Farge er den nøyaktighetsdimensjonen der bortforklaringene sitter løsest. Skjermer varierer, lysforhold varierer, og fargebad varierer. Alt dette stemmer, men det endrer ikke det faktum at en kunde som bestilte marineblå og fikk svart, kommer til å returnere varen.
Dette er en protokoll for å måle fargepresisjon i genererte produktbilder. Den publiserer ingen forhåndskonkluderte resultater.
Hvordan måler du fargenøyaktighet i AI-produktbilder?
Under fast fargestyring – sRGB-referanser, en kalibrert skjerm, de samme visningsforholdene – tar du et gjennomsnitt av fem ganger fem piksler fra tre forhåndsbestemte, flater på referanse og resultat, sammenligner verdiene i et perseptuelt fargerom som Lab, vurderer overflateegenskapene visuelt i 100 %, tester om to tilstøtende nyanser fra ditt eget sortiment forblir distinkte, og gjentar på en annen bakgrunn. Bestem toleransenivået før du gjennomfører testen.
Hva er fargenøyaktighet?
Fargenøyaktighet i et generert produktbilde består av tre ting som ofte omtales som én: fargetone (samme fargefamilie – marineblå, ikke svart), metning og lyshet (riktig fargetone med riktig intensitet og lysstyrke) og overflateoppførsel (om sateng fortsatt oppleves som sateng og om en metallisk overflate fortsatt endrer seg med formen). En piksel som matcher, men som har en flat overflate, er fortsatt en fargefeil – og det er derfor en pikselprøve ikke beviser noe som helst.
Skill mellom de tre dimensjonene av "farge"
- Fargetone (Hue) — er det samme fargefamilie? Marineblå mot svart, burgunder mot brun. Det er her returene oppstår.
- Metning og lyshet (Saturation and value) — riktig fargetone, men feil intensitet eller lyshet. En blass versjon av den faktiske fargen.
- Overflateegenskaper (Finish behaviour) — hvordan overflaten responderer på lys: om sateng faktisk oppleves som sateng, eller om metalliske effekter endrer seg over produktets form. En flat gjengivelse av et fargeskiftende tekstil er en fargefeil, selv om en enkelt målepiksel matcher.
De fleste verktøy er best på fargetone og svakest på overflateglans. Derfor er det direkte misvisende å måle en enkelt piksel og erklære fargen for korrekt.
Nyanse, intensitet, finish
Tre separate vurderinger fremfor én samlet poengsum. De fleste verktøy er sterkest på nyanse og svakest på finish, og et gjennomsnitt ville skjult den svakeste delen – som nettopp er den som avgjør om en metallisk overflate ser ut som maling.
Bygging av testutvalget
Følg den generelle nøyaktighetsprotokollen for utvalgsstørrelse og referanser, og vektlegg deretter fargene som oftest feiler i praksis:
- Nesten-nøytrale toner — marineblå, koksgrå, off-white, taupe. De vanskeligste fargene, og de som fører til flest returer.
- Mettede rød- og oransjetoner, som ofte klipper og mister detaljer i mange bildeprosesser.
- Metalliske overflater og perlemor, der overflateglansen er hele poenget.
- To produkter i tilstøtende nyanser fra eget sortiment, slik at du kan teste om verktøyet klarer å holde dem distinkte.
- Ett produkt fotografert mot både hvit og mellomgrå bakgrunn, noe som avslører farger som uheldigvis påvirkes av omgivelsene.
Få kontroll på fargestyringen før du starter. Ha referansebilder i sRGB, en kalibrert skjerm og identiske lysforhold for hver sammenligning. Uten dette måler du bare skjermen din. Etsy krever for eksempel sRGB og konverterer ved opplasting; Walmart spesifiserer RGB.
Selve protokollen
- Bruk fargeprøver, ikke øyemål, for fargetone. Ta et gjennomsnitt av fem ganger fem piksler fra tre forhåndsbestemte, jevne flater på hvert produkt – unngå kanter, høylys og skygger. Noter verdiene fra både referansen og det genererte resultatet.
- Beregn avviket i et perseptuelt fargerom. RGB-avstand samsvarer ikke med hvordan det menneskelige øyet oppfatter farger; konverter til Lab og sammenlign der. Hvis du ikke har mulighet til det, noter råverdiene og sammenlign dem konsekvent i stedet for å finne på en tilfeldig terskelverdi underveis.
- Vurder overflateegenskapene visuelt i 100 % visning. Beveger metallglansen seg naturlig over formen? Har satengen en realistisk glansgradering? Klassifiser resultatet som bevart eller utflatet.
- Test det tilstøtende fargeparet. Generer begge nyansene og vurder om en kunde tydelig kan se forskjell på dem. Hvis de flyter sammen til én farge, er det en svikt som ingen enkelttest av ett produkt ville ha avdekket.
- Gjenta på den andre bakgrunnen. En farge som endrer seg når bakgrunnen byttes ut, blir ikke reprodusert – den blir gjettet.
Tolking av resultatene
Definer toleransegrensen før du kjører testen, og skriv den ned. Å avgjøre hva som er «godt nok» i etterkant er den sikreste måten å bekrefte egne forhåpninger på.
Vektlegg nesten-nøytrale toner tyngre enn mettede farger. Det er her marginene tapes, og det er her feilene oppstår.
Pikselmatch med utflatet overflateglans er fortsatt et mislykket resultat. Rapporter disse to parametrene separat, slik at et gjennomsnittstall ikke skjuler svakheten.
Ikke gjør manuelle justeringer før du måler. Hvis du korrigerer bildet og måler den justerte versjonen, måler du bare etterarbeidet ditt – ikke hva verktøyet faktisk leverte.
Sjekkliste for fargenøyaktighet
| Hva | Hvordan | Slik ser et avvik ut |
|---|---|---|
| Fargestyring | sRGB-referanser, kalibrert skjerm, like lysforhold | Du måler skjermen din i stedet for verktøyet |
| Fargetone (hue) | Gjennomsnitt av 5x5 piksler fra tre jevne områder; sammenlign i Lab | Marineblå gjengis som svart |
| Metning og lyshet | De samme prøvene, vurdert etter intensitet og lyshet | En blass versjon av den riktige fargen |
| Overflateegenskaper | Visuell vurdering i 100 %: bevares glansen eller metallskjæret? | En flat gjengivelse av et stoff med fargespill |
| Tilstøtende nyanser | Generer to nærliggende fargetoner fra ditt eget sortiment | Begge smelter sammen til én farge |
| Ytterligere bakgrunn | Gjenta på hvit og mellomgrå | En farge som endrer seg med bakgrunnen, er gjettet, ikke gjengitt |
Marineblå og koksgrå
To bukser fra samme kolleksjon, én marineblå og én koksgrå. Med målinger fra tre jevne flater på hvert plagg ligger resultatet for den marineblå innenfor toleransen som ble definert før testen; det gjør den koksgrå også. Generert side om side som et par, oppfattes de likevel som én farge. Ingenting feilet i de individuelle testene. Partesten feilet derimot, og det er nettopp den testen kunden utfører når pakken kommer frem.
Ofte stilte spørsmål
Hvorfor er nesten-nøytrale farger de vanskeligste for AI-produktbilder?
Navy, koksgrå, off-white og taupe ligger tett opptil hverandre og opptil sort og hvitt, så et lite skift i fargetone eller verdi flytter dem over i et annet fargenavn. De er de fargene som returneres oftest av samme grunn, og det er derfor testutvalget vektlegger dem tungt.
Er en matchende pikselverdi nok til å kalle fargen korrekt?
Nei. En avlest piksel kan matche selv om overflaten er flatet ut – en sateng uten glansgradienten sin, en metallic som ikke lenger beveger seg over formen. Fargetone og overflateatferd rapporteres separat slik at et gjennomsnitt ikke kan skjule det sistnevnte.
Hvorfor sammenligne i Lab fremfor RGB?
RGB-avstand samsvarer ikke med hva et øye ser. Konverter til et perseptuelt fargerom som Lab før du sammenligner; hvis det ikke er tilgjengelig, noter råverdiene og sammenlign dem konsekvent i stedet for å finne opp en terskelverdi.
Hvorfor gjenta testen på en annen bakgrunn?
En farge som endrer seg når bakgrunnen endres, blir ikke gjengitt fra referansen; den blir utledet fra omgivelsene. Hvitt og mellomgrått avslører dette.
Kan jeg korrigere fargen og gi poeng til det korrigerte bildet?
Nei. Hvis du justerer resultatet og vurderer den justerte versjonen, har du målt retusjeringen din, ikke verktøyet. Angi toleransen før testen og vurder det verktøyet faktisk produserte.
Hva denne protokollen ikke forteller deg
Protokollen måler presisjon mot en referanse under kontrollerte visningsforhold. Den sier ingenting om hvordan fargen vil se ut på kundens ukalibrerte mobilskjerm i dagslys – et reelt og separat problem som ingen test av bildegenerering kan løse.
Relaterte protokoller: Måling av generell bildenøyaktighet, produktgeometri, bevaring av tekstur.
For å generere bildene du skal teste, se AI-produktfotografering.