Komposition i AI-bilder: placera motivet och mät resultatet

Utan kompositionsrad väljer modellen åt dig

En vanlig iakttagelse är att ett ensamt motiv hamnar nära mitten när prompten bara säger vad som ska synas. Det är ingen dokumenterad egenskap hos någon modell, och utfallet kan skilja mellan verktyg och versioner. Googles promptguide för Imagen på Vertex AI bygger prompten av motiv, sammanhang och stil, och dess fotografiska modifierare gäller kamerans närhet och position. Guiden har inget avsnitt om var i bildytan motivet ska ligga. Den raden får du skriva själv.

Börja därför med en kontrollbild: samma prompt utan kompositionsrad. Där ser du vad ditt verktyg gör i dag, och sedan om de beställda kompositionerna faktiskt flyttade något. Komposition är ett av fyra lager i en bildbeställning. Hur lagren hålls isär beskrivs i guiden Bild med AI och i felsökningen av krockande lager. Här handlar det bara om kompositionsraden.

Skriv placeringen i andelar av bildytan

Dela bilden i tre lika stora fält på bredden och tre på höjden. Linjerna ligger vid 33 och 67 procent. Tredjedelsindelningen är en hantverkskonvention, ingen lag. Den ger dig ett språk för beställningen och ett rutnät att mäta mot. En centrerad bild är rätt val när motivet är symmetriskt eller ska läsas som en ikon.

• Läge: ”hägerns kropp står på den högra lodräta tredjedelslinjen” går att kontrollera, det gör inte ”hägern till höger”.
• Kant: ”ingen del av hägern till vänster om bildens mitt” ger en gräns du kan mäta i pixlar.
• Fri yta: ”övre två tredjedelarna är bara vatten och himmel, utan föremål” säger vad ytan ska innehålla, inte bara att den ska vara tom.
• Blickriktning: ”näbben pekar mot den fria ytan”. Konventionen är att ge blicken plats framför sig i stället för att låta den peka rakt ut ur bildkanten.

En ledande linje är ett föremål som för ögat mot motivet, till exempel en bryggkant som börjar i ett nedre hörn och slutar vid hägern. Beställ var linjen börjar och slutar, inte bara att den ska finnas. Kamerans höjd och avstånd ägs av artikeln om perspektiv; i det här provet hålls de lika i alla versioner.

Provet: samma häger i tre kompositioner

Behåll motiv, motivets storlek, ljus, stil och bildformat. Lås formatet uttryckligen. Enligt OpenAIs guide till bildgenerering kan storleken sättas till auto, och då väljer modellen storlek utifrån prompten. Får versionerna olika format går de inte att jämföra. Välj till exempel 1536x1024, OpenAIs liggande storlek, eller 16:9 där verktyget anger bildförhållanden, som Vertex-guiden gör för Imagen 3. Att flytta en färdig bild mellan format är ett eget problem som artikeln om beskärning tar upp.

Fotografisk stillbild av en grå häger som står i grunt, stilla vatten.
Hägern syns i helfigur med huvudet i profil.
Hägern upptar ungefär en tredjedel av bildens höjd.
En smal träbrygga går ut i vattnet.
Tidigt morgonljus, dämpade blågrå färger, liggande bildformat.
Kameran i höjd med hägern. Inga andra fåglar, båtar eller människor.

Kontrollbild: ingen kompositionsrad.

Tredjedel: hägerns kropp står på den högra lodräta tredjedelslinjen.
Näbben pekar åt vänster, in i bilden.
Bryggans kant börjar i nedre vänstra hörnet och slutar vid hägerns fötter.

Centrerat: hägern står mitt i bilden, lika mycket vatten på båda sidor.
Näbben pekar åt vänster. Bryggan går rakt bakåt bakom hägern.

Nedre hörn: hägern står i nedre högra hörnet,
helt inom bildens högra tredjedel och nedre tredjedel.
Näbben pekar åt vänster, mot den fria ytan.
Bryggan går längs nederkanten fram till hägern.
Övre två tredjedelarna är bara vatten och himmel, utan föremål.

Eftersom storleksraden ligger i grundprompten skiljer sig versionerna bara i kompositionsraden, inte i hägerns storlek. Spara prompt, kompositionsrad, verktyg, modellnamn, version, datum och storlek med varje bild. Använder du bildverktyget i OpenAIs Responses API skriver huvudmodellen enligt samma guide om prompten automatiskt. Läs den omskrivna prompten och kontrollera att kompositionsraden finns kvar innan du drar slutsatser om bildmodellen.

Mät fyra kontrollpunkter i varje bild

Lägg ett rutnät över bilden i ett bildprogram, eller räkna fram linjerna. I en bild på 1536 × 1024 pixlar ligger de lodräta tredjedelslinjerna 512 och 1024 pixlar från vänster och de vågräta ungefär 341 och 683 pixlar uppifrån.

1. Motivets läge: i tredjedelsversionen ska kroppens mitt ligga nära linjen vid 1024 pixlar. Som förslag kan du godta 5 procent av bredden åt var håll, alltså ungefär 77 pixlar. Toleransen är ett redaktionellt val, inget källvärde.
2. Kanterna: anteckna x-värdet för hägerns vänstra och högra kant. I hörnversionen ska vänsterkanten ligga till höger om 1024 pixlar och huvudets överkant nedanför 683 pixlar. Punkten avslöjar en häger som står rätt men har vuxit.
3. Fri yta: rita den största rektangel som saknar föremål. I hörnversionen ska den täcka minst de övre två tredjedelarna, 1536 × 683 pixlar. Vatten och dis räknas som yta, en fågel eller en båt räknas som föremål.
4. Riktning och linje: pekar näbben mot den fria ytan? Slutar bryggans kant vid hägern, eller leder den förbi?

Svara ja, nej eller osäkert för varje punkt. Kontrollbilden får inga krav, bara mätvärden. Står hägern på samma ställe i kontrollbilden och i alla tre beställda versioner har kompositionsraden inte gjort någon skillnad. Flyttar den sig mellan versionerna, men missar toleransen, har raden verkat utan att hålla måttet.

När placeringen inte följer beställningen

OpenAI skriver att modellen trots förbättrad instruktionsföljning kan ha svårt att placera element exakt i strukturerade eller layoutkänsliga kompositioner. Bestäm därför i förväg vad som räknas som godkänt. Generera några bilder per version och skriv antalet godkända, till exempel två av fyra, tillsammans med modell, version och datum. Ett sådant tal är din egen iakttagelse och gäller den modellen den dagen.

Talet åldras dessutom. Googles sida om Imagen i Gemini API anger att Imagen är avstängt där och hänvisar till Nano Banana. Ett prov med en modell säger inget säkert om efterträdaren.

Rätta ett fel i taget. Står hägern rätt men är för stor ligger felet i storleksraden eller avståndet, inte i placeringen. Ska den fria ytan bära en rubrik beställer och provar du ytan enligt artikeln om rubrik i bilden. Välj sist den version som passar uppgiften och skriv skälet: ”vald för fri yta ovanför 683 pixlar och blick in i bilden” går att upprepa, ”mest harmonisk” gör det inte.