En fotografs misstag märks direkt: oskärpa, utfrätta högdagrar eller en sned horisont. Misstagen i en AI-genererad bild smyger sig däremot på. Bilden är knivskarp, ljussättningen sitter och kompositionen är perfekt – men plagget har en knapp mindre än det som ligger på lagret. Kvalitetskontroll för AI-modefotografi handlar därför inte om samma sak som vid en traditionell fotografering. Det handlar mindre om huruvida bilden är snygg, och mer om huruvida den är sanningsenlig.
Den här sidan är just den checklistan. Vi presenterar inga godtyckliga procentsatser för träffsäkerhet och pekar inte ut några specifika verktyg som godkända. Istället listar vi exakt vad du ska kontrollera, i vilken ordning, samt villkoren för godkännande respektive underkännande för varje punkt. Hur du omvandlar kontrollerna till ett mätbart poängsystem beskrivs i how to measure AI product image accuracy.
Hur kvalitetsgranskar man en AI-genererad modebild?
Lägg det genererade resultatet bredvid din flat lay-bild i full storlek och gå igenom fem områden i ordning: plagget (identitet, detaljer, mönster, färg, material), kroppen (proportioner, händer, ansikte gentemot kollektionens modell, hud), scenen (ljusriktning, skuggor, bakgrund, reflektioner), sammanhanget (enhetlighet mot produktens övriga bilder och hela kollektionen) samt filen (upplösning, beskärning, format och filstorlek för respektive kanal). Varje rad har ett villkor för underkännande. En underkänd bild genereras alltid om från samma källfil – plagget ska aldrig retuscheras. Vid stora volymer görs stickprov på varje batch, felen loggas efter typ och åtgärderna skalas upp över hela körningen.
Vad innebär kvalitetskontroll inom AI-modefotografi?
Kvalitetskontroll för AI-modefotografi innebär att granska varje genererad produktbild mot dess källfotografi och mot kollektionens grafiska riktlinjer innan publicering. Resultatet blir antingen att godkänna, generera om eller fotografera om källbilden. Det skiljer sig från en vanlig fotogranskning genom vad man faktiskt letar efter: en traditionell plåtning kontrolleras för teknisk kvalitet, medan en AI-genererad bild granskas för autenticitet och exakthet – alltså om plagget, kroppen och scenen faktiskt överensstämmer med verkligheten. Den tekniska kvaliteten är nämligen det enda ett generativt verktyg nästan aldrig misslyckas med.
Granskningsordning
Börja med de dyraste felen, så att en felaktig bild underkänns så tidigt som möjligt i processen.
- Plaggets identitet och detaljer – jämför mot din flat lay. Om plagget har förändrats underkänns bilden direkt och resten behöver inte kontrolleras.
- Kroppen – proportioner, händer, ansikte, hud. En felaktig kropp på ett korrekt plagg är fortfarande underkänd, men kräver en enklare och billigare omgenerering.
- Scenen – ljus, skuggor, bakgrund. Det är oftast här färgskiftningar uppstår.
- Sammanhanget (setet) – bilden placerad intill produktens övriga vinklar och kollektionens bildrutnät.
- Filen – exportfilen kontrollerad mot säljkanalens specifika krav.
Checklista för kvalitetskontroll av AI-modebilder
Plagget
| Kontrollpunkt | Godkänn | Underkänn |
|---|---|---|
| Identitet | Exakt samma plagg som på flat lay-bilden: skärning, paneler, sömmar | Ett snarlikt plagg |
| Ringning, fåll, ärmar | Form och längd stämmer helt överens med det fysiska plagget | Fördjupad, förkortad, förlängd eller ändrad form |
| Knäppning, fickor, metalldetaljer | Samma antal, placering och typ | Tillagda, borttagna, flyttade eller förenklade detaljer |
| Tryck och mönster | Samma motiv, skala, mönsterpassning och kontinuitet; läsbar text | Förskjutet, omskalat, brutet, spegelvänt eller oläsligt |
| Färg | Källans exakta färg under scenens ljusförhållanden | Ändrad nyans eller mättnad; en färgställning som förvanskats |
| Materialbeteende | Faller, draperas och beter sig som det faktiska tyget | Felaktigt fall; ribbstickning som blivit slät; förändrad lyster |
| Passform | Sitter som avsett för plagget och är konsekvent över alla vinklar | En passform som varierar mellan olika bilder |
Kroppen
| Kontrollpunkt | Godkänn | Underkänn |
|---|---|---|
| Modell | Kollektionens avsedda modell: ansikte, kropp, hudton, hår | En annan person, eller samma person med subtila avvikelser |
| Proportioner | Naturliga längder på lemmar och anatomiskt korrekta leder | Förvrängda armar/ben, anatomiskt omöjliga leder |
| Händer och fötter | Rätt antal fingrar; händerna gör något naturligt och rimligt | Extra eller saknade fingrar; händer som dolts för att slippa genereras |
| Ansikte | Naturligt uttryck som är konsekvent med modellen genom hela bildserien | Onaturliga drag ("uncanny valley"); ansiktet skiljer sig mellan bilderna |
| Hud och hår | Konsekvent ton och textur som matchar modellen | Tonen förskjuten av scenen; hår som plötsligt bytt längd |
| Posering | Ryms inom kollektionens fastställda poser för den specifika plaggsorten | En pose som plagget inte klarar av, eller som bryter mot konceptet |
Scenen
| Kontrollpunkt | Godkänn | Underkänn |
|---|---|---|
| Ljusriktning | Huvudljus från rätt håll enligt riktlinjerna; skuggorna harmonierar | Skuggor som motsäger ljuskällan, eller ljussättning från fel håll |
| Bakgrund | Det specificerade värdet för den aktuella bildtypen | Fel bakgrundsvärde på huvudbilden; rörig miljö på en ren produktbild |
| Reflektioner och kontakt | Fötterna står stadigt på golvet; plagget nuddar kroppen naturligt | Modellen svävar, har dubbla skuggor eller speglar något som inte finns |
| Rekvisita | Ingen rekvisita på huvudbilden; strikt varumärkesanpassad på miljöbilder | Rekvisita med synlig text, logotyper eller konkurrerande produkter |
Sammanhanget (setet)
| Kontrollpunkt | Godkänn | Underkänn |
|---|---|---|
| För produkten | Framifrån, bakifrån, detalj och lifestyle visar samma plagg på samma modell | Plagget skiljer sig mellan vinklarna; baksidan är en spegelvänd framsida |
| För kollektionen | Samma modell, beskärning, ljus och upplösning som övriga bilder i rutnätet | En bild som sticker ut eller bryter mönstret |
| Färgställningar | Varje färgvariant är avstämd mot ett fysiskt färgprov | Endast kontrollerad mot en datorskärm |
Filen
| Kontrollpunkt | Godkänn | Underkänn |
|---|---|---|
| Upplösning | Masterfilen i högsta upplösning; anpassade exporter per kanal | En 2K-master där säljkanalen kräver högre upplösning |
| Beskärning och format | Varumärkets beskärning; kanalens bildförhållande baserat på denna | Manuell beskärning i efterhand för varje enskild kanal |
| Format och filstorlek | Helt enligt kanalens tekniska specifikationer | Ett filformat eller en filstorlek som kanalen avvisar |
| Metadata | Inga interna uppgifter eller oönskad data inbäddad i filen | Tillfälliga URL:er eller promptar kvarlämnade i bildfilen |
De specifika kanalreglerna hittar du i product image requirements by marketplace.
Plagg, kropp, scen, sammanhang, fil
Det här är arbetsflödet som checklistan ovan bygger på, definierat för att våra övriga modeguider ska kunna hänvisa direkt till det.
- Plagget – allt som kunden kommer att jämföra med den levererade produkten.
- Kroppen – allt som AI-verktyget har fått frihet att skapa, granskat för realism och överensstämmelse med kollektionens modell.
- Scenen – ljus, skugga och bakgrund, kontrollerade så att de bildar en harmonisk helhet.
- Sammanhanget – bilden ställd mot produktens övriga vinklar och den omgivande produktkatalogen.
- Filen – den exporterade bildfilen kontrollerad mot kanalens tekniska krav.
Stickprovskontroll vid stora volymer
Ingen granskar tusen bilder rad för rad. Vid produktion av en hel kollektion gör du så här:
- Gör stickprov på en bestämd andel av varje batch, jämnt fördelat över plaggtyper och färgställningar.
- Granska urvalet noggrant mot samtliga grupper i checklistan.
- Logga felen efter typ, inte per enskild bild: t.ex. "fållen förkortad på klänningar i posen med lyfta armar" eller "händerna dolda i batchen med byxor".
- Generalisera – en feltyp som upptäcks i urvalet kontrolleras på varje enskild bild i batchen där felet potentiellt kan förekomma.
- Generera om baserat på feltyp – åtgärda grundorsaken i inställningarna och kör sedan om hela den berörda serien utifrån den sparade looken.
Det kompletta protokollet med urvalsstorlekar och poängsättning hittar du i how to measure AI product image accuracy.
En bild, fem minuter
Ta en modellbild av en stickad klänning, genererad i Photta:s apparel studio. Lägg den bredvid flat lay-bilden i full storlek.
Plagget: ringningen är samma båtringning som flat lay-bilden visar; fållen slutar precis vid knät så som längden antyder; inga knappar eller dragkedjor finns att räkna; ribbstickningen löper vertikalt och har tydlig struktur; färgen matchar referensen mot vitt kort. Kroppen: kollektionens modell, båda händerna synliga med fem fingrar, en naturlig pose som följer konceptet. Scenen: huvudljus från vänster enligt manualen, en enhetlig skugga som bekräftar ljuset, vit bakgrund. Sammanhanget: samma modell och beskärning som byxorna bredvid i rutnätet. Filen: 4K-master, korrekt beskärning, redo för kanalexport. Godkänd. Om ribbstickningen i steg ett hade slätats ut till en enkel trikå hade granskningen avbrutits direkt och bilden skickats tillbaka för omgenerering från samma flat lay.
Vanliga frågor
Vad ska jag kontrollera i en AI-genererad modebild innan jag publicerar den?
Fem områden, i följande ordning: plagget jämfört med flat lay-bilden (identitet, detaljer, tryck, färg, material, passform), kroppen (proportioner, händer, ansikte gentemot kollektionens modell, hud, pose), scenen (ljusriktning, bakgrund, kontakt och reflektioner, rekvisita), sammanhanget (enhetlighet för produkten och inom kollektionen) samt filen (upplösning, beskärning, format, metadata). Varje punkt har ett tydligt villkor för underkännande, och en underkänd bild genereras om istället för att retuscheras.
Vilket är det vanligaste felet i AI-genererade modebilder?
Subtila förändringar av själva plagget: en ringning som blivit djupare, en fåll som flyttats, knappar som förenklats eller ett mönster som ändrat storlek. Dessa är både vanligast och mest kostsamma eftersom de förvandlar bilden till en helt annan produkt. Därför sätter checklistan alltid plagget först och fokuserar på exakt räkning snarare än tycke och smak.
Hur granskar jag AI-bilder i stor skala för en hel katalog?
Gör stickprov på en fast procentsats av varje batch, fördelat över plaggtyper och färger. Granska stickprovet med hela checklistan och logga felen per feltyp. Kontrollera därefter alla bilder i batchen där den specifika feltypen kan uppstå, justera inställningarna som orsakade felet och generera om hela den påverkade serien från den sparade profilen.
Borde jag fixa småfel i Photoshop istället för att generera om bilden?
Inte om felet sitter på själva plagget. En retuscherad knapp, fåll eller mönsterdetalj blir en efterhandskonstruktion ovanpå modellens generering – och det på den del av bilden kunden granskar mot den levererade varan. Generera om från källbilden med en mer preciserad prompt istället. Retuschering är däremot helt acceptabelt för bakgrunder och slutlig exportjustering.
Hur skiljer sig granskningen av en AI-bild från ett vanligt fotografi?
Ett fotografi granskas för teknisk kvalitet: skärpa, exponering och komposition. En AI-genererad bild är nästan alltid tekniskt perfekt och måste istället granskas för autenticitet och exakthet: huruvida plagget, kroppen och scenen verkligen stämmer överens med verkligheten. Checklistan är därför en ren jämförelse mot källmaterialet och varumärkets standard, inte en bedömning av bilden som ett fristående konstverk.
Vad den här guiden inte lovar
Vi påstår inte att något specifikt verktyg klarar denna checklista med en viss procentsats, eller att bilder som klarar den automatiskt säljer mer. Detta är en konkret genomgång av vad som kan bli fel och hur du upptäcker det; hur ofta ett verktyg genererar rätt resultat är något du själv mäter på dina egna plagg med hjälp av protokollet vi länkar till ovan.
För att skapa bilderna som checklistan granskar, se AI fashion photography. För en djupare genomgång av kontrollpunkterna för plagg, läs how to prevent AI from changing clothing details.