Większość odrzuconych zdjęć produktów jest odrzucana z tym samym komentarzem: coś tu nie gra. To zdanie odsyła operatora do narzędzia, by spróbował ponownie, a kolejne zdjęcie ma inny problem. Brakuje jednak konkretnej nazwy. Odbicie pokazujące stare studio, drugi zamek błyskawiczny, cień padający w niewłaściwym kierunku, miękkie krawędzie od miękkiego źródła światła czy portretowe kadrowanie na kwadratowym kanale to pięć różnych błędów, które wymagają pięciu różnych rozwiązań — i żaden z nich nie zniknie po prostu przez kolejną próbę.
Ta strona to klasyfikacja: każdy sposób, w jaki generowane zdjęcie produktu może zawieść, podzielony na pięć kategorii według przyczyny, wraz z opisem problemu i sposobem naprawy. Nie podaje tu statystyk błędów dla żadnego narzędzia czy kategorii. Daje za to słownictwo do oceny — tak, by odrzucone zdjęcie miało konkretny powód wskazujący na konkretny etap — oraz kolejność, w jakiej należy szukać problemu.
Jakie są główne powody nieudanej AI-fotografii produktowej?
Pięć: produkt się zmienił (jego kolor, kształt, faktura, proporcje lub szczegóły różnią się od oryginalnego zdjęcia); coś zostało wymyślone (element, znak lub bok, którego produkt nie ma); scena nie pasuje do produktu (światło, cień, skala, punkt styku, odbicie lub perspektywa są niezgodne); źródło było niewystarczająco dobre (rozmycie, cień, ukryta strona, niska rozdzielczość, niewłaściwe tło, więc narzędzie musiało zgadywać); oraz obraz jest nieodpowiedni dla kanału (kadrowanie, tło, rozmiar lub zasady wymuszane przez marketplace). Każda klasa ma swoją przyczynę i sposób naprawy, a ocena odbywa się w tej kolejności, bo pierwsze dwie są tymi, za które klient może nas rozliczyć.
Po co w ogóle klasyfikować błędy?
Błąd z nazwą ma rozwiązanie: zmieniony kolor wskazuje na odniesienie kolorystyczne i kontrolę; wymyślona kieszeń wskazuje na ukrytą stronę źródła; błędny cień wskazuje na oświetlenie sceny. Błąd bez nazwy nie wskazuje niczego, więc operator generuje ponownie z tym samym źródłem i tym samym zapytaniem i dostaje ten sam typ błędu, ale z innymi szczegółami. Klasyfikacja pozwala też na ocenę partii: dziesięć zdjęć odrzuconych jako „coś nie gra” to dziesięć różnych problemów; dziesięć zdjęć odrzuconych jako „klasa 3, niezgodność światła” to jeden problem na jednym etapie.
Klasa 1 — produkt się zmienił
Produkt na zdjęciu nie jest tym samym produktem, co na fotografii.
- Jak to wygląda: kolor przesunięty względem wzorca; proporcje rozciągnięte; faktura wygładzona lub wyostrzona; przesunięty detal — guzik, szew, linia dekoltu; zmienione rozmieszczenie wzoru; przerobione logo; litery na etykiecie zastąpione kształtami liter.
- Przyczyna: piksele produktu zostały przerenderowane — nowa wizualizacja na podstawie opisu, kąt, którego nie było w źródle, powiększenie wymuszające wymyślanie detali, kilka zmian naraz.
- Naprawa: proces zachowujący piksele produktu i generujący wokół nich; jedna zmiana na zdjęcie; odniesienie kolorystyczne w masterze; porównanie z masterem w pełnej rozdzielczości.
- Waga błędu: klient dostaje inny produkt. Odrzucić.
Klasa 2 — coś zostało wymyślone
Na zdjęciu pojawia się cecha, znak lub element, którego produkt nie ma.
- Jak to wygląda: dodatkowe zapięcie, kieszeń, pasek, port lub szew; cecha odbita symetrycznie; znak tam, gdzie zwykle się pojawia; tył lub spód narysowany z przodu; akcesorium, które nie jest w zestawie.
- Przyczyna: luka w źródle — ukryta strona, cień na zapięciu, kadrowanie — którą narzędzie uzupełniło o to, co zwykle mają takie produkty; opis w zapytaniu; nowy kąt z ujęcia, które go nie pokazywało.
- Naprawa: źródło, na którym widać każdą cechę i każdą nieobecność, z każdego ujęcia używanego w ofercie; opisywać scenę, nie produkt; liczyć cechy w źródle i w efekcie.
- Waga błędu: klient zamawia coś, czego nie ma. Odrzucić.
Klasa 3 — scena nie pasuje do produktu
Produkt jest poprawny, scena jest poprawna, ale razem nie tworzą spójnej całości.
- Jak to wygląda: cień pada w stronę światła; refleks na produkcie z miejsca, gdzie scena nie ma oświetlenia; odbicie starego studia; produkt unoszący się nad powierzchnią lub w niej zatopiony; produkt wielkości budynku lub zabawki; perspektywa, gdzie ziemia się cofa, a produkt nie; zabarwienie, którego scena nie tłumaczy.
- Przyczyna: oświetlenie sceny dobrane bez uwzględnienia oświetlenia głównego zdjęcia; produkt refleksyjny lub przezroczysty pokazujący swoje stare otoczenie; cień kontaktowy wygenerowany osobno od produktu; skala, której zapytanie nie określiło.
- Naprawa: sceny oświetlone od strony głównego światła; neutralne tło dla produktów refleksyjnych, podłoże do publikacji dla przezroczystych; cień sprawdzony pod kątem kierunku, miękkości i kontaktu; odniesienie skali w scenie tam, gdzie ma to znaczenie.
- Waga błędu: obraz wygląda na fałszywy, zanim ktokolwiek zdąży powiedzieć dlaczego; klient traci zaufanie, nie produkt. Odrzucić i poprawić scenę, nie produkt.
Klasa 4 — źródło było niewystarczająco dobre
Narzędzie musiało zgadywać, bo fotografia tego nie pokazała.
- Jak to wygląda: miękkie krawędzie tam, gdzie źródło było rozmyte; cień wygładzony do zera; produkt w niskiej rozdzielczości na ostrym tle; kolor, którego nie da się zweryfikować, bo brakowało odniesienia; ukryta strona, która staje się klasą 2, gdy pojawia się nowe ujęcie; biały oryginał wciśnięty w ciemną scenę dla produktu przezroczystego.
- Przyczyna: fotografia — rozmycie, nierówne światło, ukryta część, mały plik, nieodpowiednie tło — nie generowanie.
- Naprawa: ponowne zdjęcie. Równe oświetlenie, pełna rozdzielczość, wszystkie strony, odniesienie kolorystyczne, tło, które będzie użyte w obrazie. W Photta pliki do 10 MB zachowują oryginalne detale z aparatu.
- Waga błędu: każdy kolejny obraz dziedziczy ten problem. Napraw źródło, zanim wygenerujesz cokolwiek dalej.
Klasa 5 — właściwe zdjęcie, niewłaściwy kanał
Zdjęcie jest poprawne, ale kanał go nie zaakceptuje lub wyświetli nieprawidłowo.
- Jak to wygląda: główne zdjęcie na tle, gdzie marketplace wymaga czystej bieli; portretowe kadrowanie pokazane w kwadratowej ramce z uciętym produktem; produkt zbyt mały w kadrze, by kanał mógł go powiększyć; cień lub rekwizyt zabroniony przez zasady kategorii; rozmiar pliku lub format odrzucony przez kanał.
- Przyczyna: zdjęcie wykonane przed zapoznaniem się z wymaganiami kanału.
- Naprawa: zapoznać się z aktualnymi wymaganiami kanału bezpośrednio u niego oraz wyeksportować osobno dla każdego kanału: biały kolor tła dla głównego zdjęcia tam, gdzie jest wymagany, odpowiednie kadrowanie i wypełnienie ramki, format i rozmiar akceptowany przy przesyłaniu.
- Skutki: odrzucenie lub niepoprawne wyświetlenie zdjęcia, bez szkody dla klienta. Ponowny eksport, bez generowania od nowa.
Nazwa, miejsce, naprawa
Pętla, którą obsługuje poniższa lista kontrolna, nazwana tak, by inne strony dotyczące dokładności mogły się do niej odwołać.
- Nazwa — każde odrzucone zdjęcie oznaczone klasą i konkretnym błędem.
- Miejsce — klasa przypisana do etapu: źródło, workflow, scena, kontrola lub eksport.
- Naprawa — zmiana na danym etapie i jednokrotne ponowne wygenerowanie zdjęcia; drugi błąd z tej samej klasy oznacza problem na etapie, nie w samym zdjęciu.
Kolejność weryfikacji partii
| Co sprawdzać | Klasa | Pytanie | Jeśli nie przejdzie |
|---|---|---|---|
| Kolor, kształt, faktura, detale względem wzorca | 1 — produkt zmieniony | Czy to ten produkt na zdjęciu? | Odrzuć; zachowaj piksele; jedna zmiana na zdjęcie |
| Liczba zapięć, szwów, oznaczeń, stron | 2 — wymyślony | Czy produkt ma to, co pokazano? | Odrzuć; pokaż wszystkie strony i brakujące elementy w źródle |
| Światło, cień, odbicie, kontakt, skala | 3 — scena się nie zgadza | Czy produkt i scena mają to samo oświetlenie? | Odrzuć; popraw oświetlenie lub zrób zdjęcie sceny, nie produktu |
| Ostrość, rozdzielczość, ukryte części, odniesienia | 4 — źródło | Czy narzędzie mogło to wykryć? | Zrób zdjęcie ponownie; każde kolejne zdjęcie dziedziczy ten błąd |
| Tło, kadrowanie, rozmiar, zasady kategorii | 5 — kanał | Czy kanał to wyświetli? | Ponowny eksport; bez ponownego generowania |
Sprawdzaj w tej kolejności, bo pierwsze dwie to błędy, za które klient może pociągnąć do odpowiedzialności; trzeci podważa zaufanie; czwarty wyjaśnia resztę; piąty to koszt eksportu.
Przegląd na dużą skalę: próbkowanie, wyjątki i dokumentacja
Taksonomia jest stworzona dla osoby oceniającej pojedyncze zdjęcie. Przy katalogu liczącym tysiące pozycji pytanie zmienia się z „czy to zdjęcie jest poprawne” na „które zdjęcia powinien zobaczyć człowiek”, a odpowiedź to zasada próbkowania, zasada wyjątków i dokumentacja.
- Próbkuj według produktu, nie zdjęcia. Każdy produkt jest sprawdzany przynajmniej raz — jego główne zdjęcie w porównaniu z wzorcem — ponieważ dwie pierwsze klasy dotyczą produktu, a zmieniony kolor czy wymyślona cecha powtarzają się na wszystkich zdjęciach tego produktu. Sceny i warianty są próbkowane.
- Pełna kontrola wyjątków. Produkty, których kategoria często zawodzi — np. odbijające, przezroczyste, z drobnym tekstem, biżuteria, warstwowe ubrania — trafiają do pełnej oceny niezależnie od próbkowania, bo ich błędy łatwo przeoczyć przy szybkim przeglądzie.
- Poszerzaj próbkę, gdy pojawi się problem. Jeden odrzucony produkt klasy drugiej w partii oznacza, że źródło problemu jest podejrzane; sprawdź wszystkie produkty fotografowane w ten sam sposób.
- Dokładnie określaj powody odrzucenia. Odrzucenie bez klasy to ponowne wygenerowanie z tym samym wynikiem; odrzucenie z klasą oznacza zmianę w źródle, przepisie, scenie lub eksporcie.
- Prowadź dokumentację. Które zdjęcia zostały obejrzane, przez kogo, w porównaniu z którym wzorcem, z jaką klasą i poprawką. To pozwala zmniejszyć próbkę w kolejnych partiach i zyskać zaufanie do procesu.
Przegląd, który obejmuje każde zdjęcie, nie jest surowszy; to taki, który zostanie pominięty, gdy katalog się opóźni. Próbka, która zawsze obejmuje produkt i wyjątki, to przegląd, który przetrwa.
Jedna partia, pięć nazw
Marka z branży artykułów gospodarstwa domowego ocenia partię kubków z kamionki: dwanaście zdjęć z jednego białego wzorca ze szarą kartą. Dwa pokazują szkliwo cieplejsze o ton od karty — klasa 1, światło sceny dotknęło produktu; proces został zmieniony, aby zachować piksele i oba zdjęcia zostały wygenerowane na nowo. Jedno pokazuje ucho po przeciwnej stronie, którego kubek nie ma — klasa 2, źródło nigdy nie pokazywało tyłu; tył został sfotografowany i na jego podstawie odtworzono kąt. Trzy mają cień padający w stronę okna — klasa 3, scena była oświetlona z niewłaściwej strony; sceny zostały doświetlone od lewej. Jedno jest nieostre na krawędzi — klasa 4, ostrość wzorca; wzorzec został ponownie sfotografowany, a partia powtórzona. Dwa mają kubek za mały na kwadratową miniaturę rynku — klasa 5; zostały przycięte ponownie. Trzy przeszły kontrolę. Każda odrzutka ma swój etap, a kolejna partia zawodzi mniej, bo naprawiono proces, nie tylko zdjęcia.
Najczęściej zadawane pytania
Jaka jest najpoważniejsza wada w AI-fotografii produktowej?
Zmiana lub wymyślenie produktu — klasy 1 i 2 — bo klient może porównać zdjęcie z tym, co otrzyma. Scena niezgodna z produktem podważa zaufanie, choć nie fałszuje produktu; słabe źródło tłumaczy pozostałe błędy; niezgodność kanału skutkuje utratą eksportu.
Dlaczego moje AI-zdjęcia produktów "wyglądają dziwnie", choć nic nie jest ewidentnie nie tak?
Prawie zawsze to klasa 3: produkt i scena nie mają wspólnego źródła światła. Cień pada w złym kierunku, refleksy pojawiają się znikąd, powierzchnia odbija stare studio, produkt zdaje się unosić. Sprawdź kierunek światła na produkcie względem cienia sceny jako pierwsze.
Czy powinienem wygenerować zdjęcie na nowo, czy naprawić źródło?
To zależy od klasy. Klasy 1 i 2 naprawia się w procesie i źródle; klasa 3 w scenie; klasa 4 wymaga ponownego zdjęcia; klasa 5 — ponownego eksportu. Regeneracja z tym samym źródłem i zapytaniem powtarza błąd.
Jak szybko ocenić dużą partię?
W kolejności priorytetów, z nazwami. Porównaj każde zdjęcie z wzorcem w pełnym rozmiarze, oznacz pierwszą klasę, którą oblało, i pogrupuj odrzutki według klas: partia z przewagą jednej klasy wymaga jednej poprawki.
Czy ta klasyfikacja dotyczy też wirtualnych przymiarek i zdjęć modeli?
Tak, z tym że ubranie lub produkt to element, który nie może się zmienić, a model jest częścią sceny. Klasy są takie same; w klasie 2 liczą się guziki, szwy, nadruki i obszycia, a klasa 3 obejmuje dopasowanie i układ materiału względem ciała.
Czego ta strona nie twierdzi
Nie stwierdza, że jakakolwiek klasa występuje w jakimkolwiek narzędziu czy z jakąkolwiek częstotliwością; ta strona niczego nie mierzy. Twierdzi natomiast, że każdy błąd można przypisać do jednej z pięciu klas, z których każda odpowiada konkretnemu etapowi workflow, a recenzja wskazująca klasę naprawia etap, a nie sam obraz.
Aby zachować piksele produktu podczas zmiany sceny, zobacz AI product photography; aby poznać metody pomiaru dokładności obrazu produktu w klasie 1, how to measure AI product image accuracy; a dla klasy 2, szczegółowo, how to prevent AI from adding nonexistent product details.