Renk, hata payı için en çok mazeret üretilen alandır: Ekranlar farklıdır, ışıklandırma farklıdır, kumaş boya partileri farklıdır. Bunların hepsi doğru olsa da, lacivert sipariş edip siyah ürün alan bir müşterinin o ürünü iade edeceği gerçeğini değiştirmez.
Bu rehber, yapay zeka ile üretilen ürün görsellerinde renk doğruluğunu ölçmeye yönelik bir protokoldür. Herhangi bir hazır sonuç sunmaz, ölçüm yöntemini belirler.
Yapay zekâ ürün görsellerinde renk doğruluğu nasıl ölçülür?
Sabit bir renk yönetimi altında — sRGB referanslar, kalibre edilmiş bir ekran, aynı görüntüleme koşulları — referans ve çıktı üzerindeki önceden belirlenmiş üç düz alandan beşer piksellik ortalamalar alın, değerleri Lab gibi algısal bir renk uzayında karşılaştırın, yüzey dokusu davranışını %100 ölçekte gözle değerlendirin, kendi ürün yelpazenizden birbirine yakın iki tonun ayırt edilebilir kalıp kalmadığını test edin ve işlemi ikinci bir arka planda tekrarlayın. Tolerans eşiğine testi çalıştırmadan önce karar verin.
Renk doğruluğu nedir?
Oluşturulan bir ürün görselinde renk doğruluğu, aslında tek bir kavram gibi anılan üç unsurdan meydana gelir: renk tonu (aynı renk ailesi — siyah değil, lacivert), doygunluk ile parlaklık değeri (doğru yoğunlukta ve açıklıkta doğru renk tonu) ve yüzey dokusunun davranışı (saten bir yüzeyin hâlâ saten gibi görünmesi ve metalik bir dokunun form üzerinde ışıkla birlikte değişmeye devam etmesi). Doku etkisi kaybolmuş ancak rengi tutan bir piksel de bir renk hatasıdır; bu nedenle tek bir pikselden örnek almak hiçbir şeyi kanıtlamaz.
Genelde "renk" denilip geçilen üç kavramı birbirinden ayırın
- Ton (Hue) — Renk ailesi doğru mu? Lacivert ile siyah, bordo ile kahverengi farkı. İadelerin asıl sebebi tam olarak burasıdır.
- Doygunluk ve parlaklık (Saturation & Value) — Doğru rengin yanlış yoğunlukta veya parlaklıkta olması. Doğru rengin soluk ya da fazla patlak bir versiyonu gibi.
- Yüzey bitiş davranışı (Finish behaviour) — Yüzeyin ışığa nasıl tepki verdiği: Saten kumaş saten gibi duruyor mu, metalik yüzey form üzerinde ışığı doğru yansıtıyor mu? Işığa göre ton değiştiren bir kumaşın mat ve düz işlenmesi, seçilen tek bir piksel doğru çıksa bile bir renk hatasıdır.
Çoğu yapay zeka aracı ton konusunda başarılıyken, yüzey bitişi davranışında zayıf kalır. Bu nedenle tek bir pikselden örnek alıp rengin doğru olduğunu iddia etmek yanıltıcıdır.
Renk tonu, yoğunluk, yüzey dokusu
Tek bir puan yerine üç ayrı rapor. Çoğu araç renk tonunda en başarılı, yüzey dokusu davranışında ise en zayıf performansı gösterir; alınacak bir ortalama ise en zayıf olanı gizler. Oysa metalik bir yüzeyin boya gibi görünüp görünmeyeceğini belirleyen tam da bu faktördür.
Test örneğini oluşturma
Örneklem boyutu ve referanslar için genel doğruluk protokolü adımlarını izleyin; ardından testi pratikte en çok sorun çıkaran renklere odaklayın:
- Nötre yakın tonlar — Lacivert, antrasit, kırık beyaz, boz kahverengi (taupe). Üretilmesi en zor ve en çok iade getiren renkler.
- Doygun kırmızı ve turuncular — Birçok görsel işleme sürecinde patlayan (clipping) tonlar.
- Metalik ve sedefli yüzeyler — Yüzey bitiş davranışının kritik önem taşıdığı durumlar.
- Ürün gamınızdan birbirine çok yakın iki ton — Aracın bu iki rengi ayırt edilebilir şekilde tutup tutmadığını test etmek için.
- Hem beyaz hem de orta gri arka planda fotoğraflanmış tek bir ürün — Çevreye göre değişen renk kaymalarını tespit etmek için.
Başlamadan önce renk yönetimini sabitleyin. sRGB formatında referans fotoğraflar, kalibre edilmiş bir ekran ve her karşılaştırma için aynı izleme koşulları şarttır. Aksi takdirde ürünün rengini değil, sadece monitörünüzü ölçmüş olursunuz. Örneğin Etsy, sRGB formatı ister ve yükleme sırasında dönüştürür; Walmart ise RGB formatı şart koşar.
Test protokolü
- Ton tespiti için göz kararı değil, piksel örneklemesi yapın. Her ürünün önceden belirlenmiş üç düz bölgesinden 5x5 piksellik ortalama değerler alın; kenarları, parlamaları ve gölgeleri hariç tutun. Hem referans hem de çıktı görselindeki değerleri kaydedin.
- Farkı algısal bir renk uzayında hesaplayın. RGB uzaklığı insan gözünün gördüğüyle tam örtüşmez; Lab uzayına dönüştürüp karşılaştırın. Bu imkanınız yoksa, ham değerleri kaydedin ve sübjektif bir eşik uydurmak yerine tutarlı bir şekilde kıyaslayın.
- Yüzey bitiş davranışını %100 yakınlaştırmayla gözle değerlendirin. Metalik yansıma form üzerinde akıyor mu? Saten doku ışık geçişlerini koruyor mu? Sonucu korundu veya düzleşti olarak sınıflandırın.
- Birbirine yakın tonları test edin. İki benzer tonu da üretin ve bir müşterinin aradaki farkı anlayıp anlayamayacağına bakın. İki renk tek bir tona dönüşüyorsa, bu durum tek ürünlü testlerin yakalayamayacağı bir hatadır.
- İkinci arka planda tekrarlayın. Arka plan değiştiğinde tonu değişen bir renk, aslına sadık kalınarak yeniden üretilmiyor; sadece yapay zeka tarafından tahmin ediliyordur.
Sonuçları okuma
Toleransınızı testi çalıştırmadan önce belirleyin ve yazılı hale getirin. Neyin "yeterince yakın" olduğuna sonradan karar vermek, testin sadece duymak istediğiniz sonucu onaylamasına yarar.
Nötre yakın tonlara daha fazla ağırlık verin. En zor olan ve maddi kayba en çok yol açan renkler bunlardır.
Yüzey bitişi düzleşmişse, piksel değeri tutsa bile sonuç başarısızdır. Ortalama bir puanın bu hatayı gizlemesini önlemek için iki kriteri ayrı ayrı raporlayın.
Rötuş yapıp yeniden puanlamayın. Çıktıyı düzeltip ardından puanlarsanız, yapay zeka aracını değil kendi rötuş becerinizi ölçmüş olursunuz.
Renk doğruluğu kontrol listesi
| Ne | Nasıl | Başarısızlık örneği |
|---|---|---|
| Renk yönetimi | sRGB referansları, kalibre edilmiş ekran, aynı izleme koşulları | Araç yerine kendi monitörünüzü ölçmek |
| Renk tonu | Üç düz bölgeden beşer piksellik ortalama; Lab formatında karşılaştırın | Lacivertin siyah olarak çıkması |
| Doygunluk ve parlaklık | Aynı örnekler; yoğunluk ve açıklık değerlerini okuyun | Doğru rengin soluklaşmış bir versiyonu |
| Doku ve parlaklık davranışı | %100 ölçekte gözle: Parlaklık veya metalik geçişler korunuyor mu? | Yanar döner kumaşın mat görünmesi |
| Birbirine yakın renk çifti | Kendi ürün gamınızdan birbirine komşu iki ton üretin | İkisinin de tek bir renge dönüşmesi |
| İkinci arka plan | Beyaz ve orta gri zemin üzerinde tekrarlayın | Arka plana göre değişen bir renk aslına uygun üretilmemiş, sadece tahmin edilmiştir |
Lacivert ve antrasit
Aynı seriden iki pantolon: biri lacivert, biri antrasit. Her birinin üç düz bölgesinden örnek alındığında, lacivert ürünün çıktısı çekimden önce belirlenen tolerans aralığında kalır; antrasit olan da öyle. Yan yana getirilip birlikte üretildiklerinde ise tek bir renk gibi görünürler. Tekil testlerin hiçbirinde bir sorun çıkmamıştır. Ancak ikili test başarısız olmuştur; üstelik sipariş paketi ulaştığında müşterinin bizzat yapacağı test de tam olarak budur.
Sıkça sorulan sorular
Nötr tonlara yakın renkler yapay zeka ürün görselleri için neden en zor renklerdir?
Lacivert, antrasit, kırık beyaz ve vizon birbirlerine, ayrıca siyaha ve beyaza çok yakındır; bu nedenle renk tonunda (hue) veya değerinde küçük bir kayma onları farklı bir renk adına taşır. Aynı nedenden ötürü en çok iade edilen renklerdir, bu yüzden test örneğinde bunlara ağırlık verilir.
Bir rengin doğru olduğunu söylemek için piksel değerinin eşleşmesi yeterli midir?
Hayır. Örneklenen bir piksel eşleşirken yüzey dokusu (finish) düzleşmiş olabilir — parlaklık geçişi olmayan bir saten, form boyunca artık yansıma yapmayan bir metalik yüzey gibi. Renk tonu ve yüzey dokusu davranışı ayrı ayrı raporlanır, böylece ortalama bir değer ikincisini gizleyemez.
Neden RGB yerine Lab ile karşılaştırma yapılmalı?
RGB mesafesi insan gözünün gördüğüyle uyuşmaz. Karşılaştırma yapmadan önce Lab gibi algısal bir renk uzayına dönüştürün; bu mümkün değilse, rastgele bir eşik uydurmak yerine ham değerleri kaydedin ve bunları tutarlı bir şekilde karşılaştırın.
Testi neden ikinci bir arka planda tekrarlamalıyız?
Arka plan değiştiğinde değişen bir renk, referanstan yeniden üretilmiyor; çevreden çıkarımlanıyor demektir. Beyaz ve orta gri bunu açığa çıkarır.
Rengi düzeltip düzeltilmiş görseli puanlayabilir miyim?
Hayır. Çıktıyı düzenleyip düzenlenmiş versiyonu puanlarsanız, aracı değil kendi rötuşunuzu ölçmüş olursunuz. Toleransı testten önce belirleyin ve aracın ürettiği sonucu puanlayın.
Bu protokolün kapsamı dışındakiler
Bu yöntem, kontrollü izleme koşullarında bir referansa olan sadakati ölçer. Rengin, gün ışığında kalibre edilmemiş bir telefon ekranında nasıl görüneceğini söylemez; bu tamamen ayrı bir konudur ve üretilen hiçbir görsel testi bu sorunu tek başına çözemez.
İlgili protokoller: Genel görsel doğruluğunu ölçme, ürün geometrisi, doku koruma.
Ölçeceğiniz görselleri üretmek için AI product photography sayfamıza göz atın.