Yapay Zeka Ürün Görsellerinde Doğruluk Ölçümü

Yapay zeka ile ürün fotoğrafçılığına dair her iddia eninde sonunda tek bir soruya indirgenir: Üretilen görsel, gerçekten sattığınız ürünü mü gösteriyor? Herkes bu durumu "doğruluk" olarak adlandırır ancak neredeyse hiç kimse net bir tanım yapmaz. Bu yüzden araçlar arasındaki karşılaştırmalar genellikle kişisel görüşlerin ötesine geçemez.

Bu kılavuz, doğruluğu somut olarak ölçmek için hazırlanmış bir protokoldür. Size hazır bir sonuç sunmaz. Bunu doğrudan kendi ürün kataloğunuz ve referans fotoğraflarınız üzerinde uyguladığınızda, başkalarının örneklerini değil, tamamen kendi ürünlerinizi yansıtan net veriler elde edersiniz.

Yapay zeka ürün görseli doğruluğu nasıl ölçülür?

Üretilen görseli, aynı ürünün sabit bir referans fotoğrafıyla karşılaştırarak dört ayrı boyutta (geometri, doku, renk ve işaretler) üç puanlık bir ölçekle (birebir, değişmiş, hatalı) puanlayın; değerlendirmeyi iki bağımsız puanlayıcı yapsın ve her "hatalı" için yazılı bir gerekçe belirtilsin. Gerçek katalogdan seçilen yaklaşık otuz ürünlük bir örneklem kullanın, bunları tek bir yapılandırma altında üretin ve ortalama almak yerine puanların dağılımını raporlayın.

Yapay zeka ürün görseli doğruluğu nedir?

Yapay zeka ürün görseli doğruluğu, oluşturulan bir görselin gerçekten sattığınız ürünü ne ölçüde yansıtmaya devam ettiğidir: ürünün şekli ve oranları, yüzey dokusu, verilen ışık altındaki rengi ve üzerindeki logolar, baskılar ile dikiş detayları. Doğruluk, görselin ne kadar çekici göründüğüne bakılarak değil, her zaman bir referans fotoğrafla karşılaştırılarak ölçülür. Tek bir puan yerine dört ayrı puan üzerinden değerlendirilir; çünkü bir araç üç boyutta aslına sadık kalırken dördüncü boyutta yanıltıcı olabilir.

Doğruluk dört ayrı boyuttan oluşur

Doğruluğu tek bir puanla değerlendirmek yapılan ilk hatadır. Üretilen bir görsel renk açısından kusursuzken oranlar açısından tamamen hatalı olabilir ve tek bir genel puan bu gerçeği gizler.

Geometri — form, oranlar ve parçalar arasındaki boyutsal ilişki
Doku — yüzey detayları: kumaş dokusu, gren, fırçalanmış metal, mat ve parlak ayrımı
Renk — ton, doygunluk ve yüzey kaplamasının yapay ışık altındaki davranışı
İşaret ve Detaylar — logolar, baskılı metinler, dikişler, seri numarası plakaları ve damgalar

Bu boyutları ayrı ayrı puanlayın. Bir aracın üç boyutta çok güçlü, bir boyutta zayıf olduğunu bilmek işinize yarar; oysa ortalama bir puan hangi boyutun yetersiz kaldığını göstermez.

Pencere ışığında açık renkli fon kağıdı üzerine yerleştirilmiş katlanmış vizon rengi triko kazak, benekli seramik kupa ve kaplumbağa kabuğu desenli güneş gözlüğü. — Ölçmeye değer bir numune birden fazla materyal türünü kapsar.

Örneklem, puanlama, tekrar

Örneklem — gerçek katalogdan otuz ürün, zor vakalar orantılı şekilde dahil edilmiş, her biri için bir referans fotoğrafı ve girdiler kayıt altında.
Puanlama — dört boyut, üç puanlı ölçek, iki puanlayıcı, her "yanlış" için bir gerekçe.
Tekrar — her araç sürümünde aynı örneklem ve ölçek; aksi takdirde yapılan karşılaştırma iki farklı şey arasında olur.

Güvenilir ve tutarlı bir örneklem oluşturun

Testin sonucunu puanlamadan ziyade seçtiğiniz örneklem belirler.

5 değil, 30 ürün seçin. Yaklaşık otuzdan az ürün seçtiğinizde, tek bir sıra dışı parça tüm sonucu saptırabilir. Ürünleri sadece fotojenik olanlardan değil, gerçek kataloğunuzun genelini yansıtacak şekilde seçin; kolay ürünlerden oluşan bir örneklem hiçbir şeyi ölçemez.

Zorlu durumları mutlaka dahil edin. Her katalogda yapay zeka görsellerini zorlayan kategoriler bulunur: şeffaf ve yansıtıcı yüzeyler, ince tekrarlayan desenler, derin siyahlar, küçük baskılı yazılar ve karmaşık silüetler. Bu ürünler kataloğunuzun %20'sini oluşturuyorsa, örnekleminizin de %20'si bunlardan oluşmalıdır.

Her ürün için tek bir referans fotoğraf belirleyin. Aynı ışık, aynı açı, net odaklanmış ve tam çözünürlükte. Bu sizin mutlak referans noktanızdır (ground truth). Her şey buna göre puanlanacağı için zayıf bir referans görseli tüm testin kalitesini düşürür.

Girdi verilerini kaydedin. Hangi referans görselin kullanıldığı, hangi ayarların seçildiği ve aracın hangi sürümünün çalıştığı kaydedilmelidir. Bu bilgiler olmadan test tekrarlanamaz; tekrarlanamayan bir ölçüm ise sadece bir varsayımdan ibarettir.

Test protokolü

Tek bir konfigürasyonla görsel üretin. Örneklemdeki her ürün için aynı ayarları kullanın. Testin ortasında ayar değiştirmek sonuçları yorumlanamaz hale getirir.
Her çıktıyı referans görseliyle eşleştirin ve aynı ekran boyutunda yan yana getirin. Küçük bir önizleme görselini tam çözünürlüklü bir referansla kıyaslamak yapay zeka çıktısını yanıltıcı şekilde kusursuz gösterebilir.
Dört boyutun her birini 3 puanlık sabit bir ölçekte puanlayın: birebir — müşteri hiçbir fark görmez; değişmiş — gözle görülür fark var ancak ürün hala net şekilde tanınıyor; hatalı — bu ürünü teslim alan bir müşteri haklı olarak yanıltıldığını düşünür.
Birbirinden bağımsız iki farklı kişi puanlasın. Görüş ayrılığı olduğunda hem iki puanı hem de gerekçelerini kaydedin. Puanlardaki farklılık da bir veridir: genellikle aracın yetenek sınırını tam olarak nerede aştığını gösterir.
Ortalamayı değil, dağılımı raporlayın. "Yirmi dört birebir, dört değişmiş, iki ürünün işaret/detayları hatalı" ifadesi aksiyon alınabilir bir veridir. "10 üzerinden 8.2" ise hiçbir pratik fayda sağlamaz.

Sonuçların dürüst kalmasını sağlayan puanlama kuralları

Görseli değil, ürünü puanlayın. Yanlış renk tonuna sahip harika bir görsel başarısızdır. Ürünü birebir yansıtan sıradan bir görsel ise testi geçmiştir.

"Hatalı" puanının mutlaka bir gerekçesi olmalıdır. Müşterinin tam olarak neyi fark edeceğini yazın — "askı tokası halkaya dönüştü", "baskı deseni yanlış ölçekte üretildi". Gerekçesi kaydedilmemiş bir puanla tartışılamaz; bu durum dışarıdan bir avantaj gibi görünse de aslında bir eksikliktir.

Aynı oturumda bir ürünü iki kez puanlamayın. Göz aşinalığı, değerlendirmeyi yapan kişinin her turda daha hoşgörülü olmasına yol açar.

Başarısız örnekleri saklayın. Bunlar tüm bu sürecin en değerli çıktısıdır — puandan bile daha değerlidir — çünkü kataloğunuzun hangi kısımlarında mutlaka geleneksel ürün çekimi yapılması gerektiğini gösterir.

Ahşap bir masa üzerinde, ters çevrilmiş küçük bir fotoğraf baskısı destesinin yanında duran eller. — Fotoğraf baskıları sıra kendilerine gelene kadar ters durduğunda puanlama yapmak kolaylaşır.

Doğruluk puanlama kontrol listesi

Adım	Önceden netleştirilmesi gerekenler	Testi geçersiz kılan durumlar
Örneklem	Gerçek katalogdan yaklaşık otuz ürün, zorlu durumlar orantılı şekilde dağıtılmış	Fotoğrafta iyi çıkan ürünleri seçmek
Referans	Ürün başına tek bir fotoğraf: aynı ışık, aynı açı, odakta, tam çözünürlükte	Net olmayan veya açılı çekilmiş bir referans
Yapılandırma	Tüm test boyunca tek bir ayar seti ve tek bir araç sürümü	Testin ortasında ayarları değiştirmek
Karşılaştırma	Çıktı ve referans aynı görüntüleme boyutunda	Küçük bir önizleme görselini tam çözünürlüklü referansla kıyaslamak
Ölçek	Sadık / değişmiş / yanlış; puanlama başlamadan önce tanımlanmış	Sonuçlar geldikten sonra "değişmiş" tanımını yeniden yapmak
Puanlayıcılar	İki kişi, birbirinden bağımsız, görüş ayrılıkları gerekçeleriyle kaydedilmiş	Tek puanlayıcı olması veya aynı ürünün tek oturumda iki kez puanlanması
Rapor	Boyut başına dağılım	Tek bir ortalama puan

Bir ceket, dört puan

Vakslı pamuklu bir ceketin üretilen görseli, referanstan bile daha iyi görünüyor. Referansa göre puanlandığında; renk açısından sadık, geometri açısından sadık, doku açısından değiştirilmiş (vakslı yüzey yerini tekdüze bir parlaklığa bırakmış) ve işaretler açısından yanlış çıkıyor çünkü göğüsteki işlemeli logo şekil değiştirmiş. Belirtilen gerekçe ise "logo yeniden çizilmiş". Tek bir ortalama puan kullanılsaydı, ürün listelemesi için kritik olan tek gerçek gizlenmiş olacaktı: Görseldeki ürün, müşteriye gönderilecek olan ürün değil.

Testi tekrarlama

Yeniden uygulanamayan bir protokol, sadece anlık bir kişisel yorumdan ibarettir. Bu protokolü tekrarlayabilmek için şunları yazılı olarak arşivleyin: ürün listesi, referans fotoğraflar, kullanılan araç sürümü ve ayarları, puanlama ölçeği, puanlamayı yapan kişiler ve tarih. Yapay zeka aracı yeni bir model sürümüne geçtiğinde veya kataloğunuza ilk örneklemde yer almayan yeni bir ürün kategorisi eklediğinizde testi tekrarlayın.

İki farklı testi birbiriyle kıyaslamak yalnızca örneklem ve ölçek tamamen aynı olduğunda geçerlidir. Farklı bir örneklem, bambaşka bir şeyi ölçer.

Sıkça sorulan sorular

Yapay zekâ görsel doğruluğunu ölçmek için kaç ürüne ihtiyacınız var?

Yalnızca iyi fotoğraf veren ürünlerden değil, gerçek kataloğun genelinden seçilmiş yaklaşık otuz ürün. Bunun altındaki sayılarda, tek bir sıra dışı ürün sonucu saptırır. Şeffaf ve yansıtıcı yüzeyler, ince tekrarlayan desenler, koyu siyahlar, küçük baskılı metinler ve karmaşık silüetler gibi zorlu durumları katalogdaki oranlarına uygun şekilde dahil edin.

Yapay zekâ ürün görsellerini puanlamak için hangi ölçeği kullanmalısınız?

Puanlamadan önce tanımlanmış üç puan: aslına sadık (müşteri bir fark anlamaz), değişmiş (gözle görülür şekilde farklı ancak ürün hâlâ tanınabilir), yanlış (bu ürünü teslim alan bir müşteri haklı olarak yanıltıldığını hissedebilir). Geometri, doku, renk ve işaretleri ayrı ayrı puanlayın ve her "yanlış" için bir gerekçe kaydedin.

Neden tek bir doğruluk puanı kullanılmamalı?

Çünkü hangi boyutun başarısız olduğunu gizler. Bir araç renk ve geometri açısından aslına sadık kalırken işaretler konusunda yanlış sonuç verebilir; bunların ortalaması alındığında sonuç "iyi" olarak görünür. Hangi ürünlerin gerçek bir fotoğrafa ihtiyaç duyduğunu size gösteren şey, boyut başına düşen dağılımdır.

Referans fotoğrafın nasıl olması gerekir?

Temel gerçeklik (ground truth) niteliğinde olmalıdır: her ürün için aynı ışık ve açı, odakta ve tam çözünürlükte. Her şey bu fotoğrafa göre puanlanır; bu nedenle zayıf bir referans, tüm çalışmanın kalitesini sınırlar ve gerçekte var olmayan bir uyumu raporlar.

İki doğruluk testi karşılaştırılabilir mi?

Yalnızca örneklem, referans fotoğraflar, ölçek ve araç sürümü tamamen aynıysa ve yazılı olarak belgelendiyse karşılaştırılabilir. Farklı bir örneklem farklı bir şeyi ölçer; tekrarlanamayan bir test ise yalnızca bir anekdottan ibarettir.

Bu protokolün kapsamı dışında kalanlar

Bu protokol, üretilen görselin ürüne ne kadar sadık kaldığını ölçer. Görselin satış getirip getirmeyeceği, pazar yerlerinin bunu onaylayıp onaylamayacağı veya müşterilerin bunu çekici bulup bulmayacağı hakkında hiçbir şey söylemez. Bunlar farklı testler gerektiren ayrı konulardır ve buradan alınacak yüksek bir puan bu soruların hiçbirine yanıt vermez.

Testin doğruluğu, referans görselinizin kalitesiyle sınırlıdır. Referans fotoğrafınız netsiz, kötü aydınlatılmış veya önemli bir detayı gizleyen bir açıdan çekilmişse, protokol aslında var olmayan bir doğruluğu geçerliymiş gibi gösterebilir.

Dört boyuttan üçünün kendi özel test süreçleri bulunur; çünkü her birinin hata verme biçimi farklıdır: ürün geometrisi, doku koruma ve renk doğruluğu. Aynı protokolü tek bir araç yerine birden fazla çözüm üzerinde çalıştırmak için yapay zeka ürün fotoğrafçılığı araçlarını kıyaslama rehberi içeriğimize göz atabilirsiniz.

Puanlayacağınız görselleri hemen üretmek için yapay zeka ürün fotoğrafçılığı aracımızı inceleyin.

Yapay Zeka Ürün Görsellerinde Doğruluk Nasıl Ölçülür?