在所有涉及精度的维度中，“色彩”往往是借口最多的一个：屏幕有色差、光线不一样、批次染料有差异……这些确实都是客观事实，但依然无法改变一个现实——买了藏青色却收到黑色的顾客，一定会选择退货。
这是一套用于评估 AI 生成商品图色彩还原度的实测方案，本文不预设或发布任何特定工具的测试结论。
如何衡量 AI 商品图的色彩准确度？
在固定的色彩管理流程下——使用 sRGB 参考标准、校准过的显示屏和相同的观察环境——从参考图与生成图上预先指定的 3 个平整区域中提取 5×5 像素的平均值，在 Lab 等感知色彩空间中比对数值差异，在 100% 比例下通过肉眼判断材质质感表现，测试自家产品系列中两个相近的色号是否仍能明确区分，并在第二种背景下重复该流程。在开始测试前，请先确定容差范围。
什么是色彩准确度？
在生成的商品图中，色彩准确度其实是将三种不同的属性混为一谈：色相（属于同一色系——是藏青而非纯黑）、饱和度与明度（色相准确，且深浅明暗恰到好处），以及材质质感表现（缎面是否仍呈现缎面光泽，金属质感是否仍随形体产生光影流转）。即使某个像素点的颜色完全匹配，但如果材质质感被磨平，它依然属于色彩失真——这也是为什么仅对单个像素取样根本说明不了任何问题。
区分常被混为一谈的“色彩”三要素
- 色相（Hue）——是否属于同一色系？比如藏青与纯黑、酒红与棕褐。色相偏差是导致退货的最主要原因。
- 饱和度与明度（Saturation and Value）——色相正确，但纯度或明暗度出现偏差。比如看起来像是原本颜色的水洗褪色版。
- 光泽与材质特性（Finish Behaviour）——表面对光线的物理反射效果：缎面材质是否呈现出应有的光感？金属材质的高光是否随形体结构产生渐变流动？如果把变色面料渲染成了毫无光影变化的扁平色块，即使取样点的像素值完全一致，这依然属于色彩失真。
大多数工具在色相控制上表现尚可，但在材质光泽特性的还原上最为薄弱。因此，仅靠吸取单个像素就断定颜色准确，是非常具有误导性的。
色相、饱和度、光泽质感
提供三项独立报告，而非单一的综合评分。大多数工具在色相还原上表现最佳，但在光泽质感的表现上最为薄弱；若取平均分，反而会掩盖这一短板——而这恰恰是决定金属材质看起来是否失真成普通油漆的关键。
构建测试样本库
关于样本量与参考基准，请参考我们的通用精度评估方案，并在选品时向最容易出现翻车的颜色倾斜：
- 近中性色（Near-neutrals）——藏青、炭黑、米白、灰褐。这类颜色难度最高，也是退货率最高的重灾区。
- 高饱和度的红与橙——在许多图像生成管线中极易发生过曝裁切（Clipping）。
- 金属光泽与珠光材质——这类材质的核心卖点完全依赖于光泽质感。
- 自家产品线中相邻相近的两种色号——用于测试工具是否能保持两者清晰可辨，而不是混为一谈。
- 同一产品分别在纯白和中灰背景下拍摄——用于检验产品颜色是否会受到周围背景环境色的干扰而发生偏移。
开始测试前，请务必统一步骤中的色彩管理。 参考图需统一采用 sRGB 色彩空间、在经过校色的显示器上查看，并确保每次对比时的环境光线一致。否则，你测出来的只是你显示器的偏色程度。例如，Etsy 要求使用 sRGB 并在上传时进行色彩转换；Walmart 则明确要求使用 RGB。
标准测评步骤
- 色相检测：依靠数据取样，切忌肉眼估测。 在每件产品的 3 处预设平整区域（避开边缘、高光和暗部），各取 5x5 像素的平均值。分别记录参考图与生成图的数值。
- 在感知色彩空间中计算色差。 RGB 色彩空间的数值距离与人眼实际感知的色差并不一致；请转换为 Lab 色彩空间（如计算 ΔE）进行比对。如果不具备转换条件，请严格记录原始数值并保持统一的对比标准，切勿主观随意设定合格阈值。
- 在 100% 原始比例下，肉眼评估光泽与材质特性。 金属质感是否依然随着形态产生连续高光？缎面是否保留了柔和的渐变光泽？将结果直接归类为*“质感保留”或“质感扁平化”*。
- 测试相近色号。 同时生成相近的两个色号，评估普通消费者能否清晰区分。如果生成结果模糊成同一种颜色，说明该模型无法通过单品测试中难以察觉的相近色辨识考验。
- 在第二种背景下重复测试。 如果背景一换，产品本身的颜色就跟着改变，说明模型并不是在“还原”色彩，而是在凭空“脑补”。
如何解读测评结果
在开始测试前设定好容差范围，并形成文档。 如果测完之后才临时定义什么是“大致合格”，这种测试最终只会用来印证你原本的主观预期。
近中性色的权重必须高于高饱和度颜色。 因为这部分不仅还原难度最大，更是直接造成售后亏损的核心原因。
单像素取样一致但材质光泽扁平，依然判定为不合格。 请将这两项指标分开统计，避免综合平均分掩盖了质感失真的问题。
切忌修图后再评分。 如果你对生成图进行了后期调色再行评分，测出来的就只是修图师的技术，而非工具本身的生成能力。
色彩准确度检查清单
| 检查项 | 测评方法 | 翻车表现 |
|---|---|---|
| 色彩管理 | sRGB 参考标准、校准过的显示器、保持一致的观察环境 | 测出来的其实是显示器的偏差，而非工具本身的能力 |
| 色相 | 在 3 个平整区域分别取 5×5 像素平均值；在 Lab 空间中比对 | 藏青色被直接处理成了黑色 |
| 饱和度与明度 | 使用相同的采样区域，读取色彩纯度与明度数据 | 颜色大致对了，但整体发灰发白、严重褪色 |
| 材质光泽表现 | 100% 比例肉眼观察：光泽感或金属质感是否得以保留？ | 变色/偏光面料被渲染成了死板的纯平单色 |
| 相邻色系区分度 | 生成自家产品线中两款色号极为接近的邻近色 | 两种不同的颜色混为一谈，缩减成了同一种颜色 |
| 双重背景测试 | 在纯白和中性灰背景上分别重复测试 | 颜色随背景变化而漂移，说明色彩是算法臆测的，而非真实还原 |
海军蓝与炭黑
同系列的两种裤子：海军蓝和炭黑。各从三个平整区域取样，海军蓝的生成结果符合测试前设定的容差范围，炭黑也同样达标。但将它们并排生成为相邻的一组对比时，视觉上却被识别成了同一种颜色。单品测试中没有任何一项失败，但成对测试却失败了——而这恰恰是顾客在收到包裹时会进行的直观比对。
常见问题解答
为什么近中性色是 AI 产品图中最难呈现的颜色？
藏青色、炭灰色、米白色和灰褐色彼此十分接近，且都贴近黑色与白色，因此色相或明度的微小偏差就会让它们变成另一种颜色名称。出于同样的原因，它们也是退货率最高的颜色，这也是测试样本库重点增加其权重的原因。
像素值匹配是否足以判定色彩正确？
不足以。采集的像素可能完全匹配，但表面质感却被抹平了——例如缎面失去了光泽渐变，金属材质不再随形体产生光影流转。色相和表面质感表现需分开记录，避免平均值掩盖后者的缺陷。
为什么要在 Lab 空间而非 RGB 空间中进行比对？
RGB 距离无法反映人眼的真实视觉感受。比对前应转换为 Lab 等感知色彩空间；如果无法转换，请记录原始数值并进行一致的比对，而不是凭空设定一个阈值。
为什么要更换第二种背景重复测试？
如果颜色随背景变化而改变，说明它并非还原自参考图，而是根据周围环境推断生成的。白色和中灰色背景能够暴露这一问题。
我可以校正颜色后再对校正后的图像评分吗？
不能。如果您调整了输出结果并对调整后的版本评分，您衡量的其实是修图水平，而非工具本身的能力。请在运行前设定好容差，并对工具生成的原始结果进行评分。
本测评方案的边界
本方案衡量的是在受控观察环境下，生成图对基准参考图的还原保真度。它无法预测该颜色在消费者未校色的手机屏幕上、或在户外日光下看起来如何——这是一个普遍存在但完全独立的现实课题，任何针对生成图像本身的测试都无法解决该问题。
相关测评方案：商品图像整体精度测评、产品几何轮廓精准度、材质纹理保真度。
如需生成待测商品图，请体验 AI product photography。