Geometri, müşterilerin ilk, fotoğrafçıların ise en son fark ettiği hata türüdür. Askısı birkaç santim daha ileriden tutturulmuş bir el çantası, oturma derinliği hafifçe sapmış bir sandalye ya da taş yuvasına doğru kalınlaşan bir yüzük halkası... Tek başına bakıldığında bunların hiçbiri bariz bir hata gibi durmaz. Ancak tamamen farklı bir ürün gibi görünürler ki asıl sorun da tam olarak budur.
Bu metin, geometrik doğruluğu ölçmek için hazırlanmış bir protokoldür; doğrudan hazır bir sonuç sunmaz.
Yapay zekâ ürün görsellerinde geometri doğruluğu nasıl ölçülür?
Oluşturulan görseli aynı ölçekteki tam karşıdan çekilmiş bir referans fotoğrafın üzerine yerleştirin, her ürün için önceden belirlenmiş iki oranı ölçün, sayılabilir her bir unsuru sayın, her iki siluetin de yüksek kontrastta hatlarını çıkarın ve bileşen yerleşimlerini aslına sadık, değişmiş veya yanlış olarak puanlayın. Oranlardaki %2'nin altındaki sapmalar ölçüm hatası kabul edilir; hatalı bir adet ise her zaman "yanlış"tır, çünkü müşteri bunu sayabilir.
Geometri doğruluğu nedir?
Geometri doğruluğu, üretilen bir görselin ürünün şeklini koruyup korumadığıdır: oranları, her bir parçanın bütüne göre konumu, yinelenen bir ögenin adedi ve arka plana karşı genel hatları. Müşterilerin ilk fark ettiği doğruluk boyutu budur; çünkü bir geometri hatası basit bir kusur gibi değil, tamamen farklı bir ürün gibi görünür.
Geometri hatası olarak neler kabul edilir?
Farklı nedenlerden kaynaklanan ve mutlaka ayrı ayrı ele alınması gereken dört hata türü vardır:
- Orantı: Boyutlar arasındaki oran ilişkisi. Dış hatları doğru olsa bile %10 daha uzun görünen bir şişe, tamamen farklı bir boyuttaki ürün algısı yaratır.
- Konumlandırma: Bir parçanın bütüne göre nerede durduğu; cep hizası, tokanın konumu, kulp ile gövdenin birleşim noktası gibi.
- Adet: Tekrar eden ögelerin sayısı. Düğmeler, bağcık delikleri, zincir halkaları veya taban tırtıkları. Yapay zeka görselleri bu konuda sıkça yanılır ve kimse oturup tek tek saymadığı için bu hataları gözden kaçırmak çok kolaydır.
- Siluet: Ürünün arka plana karşı oluşturduğu dış hat çizgisi. Yapay zeka kaynaklı form hatalarının büyük kısmı doğrudan burada ortaya çıkar.
Çakıştırma, ölçme, sayma, iz sürme
Bu sırayla gerçekleştirilen dört işlem; çünkü her biri bir öncekinin gözden kaçırdığını yakalar: Çakıştırma oran sapmalarını ortaya çıkarır, iki oran bunu bir sayıya dönüştürür, sayma işlemi kimsenin dikkat etmediği hataları yakalar ve silüet izleme ise dış hatlardaki şişkinlikleri ve düzleşmiş kavisleri bulur.
Örneklem kümesini oluşturma
Örneklem büyüklüğü ve referans fotoğraflar için genel doğruluk protokolünü takip edin, ardından özellikle geometriye odaklanacak şekilde ağırlıklandırın:
Sayılabilir ögelere sahip ürünlere yer verin. Tekrar eden detayları olan her şey: bağcıklı ayakkabılar, zincirler, düğmeli giysiler, delikli desenler. Adet hataları en çok bu ürünlerde kendini belli eder.
En az beş adet asimetrik ürün ekleyin. Simetri, konumlandırma hatalarını gizler; asimetri ise tüm çıplaklığıyla ortaya çıkarır.
Referans çekimini tam karşıdan (düz açıyla) yapın. Geometri üç çeyrek (açılı) açıdan değerlendirilemez; çünkü perspektif kısalması ile form bozulmasını birbirinden ayırt etmek imkansızdır. Referans görseliniz açılıysa, protokol yapay zeka aracını değil kameranızın açısını ölçmüş olur.
Protokol adımları
- Karar vermeden önce katmanları çakıştırın. Üretilen görseli referans görselin üzerine aynı ölçekte yerleştirin ve üst katmanın opaklığını yaklaşık %50 seviyesine indirin. Bunu herhangi bir görsel düzenleyiciyle yapabilirsiniz. Yan yana bakıldığında görünmeyen hatalar üst üste bindirildiğinde hemen sırıtır; bu tek adım bile orantı sapmalarının çoğunu yakalar.
- Ürün başına önceden belirlenmiş iki sabit oranı ölçün. Bu oranlar her ürün için baştan seçilmeli ve sabit tutulmalıdır: Bir çanta için en-boy oranı ile askı dökümü-gövde yüksekliği oranı; bir ayakkabı için taban uzunluğu ile saya yüksekliği oranı gibi. Yorum yapmak yerine her iki değeri de rakamsal olarak kaydedin.
- Sayılabilir parçaları sayın. Düğmeler, halkalar, bağcık delikleri, taban dişleri. Referansı üretilen görselle kıyaslayın. Bu bir yorum değil, basit bir aritmetiktir.
- Yüksek kontrastta silueti çıkarın. Her iki görselin de eşik değerini (threshold) ayarlayıp dış hatlarını karşılaştırın. Şişkinlikler ve düzleşen kavisler anında kendini gösterecektir.
- Konumlandırmayı puanlayın. Genel protokolle aynı 3 puanlık ölçeği kullanın: birebir, değişikliğe uğramış, hatalı.
Sonuçları yorumlama
%2'nin altındaki oran sapmaları için aksiyon almanıza gerek yoktur. Kalibre edilmiş profesyonel çekimlerle çalışmıyorsanız, bu oran zaten ölçümün kendi hata payı içindedir.
Adet hatası istisnasız "hatalı" kabul edilir. Yanlış sayıda düğmenin kabul edilebilir bir eşik değeri yoktur; çünkü müşteri bunu kolayca sayabilir.
Hataları ciddiyetine göre değil, ürün kategorisine göre gruplayın. Geometrik hatalar nadiren tesadüfidir: Modelin işlemekte zorlandığı formlarda yoğunlaşırlar ve bu örüntü, kataloğunuzun hangi kısımları için hala geleneksel kameraya ihtiyaç duyduğunuzu açıkça gösterir.
Geometri doğruluğu kontrol listesi
| Hata türü | Nasıl tespit edilir? | Nasıl puanlanır? |
|---|---|---|
| Oran | Aynı ölçekte üst üste bindirme; önceden belirlenmiş iki oran | %2'nin altındaki sapmalar yok sayılır; üzerindekiler değer olarak kaydedilir |
| Konumlandırma | Üst üste bindirme, ardından üç puanlık ölçek | Birebir / değiştirilmiş / yanlış |
| Adet | Referanstaki ve çıktıdaki yinelenen ögeleri sayma | Herhangi bir uyumsuzluk "yanlış" kabul edilir |
| Silüet | Her iki görüntüye de eşikleme uygulayıp ana hatları karşılaştırma | Şişkinlikler ve düzleşmiş kavisler ürün bazında kaydedilir |
| Referans açısı | Yalnızca tam karşıdan açı | Açılı bir referans testi geçersiz kılar |
Bağcıklı bir bot örneği
Bağcıklı bir botun üretilen görseli üst üste bindirme testini geçiyor: Dış hatlar, ölçümün kendi hata payı dahilinde referansın içine oturuyor; taban uzunluğunun saya yüksekliğine oranı da eşleşiyor. Ardından sayım aşamasına geçiliyor: Referans görselde yedi çift bağcık deliği varken, üretilen görselde altı çift var. Görselde göze batan hiçbir kusur yok. Ancak ürün yanlış. Bu bot, sayım kriterinde "hatalı" olarak puanlanıyor; kırpılan görsel kanıt olarak saklanıyor ve bağcıklı ayakkabılar kategorisi, hâlâ gerçek bir fotoğraf makinesine ihtiyaç duyan formlar listesine ekleniyor.
Sıkça sorulan sorular
Bir yapay zeka ürün görselinde geometri hatası olarak neler kabul edilir?
Dört unsur: oran (boyutlar arasındaki bağıntılar), yerleşim (bir bileşenin bütüne göre nerede konumlandığı), adet (yinelenen bir öğeden kaç tane bulunduğu) ve silüet (arka plana karşı oluşan dış hat). Farklı nedenleri ve farklı çözüm yolları olduğu için birbirlerinden ayrılırlar.
Referans fotoğraf neden tam karşıdan çekilmiş (dik açılı) olmalıdır?
Çünkü açılı bir referanstaki perspektif kısalması, çıktıdaki bozulmadan ayırt edilemez. Üç çeyrek açıdan bakıldığında protokol, aracı değil kamera konumunuzu ölçer.
Ne kadarlık bir oran sapması önemlidir?
Kalibre edilmiş çekimlerle çalışmadığınız sürece %2'nin altı kendi ölçüm hatanızın sınırları içindedir; bu nedenle müdahale etmeye değmez. Bunun üzerindeki değerlerde, iki oranı bir kanaatten ziyade sayısal veriler olarak kaydedin ve hataları ürün kategorisine göre gruplandırın.
Düğme sayısının yanlış olması hiçbir zaman kabul edilebilir mi?
Hayır. Adet hatası her zaman "yanlış"tır. Yanlış sayıda düğmenin, deliğin veya zincir halkasının kabul edilebilir olduğu bir eşik yoktur; çünkü müşteri sayabilir ve iade formu küçük ile büyüğü ayırt etmez.
Üst üste bindirme (overlay) adımı, yan yana karşılaştırmanın gözden kaçırdığı neleri yakalar?
Oran sapmasını. Aynı ölçekte ve üst katman yaklaşık %50 opaklıkta referansın üzerine yerleştirildiğinde, yan yanayken görünmeyen hatalar belirgin hale gelir ve bu tek adım, herhangi bir ölçümden önce hataların çoğunu yakalar.
Bu protokolün kapsamı dışında kalanlar
Bu yöntem, görselin ürüne ne kadar sadık kaldığını ölçer. Görselin satıp satmayacağı, pazaryeri standartlarına uyup uymayacağı veya müşteriye çekici gelip gelmeyeceği konusunda hiçbir fikir vermez. Bunlar farklı testler gerektiren ayrı sorulardır ve buradaki yüksek bir puan bu soruların hiçbirine yanıt oluşturmaz.
Ayrıca bu protokol, yalnızca referans görseliniz kadar başarılı sonuç verir. Referans fotoğrafınız net değilse, kötü aydınlatılmışsa veya odaklandığınız detayı gizleyen bir açıdan çekilmişse, protokol gerçekte var olmayan bir uyum raporlayacaktır.
İlgili protokoller: Genel görsel doğruluğunu ölçme, doku koruma, renk doğruluğu.
Ölçeceğiniz görselleri üretmek için AI product photography sayfamızı inceleyin.