Geometriska fel är det första kunden lägger märke till och det sista fotografen ser. En handväska där axelremmen fäster två centimeter för långt åt sidan, en stol med aningen fel sittdjup eller en ring vars skena blir tjockare mot infattningen – inget av detta ser ut som ett fel i sig självt. Det ser bara ut som en helt annan produkt, och det är just det som är problemet.
Det här är ett protokoll för att mäta geometrisk precision. Det presenterar inga färdiga resultat.
Hur mäter man geometrisk precision i AI-produktbilder?
Lägg den genererade bilden som ett lager över ett rakt framifrån taget referensfotografi i samma skala, mät två förutbestämda proportioner per produkt, räkna varje räknebart element, kalkera båda siluetterna i hög kontrast och betygsätt komponenternas placering som trogen, förändrad eller felaktig. En proportionsavvikelse under 2 % är mätbrus; ett felaktigt antal är alltid "felaktigt", eftersom en kund kan räkna.
Vad är geometrisk precision?
Geometrisk precision handlar om huruvida en genererad bild behåller produktens form: dess proportioner, var varje komponent sitter i förhållande till helheten, antalet upprepade element samt konturen mot bakgrunden. Det är den precisionsdimension som kunderna lägger märke till först, eftersom ett geometriskt fel inte ser ut som ett misstag – det ser ut som en helt annan produkt.
Vad räknas som ett geometriskt fel?
Det finns fyra huvudsakliga typer, och de måste särskiljas eftersom de beror på olika saker:
- Proportioner – förhållandet mellan olika mått. En flaska med rätt kontur som blir 10 % för hög uppfattas som en helt annan storleksklass.
- Placering – var en enskild detalj sitter i förhållande till helheten: en fickas position, ett spännes placering eller var ett handtag möter väskkroppen.
- Antal – hur många det finns av ett återkommande element. Knappar, snörhål, länkar i en kedja eller räfflor på en sula. Här brister generativa modeller ofta, och felet missas lätt eftersom få faktiskt räknar efter.
- Silhuett – ytterkonturen mot bakgrunden, vilket är där de flesta formfel i genererade bilder faktiskt uppstår.
Lägg på, mät, räkna, spåra
Fyra moment, i just den ordningen, eftersom varje steg fångar det som det föregående missar: överlägget avslöjar proportionella avvikelser, de två proportionerna omvandlar det till ett mätbart värde, räkningen fångar felen som ingen letar efter, och silhuettsp
Bygg ditt urval
Följ vårt generella protokoll för bildprecision gällande urvalsstorlek och referensbilder, och anpassa det sedan specifikt för geometri:
Ta med produkter med räknebara detaljer. Allt med repeterande element – snörskor, kedjor, knäppta plagg eller perforeringar. Det är här antalsfel blir synliga.
Inkludera minst fem asymmetriska produkter. Symmetri döljer placeringsfel, medan asymmetri synliggör dem direkt.
Fotografera referensen rakt framifrån (rakt på). Geometri går inte att bedöma ur trekvartsvinkel, eftersom perspektivförkortning inte går att skilja från ren förvrängning. Om din referensbild är vinklad mäter protokollet kamerans position snarare än verktygets precision.
Protokollet
- Lägg bilderna omlott (overlay) innan du gör en bedömning. Placera den genererade bilden ovanpå referensbilden i exakt samma skala och sänk det övre lagrets opacitet till cirka 50 %. Det fungerar i vilket bildredigeringsprogram som helst. Fel som är osynliga sida vid sida blir uppenbara i ett överlägg, och detta enda steg fångar upp de flesta proportionsavvikelser.
- Mät två fasta proportioner per produkt. Bestäm dessa i förväg och behåll samma för varje artikel: för en väska kan det vara höjd mot bredd samt handtagshöjd mot väskkropp; för en sko kan det vara sulans längd mot ovandelens höjd. Notera de faktiska siffrorna i stället för en subjektiv bedömning.
- Räkna det som går att räkna. Knappar, länkar, öljetter, räfflor. Jämför referensen med den genererade bilden. Detta är ren matematik, inte en smaksak.
- Kalkera silhuetten med hög kontrast – använd tröskelvärde (threshold) på båda bilderna och jämför konturerna. Oönskade utbuktningar och tillplattade kurvor syns direkt.
- Betygsätt placering enligt samma tregradiga skala som i grundprotokollet: trogen, modifierad, felaktig.
Så tolkar du resultatet
Proportionsavvikelser under 2 % är sällan värda att åtgärda. Det ryms inom felmarginalen för din egen mätning, såvida du inte arbetar med helt kalibrerade bildtagningar.
Ett felaktigt antal är alltid "felaktigt". Det finns ingen toleransnivå där fel antal knappar är acceptabelt – kunden kan trots allt räkna.
Klumpa ihop avvikelserna efter produktkategori snarare än efter svårighetsgrad. Geometriska fel är sällan slumpmässiga: de samlas kring specifika former som modellen har svårt att hantera. Mönstret visar tydligt vilka delar av katalogen som fortfarande kräver en traditionell kamera.
Checklista för geometrisk korrekthet
| Typ av fel | Så upptäcker du det | Så poängsätter du det |
|---|---|---|
| Proportion | Lägg över i samma skala; två förvalda proportioner | Avvikelser under 2 % ignoreras; över det registreras som ett värde |
| Placering | Lägg över, använd sedan den tregradiga skalan | Trogen / förändrad / felaktig |
| Antal | Räkna det upprepade elementet i referens och resultat | Varje avvikelse räknas som "felaktig" |
| Silhuett | Tröskelvärdesjustera båda bilderna och jämför konturer | Utbuktningar och tillplattade kurvor registreras per produkt |
| Referensvinkel | Endast rakt framifrån | En vinklad referens ogiltigförklarar testkörningen |
En snörkänga
En genererad bild av en snörkänga klarar överlägget: konturen ryms innanför referensen inom ramen för mätningens egen felmarginal, och sulans längd i förhållande till skaftets höjd stämmer. Sedan kommer räkningen: referensen har sju par snörhål, resultatet har sex. Inget i bilden ser fel ut. Produkten är felaktig. Den kängan bedöms som "felaktig" vid räkningen, beskärningen sparas som bevis och kategorin – snörskor – hamnar på listan över former som fortfarande kräver en kamera.
Vanliga frågor
Vad räknas som ett geometriskt fel i en AI-produktbild?
Fyra saker: proportioner (förhållandet mellan dimensioner), placering (var en komponent sitter i förhållande till helheten), antal (hur många av ett upprepat element det finns) och silhuett (konturen mot bakgrunden). De hålls isär eftersom de har olika orsaker och olika lösningar.
Varför måste referensfotografiet vara rakt framifrån?
Eftersom perspektivförkortning i en vinklad referens inte går att skilja från distorsion i resultatet. Från en trekvartsvy mäter protokollet din kameraposition, inte verktyget.
Hur stor proportionsavvikelse spelar roll?
Under 2 % ryms inom felmarginalen för din egen mätning såvida du inte arbetar utifrån kalibrerade tagningar, så det är inte värt att agera på. Över det registrerar du de två förhållandena som siffror snarare än en bedömning, och grupperar felen efter produktkategori.
Är fel antal knappar någonsin acceptabelt?
Nej. Ett fel i antal är alltid "fel". Det finns ingen tröskel där fel antal knappar, öljetter eller kedjelänkar är acceptabelt, eftersom en kund kan räkna och ett returformulär inte skiljer på små och stora fel.
Vad fångar överläggssteget som en jämförelse sida vid sida missar?
Proportionsavvikelse. Placerad över referensen i samma skala med det översta lagret på cirka 50 % opacitet blir fel som är osynliga sida vid sida uppenbara, och detta enda steg fångar de flesta av dem innan någon mätning görs.
Vad protokollet inte mäter
Det här protokollet mäter hur väl bilden återger den faktiska produkten. Det säger ingenting om huruvida bilden säljer, om en marknadsplats godkänner den eller om kunden tilltalas av den. Det är helt andra frågor som kräver andra tester, och ett perfekt resultat här ger inga svar på det.
Resultatet blir heller aldrig bättre än din referensbild. Om referensfotot är oskarpt, dåligt ljussatt eller taget ur en vinkel som döljer viktiga detaljer kommer protokollet att visa en precision som inte finns i verkligheten.
Relaterade protokoll: Mät bildprecision överlag, Återgivning av texturer, Färgprecision.
För att generera bilderna du ska mäta, se AI-produktfotografering.