「色」は、再現性の検証において最も言い訳が生まれやすい要素です。「ディスプレイによって見え方が違う」「撮影時の照明が異なる」「製造ロットによる染色ブレがある」——どれも事実ですが、「ネイビーを注文したのにブラックが届いた」と感じた顧客が商品を返品するという現実は何も変わりません。
本稿では、生成された商品画像における色の忠実性（カラーフィディリティ）を正しく測定するためのプロトコルを定義します。特定のツールの優劣結果を示すものではありません。
AI商品画像における色の正確性はどのように測定するのか？
一定のカラーマネジメント環境（sRGB参照、キャリブレーション済みディスプレイ、同一の閲覧環境）のもと、リファレンス画像と出力画像のあらかじめ決めた3か所の平坦な領域から5×5ピクセルの平均値をサンプリングし、Labなどの知覚色空間で数値を比較します。質感の再現性は等倍表示（100%）にて目視で判定し、自社ラインナップの隣接する2つの近似色が区別可能なまま保たれているかをテストした上で、別の背景でも同様の手順を繰り返します。許容範囲は検証を行う前に定めておきます。
色の正確性とは何か？
生成された商品画像における色の正確性とは、本来は別個である3つの要素をまとめた総称です。具体的には、色相（同系統の色であるか：黒ではなくネイビーなど）、彩度と明度（適切な色相が正しい鮮やかさと明るさで表現されているか）、そして質感の再現性（サテンの光沢感が保たれているか、メタリックの質感が立体形状に合わせて変化しているか）を指します。単一のピクセル値が一致していても、質感が損なわれていればそれは色再現のエラーです。1ピクセルだけを抽出して検証しても何の意味もなさないのはそのためです。
「色」を構成する3つの要素を切り分けて考える
- 色相（Hue） —— 同系統の色として認識できるか（ネイビーとブラック、バーガンディとブラウンの違いなど）。返品に直結しやすい最大の要因です。
- 彩度と明度（Saturation & Value） —— 色相は合っているものの、鮮やかさや明るさがズレている状態。正しい色が褪せて見えてしまうようなケースです。
- 光沢・質感の挙動（Finish behaviour） —— 表面が光をどのように反射するか。サテン特有の光沢が出ているか、メタリックのハイライトが形状に沿って自然に変化しているかなど。見る角度で表情が変わるファブリックを平坦にレンダリングしてしまった場合、たとえ抽出したピクセルの数値が合っていても「色再現のエラー」とみなすべきです。
多くのAIツールは色相の再現には強いものの、質感の挙動の再現を苦手としています。そのため、単一のピクセルをサンプリングして「色は合っている」と判断するのは極めて危険です。
色相・彩度/明度・質感
単一の総合スコアではなく、3つの独立したレポートとして出力します。多くのツールは色相の再現には長けているものの、質感の挙動の再現を最も苦手としています。それらを平均化してしまうと、メタリックが単なるペンキ塗りのように見えてしまう原因である、この最も弱い要素が隠れてしまうためです。
検証サンプルの選定方法
サンプル数やリファレンス画像の選定は、精度の総合評価プロトコルに準拠します。その上で、特に破綻しやすい以下の色に重点を置いてサンプルを構成してください。
- ニュアンスカラー / ニアニュートラル（準無彩色） —— ネイビー、チャコール、オフホワイト、トープなど。最も再現難易度が高く、返品の原因になりやすいカラーです。
- 高彩度のレッドやオレンジ —— 多くの画像処理パイプラインで色飽和（クリッピング）を起こしやすい領域です。
- メタリックやパール調 —— 質感の挙動そのものが価値を持つマテリアルです。
- 自社ラインナップ内の「隣接する近似色」2点 —— AIがそれらを別々の色として描き分けられるかをテストします。
- 「白背景」と「中間グレー背景」の両方で撮影した同一商品 —— 周囲の背景色に引っ張られて被写体の色が変わってしまわないかをあぶり出します。
テストを始める前に、カラーマネジメント環境を必ず統一してください。 リファレンス画像はsRGBで統一し、キャリブレーション済みのディスプレイを使用し、毎回同一の環境光のもとで比較を行います。これを怠ると、測っているのはツールの精度ではなく「お使いのモニターの癖」になってしまいます。例えば、EtsyはsRGBでのアップロードを推奨しており、WalmartもRGB形式を指定しています。
評価プロトコル
- 色相は目視ではなくサンプリングで測る。 各商品のエッジやハイライト、シャドウを避け、あらかじめ決めた平坦な3箇所の領域から「5×5ピクセルの平均値」を抽出します。リファレンスと生成画像の両方で数値を記録してください。
- 知覚色空間で差異を計算する。 RGB値の単純な距離差は、人間の目の知覚と一致しません。数値をLab色空間に変換して比較（色差ΔEの算出など）を行います。Lab変換が難しい場合は、感覚で閾値を決めるのではなく、生データを記録して一貫したルールで比較してください。
- 質感の挙動は100%等倍表示の目視で判定する。 メタリックの光沢は立体に沿って回り込んでいるか？ サテンの艶やかなグラデーションが維持されているか？ 「維持（Preserved）」または「平坦化（Flattened）」で分類します。
- 近似色ペアを同時に検証する。 近しい2色を生成し、購入者がその違いを見分けられるか確認します。2つの色が同じ色に見えてしまう場合、単品ごとのテストでは検知できない致命的な破綻が生じています。
- 異なる背景色で再テストする。 背景が変わっただけで商品の色まで変わってしまう場合、それは色を「再現」しているのではなく、周囲に合わせて「勝手に推測」しているに過ぎません。
結果の読み解き方
許容範囲（トレランス）はテスト前に設定し、明文化しておくこと。 テスト後に「どこまでなら許容できるか」を決めようとすると、都合の良い結果にバイアスがかかってしまいます。
高彩度な色よりも、ニュアンスカラーのウェイトを重くすること。 ビジネス上の損失（返品）に直結し、かつツールにとっても最大の難所となるのはこの領域です。
「ピクセル値は一致していても質感が失われている」なら不合格とする。 平均スコアでこの欠落が覆い隠されないよう、数値の評価と質感の評価は必ず分けて記録してください。
レタッチしてからの再評価は行わないこと。 生成画像に手作業で色補正を加えてからスコアを付けても、それはツールの精度ではなく「レタッチャーの腕」を測っているだけです。
色精度のチェックリスト
| 確認項目 | 検証手順 | 失敗の兆候 |
|---|---|---|
| カラーマネジメント | sRGBリファレンス、キャリブレーション済みディスプレイ、同一の視覚環境 | ツールではなくモニターの特性を測定してしまっている |
| 色相 | 平坦な3箇所から5×5ピクセルの平均を抽出、Lab色空間で比較 | ネイビーが黒として出力される |
| 彩度と明度 | 同じサンプルを使用し、鮮やかさと明るさを確認 | 正しい色相のまま、色あせた状態で出力される |
| 質感の再現性 | 100%表示の目視確認：光沢や金属の質感変化が維持されているか | 角度で色が変わる生地が、単一の平坦な色としてレンダリングされる |
| 近似色のペア | 自社製品ラインナップから近い2つの色合いを生成 | 両者が同一の色に潰れてしまう |
| 2つ目の背景 | 白と中間グレーの背景で再検証 | 背景色によって色が変わる場合、色を忠実に再現したのではなく推測で描画している |
ネイビーとチャコール
同じシリーズの2本のパンツ、ネイビーとチャコールを例に考えます。それぞれの平坦な3つの領域からサンプリングしたところ、ネイビーの出力結果は事前に定めた許容範囲内に収まっており、チャコールも同様でした。しかし、隣り合うペアとして並べて生成すると、同じ色に見えてしまったのです。単体のテストではどちらも不合格にはなりませんでした。失敗したのはペアでのテストであり、これこそが荷物が届いたときにお客様が目にする光景なのです。
よくある質問
なぜAI商品画像において、ニアニュートラル（中間色・無彩色に近い色）が最も難しい色なのですか？
ネイビー、チャコール、オフホワイト、トープは互いに近く、また黒や白とも近いため、色相や明度がわずかにずれるだけで別の色名になってしまいます。同じ理由でこれらは最も返品されやすい色でもあり、そのため検証サンプルでも重点的に扱われています。
ピクセル値が一致していれば、色が正確であると言えますか？
いいえ。サンプリングしたピクセルが一致していても、質感が失われている（サテン特有の光沢のグラデーションが消えている、メタリックの質感がフォルム全体に反映されていないなど）場合があります。平均値によって後者の問題が隠れてしまわないよう、色相と質感の挙動は分けて記録されます。
なぜRGBではなくLabで比較するのですか？
RGB上の距離は人間の目の見え方と一致しないためです。比較する前にLabのような知覚空間へ変換してください。それが利用できない場合は、独自の閾値を設けるのではなく、生の値を記録して一貫した方法で比較してください。
なぜ2つ目の背景でテストを繰り返すのですか？
背景が変わることで色も変化してしまう場合、それは参照元から再現されているのではなく、周囲の環境から推測されて生成されています。白背景と中間グレーの背景を使うことで、この問題が明らかになります。
色を補正してから、その補正後の画像を評価してもよいですか？
いいえ。出力を調整してその調整後のバージョンを評価すると、ツールの性能ではなくレタッチ作業を測定することになってしまいます。実行前に許容範囲を設定し、ツールが生成したそのままの画像を評価してください。
このプロトコルがカバーしない領域
本プロトコルは、管理された環境下において「リファレンス画像の色をどれだけ忠実に再現できているか」を測るものです。直射日光の下、キャリブレーションされていない顧客のスマートフォン画面でどう見えるかまでは担保できません。それは全く別の課題であり、AI画像生成のテストで解決できる範囲を超えています。
関連プロトコル：AI商品画像の精度を総合的に評価する方法、形状・ジオメトリの再現性、テクスチャ・素材感の維持。
検証対象となる商品画像の生成については、AI商品写真をご覧ください。