el comprador. Son cuestiones diferentes que requieren otras pruebas, y obtener una buena puntuación aquí no responde a ninguna de ellas.
Además, la prueba depende por completo de la calidad de tu referencia. Si la fotografía de base está desenfocada, mal iluminada o tomada desde un ángulo que oculta el detalle que quieres comprobar, el protocolo dará por válida una coincidencia que en realidad no existe.
Protocolos relacionados: cómo medir la precisión general de la imagen, preservación de texturas, precisión cromática.
Para generar las imágenes que vas a evaluar, consulta fotografía de producto con IA.