
Två personer kan vara rätt antal och ändå fel bild
I en beställning ska personen till vänster bära blå arbetsjacka och hålla en gul vattenkanna. Personen till höger ska bära orange förkläde och plantera i en grå kruka. En tänkt bild visar två personer, en kanna, ett förkläde och en kruka. Ändå är bilden fel: personen med förklädet håller kannan, medan personen med jackan planterar. Du har fått alla delarna men fel fördelning.
Det konstruerade exemplet skiljer tre frågor åt: finns rätt antal personer, tillhör varje egenskap rätt person och utför rätt person handlingen? Bedöm dem var för sig. En korrekt färglista säger ingenting om vem som bär färgerna.
Forskningsramverket GenEval från 2023 skiljer bland annat mellan antal, position och kopplingen mellan objekt och egenskaper. Studien gäller de modeller som utvärderades där; den anger ingen felprocent för den bildtjänst du använder i dag. Här använder du åtskillnaden som ett sätt att skriva och granska din egen beställning.
Skriv rolltabellen innan du väljer stil
Ge personerna arbetsnamn, till exempel vänster och höger. Ange att vänster betyder betraktarens vänstra sida. Namnen behöver inte bli text i bilden; de gör det möjligt att hänvisa till rätt rad när du rättar beställningen. Undvik att göra en lång berättelse till enda beskrivning av relationerna.
| Person | Plagg | Rekvisita | Handling |
|---|---|---|---|
| Vänster i bilden | Blå arbetsjacka | Gul vattenkanna | Håller kannan vid sin sida |
| Höger i bilden | Orange förkläde | Grå kruka | Planterar med båda händerna i krukan på bordet |
Välj vad som är obligatoriskt. Om kannan ska visa vem som håller den får den inte vara en lös detalj på golvet. Om jackan bara ger färg åt scenen kan du stryka den när beställningen blir för trång. Anteckna skillnaden före genereringen, så att du inte i efterhand gör om ett viktigt krav till dekoration därför att en annan del av bilden blev fin.
Placering och identitet behöver också skiljas åt. En person som står till vänster men bär fel plagg har ett annat fel än en rätt klädd person som hamnat till höger. Artikeln om komposition i AI-bilder fördjupar placeringen och den fria ytan. Här är frågan vilken rad varje synlig detalj hör till.
Ge varje person en egen mening
Googles promptguide för Imagen beskriver motiv, kontext och stil som grunddelar i beställningen. Rolltabellen och uppdelningen nedan är vårt redaktionella arbetssätt, inte en särskild syntax som leverantören kräver. Metoden gör framför allt beställningen möjlig att kontrollera.
Skriv först antalet och scenen, därefter en mening per person. Lägg till stilen sist. Jämför med formuleringen ”två personer med blå jacka, orange förkläde, kanna och kruka”. Den räknar upp egenskaper men lämnar kopplingen mellan dem otydlig.
En redaktionell illustration av exakt två vuxna personer i ett växthus. Vänster och höger avser betraktarens bildyta. Personen till vänster bär blå arbetsjacka och håller en gul vattenkanna vid sin sida. Personen till höger bär orange förkläde och planterar med båda händerna i en grå kruka på bordet framför sig. Personernas överkroppar, händer och föremål syns tydligt, med luft mellan personerna. Stilen är enkel och målerisk, med mjukt dagsljus och lugn bakgrund.
Prompten är en beställning, inte en garanti. Om den högra personens händer ligger bakom ett stort blad går handlingen inte att bedöma. Skriv då ”går inte att bedöma” i kontrollen. Räkna inte det osynliga som rätt bara för att modellen kan ha menat det.
Behöver du en stilreferens ska dess uppgift stå nedskriven: den bär exempelvis palett och materialkänsla, medan texten bär rollfördelningen. Bildguiden hjälper dig hålla beställning och källmaterial samlade. Börja med en läsbar tvåpersonsscen innan du lägger till detaljer som skymmer det du ska kontrollera.
Markera antal, ägare och handling separat
Granska först bilden utan att läsa prompten. Beskriv vad du faktiskt ser: ”vänster person har blå jacka och håller en grå kruka”. Jämför sedan observationen med tabellen. Det är ett enkelt sätt att upptäcka när du har läst in det beställda i en otydlig detalj.
| Kontroll | Godkänt i exemplet | Vad du antecknar vid avvikelse |
|---|---|---|
| Antal | Två tydligt åtskilda personer | En tredje person syns i bakgrunden |
| Plagg | Blå jacka vänster, orange förkläde höger | Förklädet sitter på fel person |
| Rekvisita | Vänster håller gul kanna | Kannan står lös; greppet saknas |
| Handling | Höger planterar vid grå kruka | Personen håller krukan men planterar inte |
| Bedömbarhet | Händer och relevanta föremål syns | Handen är dold bakom ett blad |
Använd godkänt, fel eller går inte att bedöma per rad. Håll bildens attraktionskraft utanför den här tabellen. En kandidat med finare ljus får inte väga upp att huvudhandlingen bytt person. Gör urvalet mellan de bilder som först klarar de obligatoriska kraven.
Efter rollkontrollen återstår den vanliga kontrollrundan före leverans. Rätt person kan hålla kannan med ett orimligt grepp. Rollfördelning och bildens övriga fel är två kontroller som kompletterar varandra.
Rätta en relation utan att tappa de godkända
Vid en ombeställning ska felbeskrivningen kunna läsas utan bilden: ”gul kanna tillhör personen till vänster; den hamnade hos personen till höger”. ”Gör personerna tydligare” anger inte vad som ska ändras. Behåll tabellens rader och ändra en avgränsad del av beställningen när du vill undersöka just den delen.
Välj ombeställning när flera relationer är fel eller när personerna överlappar så att felet inte kan avgränsas. Välj lokal rättning när en enda relation är fel och du kan markera hela den berörda kontakten mellan person och föremål. I provet har både rekvisita och handling bytt fördelning; här är ombeställning det första valet. Anteckna beslutet och vilka godkända krav du ska kontrollera igen.
En lokal rättning är ett möjligt arbetsval när felet kan ringas in och bildverktyget stöder sådan redigering. Men om kannan byter person behöver du även kontrollera händer, armar och kontakten med föremålet. Maskens storlek är inte ett bevis för att relationen till resten blir korrekt. Granska hela rolltabellen igen efter rättningen.
Om uppgiften förblir svår att bedöma kan du ändra själva bildidén: större avstånd mellan personerna, färre föremål eller en bild per handling. Det är en avvägning mot briefen, inte en teknisk genväg som alltid fungerar. Kräver briefen samspelet mellan två personer kan två separata porträtt inte godkännas som samma leverans.
Prov: hitta felet utan att byta bedömningsregel
Prov: Tabellen beställer vänster person i blå jacka med gul kanna och höger person i orange förkläde som planterar. Den konstruerade observationen säger: ”Två personer. Vänster har blå jacka och håller grå kruka. Höger har orange förkläde och gul kanna. Högers händer syns tydligt men personen står stilla.” Vilka rader är rätt, och vilka ska underkännas?
Facit: Antalet och plaggfördelningen är rätt. Rekvisitan har bytt ägare: vänster saknar kannan och höger håller den. Den beställda planteringshandlingen saknas. Eftersom händerna syns är handlingen fel, inte omöjlig att bedöma. Beställningen behöver rättas för relationerna, inte för färgerna eller antalet.
När du gör ditt eget prov sparar du prompt, bildfil, verktyg, modelluppgift om den finns och datum. Spara också tabellen före genereringen. En jämförelse av några egna bilder hjälper dig välja en leverans och se feltyper; den visar inte en allmän träffsäkerhet för modellen. Inga genereringar av växthusscenen har utförts för den här artikeln.
FAQ
Behöver personerna ha namn i prompten?
Nej. Arbetsnamn som vänster och höger räcker i exemplet, när du anger att de avser betraktarens bildyta. Namnen används för att knyta plagg, rekvisita och handling till rätt person.
Är en dold hand ett godkänt grepp?
Inte om greppet är ett obligatoriskt krav som du behöver kontrollera. Markera det som att det inte går att bedöma och gör handlingen synlig i nästa beställning.
Kan jag rätta en person med lokal redigering?
Det är ett möjligt arbetsval om verktyget stöder det och felet går att avgränsa. Kontrollera sedan både den ändrade relationen och de tidigare godkända delarna igen.
Visar GenEval hur ofta mitt bildverktyg gör fel?
Nej. Studien från 2023 gäller de modeller som utvärderades där. Här används dess åtskillnad mellan exempelvis antal och attributbindning som stöd för att granska den egna beställningen.
Källor och metod
- GenEval: An Object-Focused Framework for Evaluating Text-to-Image Alignment — forskningsbakgrund till separata kontroller för antal och attributbindning.
- Google Cloud: Prompt and image attribute guide — motiv, kontext och stil som grunddelar i en bildbeställning.
Källor kontrollerade 14 november 2026. Rolltabell, prompt, observation och facit är redaktionellt konstruerade. Ingen uppmätt förbättring eller genomförd generering av provscenen redovisas.