La mayoría de las imágenes de producto rechazadas lo son por la misma razón: algo no encaja. Esa frase hace que el operador vuelva a la herramienta para intentarlo de nuevo, y la siguiente imagen falla por otro motivo distinto. Lo que falta es un nombre. Un reflejo que muestra el antiguo estudio, una segunda cremallera, una sombra que cae en la dirección equivocada, un borde suave por una fuente de luz difusa o un recorte de retrato en un canal cuadrado son cinco fallos diferentes con cinco soluciones distintas, y ninguno se arregla simplemente volviendo a intentarlo.
Esta página es una taxonomía: cada forma en que una imagen generada de producto puede fallar, clasificada en cinco categorías según el error, con su causa y solución correspondiente. No publica tasas de fallo para ninguna herramienta o categoría. Lo que ofrece es un vocabulario para la revisión — así, una imagen rechazada se rechaza con una razón que apunta a un paso concreto — y un orden para analizarlo.
¿Cuáles son las principales formas en que falla la fotografía de producto con IA?
Cinco: el producto cambió (su color, forma, textura, proporción o algún detalle es diferente de la fotografía original); se inventó algo (una característica, una marca o un lado que el producto no tiene); la escena no concuerda con el producto (luz, sombra, escala, contacto, reflejo o perspectiva que no encajan); la fuente no era lo suficientemente buena (desenfoque, sombra, un lado oculto, baja resolución, fondo incorrecto, por lo que la herramienta tuvo que adivinar); y la imagen no es adecuada para el canal (recorte, fondo, tamaño o una norma que impone el marketplace). Cada categoría tiene su causa y solución propias, y la revisión las busca en ese orden porque las dos primeras son las que un cliente puede reprocharte.
¿Por qué clasificar los fallos?
Un fallo con nombre tiene solución: un color cambiado apunta a la referencia de color y a la comprobación; un bolsillo inventado señala el lado oculto de la fuente; una sombra incorrecta indica la iluminación de la escena. Un fallo sin nombre no señala nada, por lo que el operador regenera con la misma fuente y la misma petición y obtiene el mismo tipo de fallo con detalles distintos. Clasificar también permite revisar lotes: diez imágenes rechazadas como "algo no encaja" son diez problemas distintos; diez imágenes rechazadas como "clase 3, desacuerdo en la luz" son un solo problema en un paso.
Clase 1 — el producto cambió
El producto en la imagen no es el producto en la fotografía.
- Cómo se ve: un color desviado respecto a la referencia; una proporción estirada; una textura suavizada o exagerada; un detalle desplazado — un botón, una costura, un escote; un patrón redistribuido; un logo redibujado; las letras de una etiqueta sustituidas por formas de letras.
- Causa: los píxeles del producto fueron redibujados — un re-renderizado a partir de una descripción, un ángulo que la fuente no tenía, un aumento de resolución que inventó detalles, varios cambios en un solo paso.
- Solución: un flujo de trabajo que mantenga los píxeles del producto y genere alrededor de ellos; un cambio por imagen; una referencia de color en el original; una comparación con el original a tamaño completo.
- Gravedad: el cliente recibe un producto diferente. Rechazar.
Clase 2 — se inventó algo
La imagen muestra un detalle, una marca o un lado que el producto no tiene.
- Cómo se ve: un cierre, bolsillo, tira, puerto o costura extra; una característica reflejada para simetría; una marca donde suelen ir marcas; una parte trasera o inferior dibujada desde el frente; un accesorio que no está incluido.
- Causa: un hueco en la fuente — un lado oculto, un cierre en sombra, un recorte — que la herramienta completó con lo que suelen tener esos productos; una descripción del producto en la solicitud; un nuevo ángulo de una fuente que no lo mostraba.
- Solución: una fuente en la que cada detalle y cada ausencia sea visible, desde todos los ángulos que use el anuncio; describe la escena, nunca el producto; cuenta los detalles en la fuente y en el resultado.
- Gravedad: el cliente recibe algo que no existe. Rechazar.
Clase 3 — la escena no concuerda con el producto
El producto está bien, la escena está bien, pero no encajan juntos.
- Cómo se ve: la sombra cae hacia la luz; un reflejo en el producto desde un lado sin luz en la escena; un reflejo que muestra el antiguo estudio; un producto flotando sobre la superficie o hundido en ella; un producto del tamaño de un edificio o de un juguete; una perspectiva donde el suelo se aleja y el producto no; un tono de color que la escena no puede explicar.
- Causa: la luz de la escena elegida sin tener en cuenta la del original; un producto reflectante o transparente que conserva su antiguo entorno; una sombra de contacto generada aparte del producto; una escala que la solicitud nunca especificó.
- Solución: escenas iluminadas desde el lado de luz del original; un entorno neutro para productos reflectantes, el suelo de publicación para transparentes; una sombra revisada en dirección, suavidad y contacto; una referencia de tamaño en la escena cuando la escala importa.
- Gravedad: la imagen parece falsa antes de que nadie pueda decir por qué; lo que pierde el cliente es la confianza, no el producto. Rechazar y corregir la escena, no el producto.
Clase 4 — la fuente no era lo suficientemente buena
La herramienta tuvo que adivinar porque la foto no lo mostraba.
- Cómo se ve: bordes difusos donde la fuente era borrosa; un lado en sombra suavizado hasta desaparecer; un producto en baja resolución en una escena nítida; un color que no se puede verificar porque no había referencia; un lado oculto que se convierte en clase 2 cuando se pide un nuevo ángulo; un original blanco insertado en una escena oscura para un producto transparente.
- Causa: la fotografía — desenfoque, luz desigual, parte oculta, archivo pequeño, fondo incorrecto — no la generación.
- Solución: una nueva sesión. Luz uniforme, resolución completa, todos los ángulos, referencia de color, el fondo que usará la imagen. En Photta, las subidas de hasta 10 MB mantienen el detalle original de la cámara.
- Gravedad: cada imagen derivada hereda este problema. Corrige la fuente antes de generar cualquier otra cosa.
Clase 5 — imagen correcta, canal incorrecto
La imagen es adecuada pero el canal no la acepta o la muestra mal.
- Cómo se ve: una imagen principal en una escena donde el marketplace exige fondo blanco puro; un recorte vertical mostrado en un cuadrado que corta el producto; el producto demasiado pequeño para el zoom del canal; una sombra o un accesorio que las normas de la categoría prohíben; un tamaño o formato de archivo que el canal rechaza.
- Causa: la imagen se creó antes de conocer las normas del canal.
- Solución: consultar los requisitos actuales del canal directamente, y exportar por canal: fondo blanco para la imagen principal cuando se requiera, el recorte y relleno que necesita el espacio, el formato y tamaño que acepta la subida.
- Gravedad: rechazo o mala visualización, sin perjudicar al cliente. Reexportar, no regenerar.
Nombre, lugar, solución
El ciclo que sigue la siguiente lista, nombrado para que otras páginas de precisión puedan referirse a él.
- Nombre — cada imagen rechazada etiquetada con su clase y el fallo detectado.
- Lugar — la clase asignada al paso: fuente, flujo de trabajo, escena, revisión o exportación.
- Solución — ese paso corregido y la imagen regenerada una vez; un segundo fallo en la misma clase indica que el paso, no la imagen, está mal.
Orden de revisión para un lote
| Qué revisar | Clase | Pregunta | Si falla |
|---|---|---|---|
| Color, forma, textura, detalle respecto al original | 1 — producto modificado | ¿Es este el producto de la foto? | Rechazar; conservar píxeles; un cambio por imagen |
| Cantidad de cierres, costuras, marcas, lados | 2 — inventado | ¿El producto tiene esto? | Rechazar; mostrar todos los lados y ausencia en la fuente |
| Luz, sombra, reflejo, contacto, escala | 3 — escena incoherente | ¿Comparten luz el producto y la escena? | Rechazar; reiluminar o rehacer la escena, no el producto |
| Nitidez, resolución, partes ocultas, referencia | 4 — fuente | ¿Podría la herramienta haberlo detectado? | Rehacer la foto; todas las imágenes posteriores heredan esto |
| Fondo, recorte, tamaño, normas de categoría | 5 — canal | ¿Lo mostrará bien el canal? | Reexportar; no regenerar |
Este orden se sigue porque los dos primeros son fallos que el cliente puede reclamar; el tercero afecta la confianza; el cuarto explica los demás; y el quinto solo implica un reexportado.
Revisar a gran escala: muestreo, excepciones y registro
La taxonomía está diseñada para un revisor que examina una imagen. Un catálogo de miles cambia la pregunta de "¿es correcta esta imagen?" a "¿qué imágenes necesita ver una persona?", y la respuesta es una regla de muestreo, una regla de excepciones y un registro.
- Muestra por producto, no por imagen. Cada producto se ve al menos una vez — su imagen principal comparada con la original — porque las dos primeras clases son por producto y un cambio de color o una característica inventada se repite en todas las imágenes de ese producto. Se muestrean escenas y variantes.
- Deriva las excepciones completas. Los productos cuya categoría falla de forma sutil — reflectantes, transparentes, texto pequeño, joyería, prendas con capas — pasan a revisión completa independientemente del muestreo, porque sus fallos son los que se detectan con una simple mirada.
- Amplía la muestra cuando aparece una clase. Un rechazo de clase dos en un lote indica que la configuración de origen que lo produjo es sospechosa; revisa todos los productos fotografiados de la misma manera.
- Nombra cada rechazo. Un rechazo sin clase es una regeneración con el mismo resultado; un rechazo con clase implica un cambio en la fuente, la receta, la escena o la exportación.
- Mantén el registro. Qué imágenes se vieron, quién las vio, contra qué original, con qué clase y corrección. Esto hace que la muestra del siguiente lote sea más pequeña y la siguiente aún más fiable.
Una revisión que ve todas las imágenes no es una revisión más estricta; es una que se saltará la primera semana que el catálogo llegue tarde. Un muestreo que siempre ve el producto y siempre detecta las excepciones es la revisión que perdura.
Un lote, cinco nombres
Una marca de artículos para el hogar revisa un lote de tazas de gres: doce imágenes a partir de un maestro blanco con una carta gris. Dos muestran el esmalte un tono más cálido que la carta — clase 1, se permitió que la luz de la escena tocara el producto; se ajusta el flujo de trabajo para conservar los píxeles y ambas se regeneran. Una muestra un asa en el lado opuesto que la taza no tiene — clase 2, la fuente nunca mostró la parte trasera; se fotografía la parte trasera y se regenera el ángulo desde ahí. Tres tienen una sombra que cae hacia la ventana — clase 3, la escena se iluminó desde el lado incorrecto; se vuelve a iluminar desde la izquierda. Una está desenfocada en el borde — clase 4, el enfoque del maestro; se vuelve a fotografiar el maestro y se repite el lote. Dos tienen la taza demasiado pequeña para el recuadro cuadrado del marketplace — clase 5; se recortan de nuevo. Tres pasan. Cada rechazo tiene un paso, y el siguiente lote falla menos porque se corrigieron los pasos, no las imágenes.
Preguntas frecuentes
¿Cuál es el fallo más grave en la fotografía de producto con IA?
Un producto cambiado o inventado — clases 1 y 2 — porque el cliente puede comparar la imagen con lo que recibe. Una escena que no coincide con el producto genera desconfianza sin falsear el producto; una fuente deficiente explica los demás fallos; un desajuste de canal implica perder una exportación.
¿Por qué mis imágenes de producto generadas por IA "no terminan de convencer" aunque no haya nada evidente?
Casi siempre es clase 3: el producto y la escena no comparten la misma luz. La sombra cae en la dirección equivocada, el reflejo viene de ningún sitio, una superficie refleja el estudio antiguo, el producto parece flotar. Antes que nada, comprueba la dirección de la luz en el producto frente a la sombra de la escena.
¿Debo regenerar una imagen fallida o corregir la fuente?
Depende de la clase. Las clases 1 y 2 se corrigen en el flujo de trabajo y la fuente; la clase 3 en la escena; la clase 4 solo con una nueva sesión de fotos; la clase 5 con una nueva exportación. Regenerar con la misma fuente y petición repite el fallo.
¿Cómo reviso un lote grande rápido?
En orden de prioridad, con nombres. Compara cada imagen con su maestro a tamaño real, márcala con la primera clase en la que falle y agrupa los rechazos por clase: un lote que falla mayormente en una clase solo necesita un paso para corregirse.
¿Esta clasificación también vale para pruebas virtuales y fotos con modelos?
Sí, considerando la prenda o producto como lo que no debe cambiar y el modelo como parte de la escena. Las clases son las mismas; en la clase 2 los fallos pasan a ser botones, costuras, estampados y bajos, y la clase 3 añade que el ajuste y la caída coincidan con el cuerpo.
Lo que esta página no afirma
No se asegura que ninguna clase ocurra con cierta frecuencia o en alguna herramienta; esta página no mide nada. Lo que sí afirma es que cada fallo pertenece a una de cinco categorías, que cada categoría señala un paso del flujo de trabajo, y que una revisión que identifica la categoría corrige el paso en lugar de la imagen.
Para mantener los píxeles del producto a través de un cambio de escena, consulta Fotografía de producto con IA; para la medición detrás de la clase 1, cómo medir la precisión de imágenes de producto generadas por IA; para profundizar en la clase 2, cómo evitar que la IA añada detalles inexistentes al producto.