Produktbild med AI: låt varan vara ett riktigt foto och generera bara miljön runt den

Varför modellen inte får rita varan

En bildmodell som får en produktbild som underlag gör inte en kopia av den. Den tolkar bilden och ritar något som liknar den, och likheten är starkast där ögat tittar först: siluetten, huvudfärgen, logotypens ungefärliga form. Det som glider är det som kräver att man läser eller mäter. Text på etiketten byts till text som ser ut som text. En skruvkork får ett gängvarv till. Proportionen mellan flaska och hals ändras med några procent. En färg som ligger nära kanten av vad modellen brukar se dras mot en vanligare ton.

Det spelar ingen roll hur bra referensen är. Artikeln om vad en referensbild styr visar att en referens binder vissa delar av resultatet hårdare än andra, men en referens är en styrsignal, inte en kopia av varans pixlar. För en stämningsbild räcker likhet. För en bild som ska visa vad kunden faktiskt får räcker den inte, och därför vänder metoden på ordningen: varan kommer från kameran, bara resten kommer från modellen.

Fotograferingsbeställningen: tre värden som miljön ska ärva

En vanlig orsak till att en friställd vara ser inklistrad ut är inte masken utan ljuset och perspektivet. Om varan är fotograferad med ljuset från vänster och miljön genereras med solen från höger står varan i fel värld, och ögat märker det även när det inte kan säga varför. Samma sak gäller kamerahöjden: en flaska fotograferad snett ovanifrån på ett bord som genererats rakt från sidan svävar.

Lösningen är att fotografera först och skriva ned tre värden när bilden tas, så att miljöbeställningen kan ärva dem ordagrant. Värdena i mallen är exempel. Det som spelar roll är att de mäts och sparas med bilden, inte vilka de är.

VARA:          [artikelnummer, variant, färgnamn]
LJUSRIKTNING:  huvudljus från kl. 8 sett ovanifrån
               (kl. 6 = kameran), ca 45° över bordsytan,
               mjukt (stor ljuskälla)
               upplättning från kl. 3, svagt
KAMERAHÖJD:    objektivets mitt 12 cm över bordsytan
               = i höjd med varans mitt
BRÄNNVIDD:     90 mm (fullformatsekvivalent), avstånd 1,2 m
UNDERLAG:      neutral grå kartong, ingen färgad reflex
REFERENS:      en bild med gråkort bredvid varan, samma ljus
UPPLÖSNING:    varan fyller minst den bredd den ska ha i
               leveransen – ingen uppskalning av varan senare

FILNAMN:       [vara]_[datum]_kl08-45_h12_90mm.raw

Varje rad har en uppgift. Ljusriktningen anges som klockposition sett ovanifrån och vinkel över bordet, eftersom det är de två tal som bestämmer åt vilket håll skuggan faller och hur lång den blir. Kamerahöjden avgör var horisonten ska ligga i miljön: fotograferar du i höjd med varans mitt ska bordskanten och bakgrundens horisont ligga där. Brännvidden avgör perspektivet. En lång brännvidd på längre avstånd plattar till perspektivet och gör det lättare för en genererad miljö att passa, medan en vidvinkel nära varan ger en stark perspektivlutning som miljön måste träffa exakt.

Gråkortsbilden är den du senare jämför färgen mot. Den gör det möjligt att visa att varans gröna var den gröna även efter att hela bilden har färgjusterats, och den är samma underlag som behövs om bilden ska till tryck; hur färgen flyttar sig på vägen dit beskriver artikeln om färg från skärm till tryck. Upplösningsraden finns för att varan aldrig ska behöva skalas upp i efterhand. En uppskalare uppfinner detaljer, och uppfunna detaljer på en etikett är precis det metoden ska förhindra.

Miljöbeställningen: beställ allt utom varan

Miljön genereras runt det frilagda fotot, med varans yta skyddad av masken. Hur det görs praktiskt skiljer sig mellan verktyg – en del kallar det utfyllnad runt en markering, andra bakgrundsbyte – och artikeln tar inte ställning till vilket du använder. Principen är densamma: det som ligger innanför masken ska inte vara en del av det modellen ritar.

Beställningen skrivs så att miljön ärver fotots tre värden. Den beskriver också kontaktytan, alltså var varan står och vilken skugga den kastar, eftersom en vara utan kontaktskugga ser ut att sväva. Men den beskriver inte varan. Namn, varumärke och text på etiketten hör inte hemma i miljöbeställningen: modellen behöver inte veta vad varan är för att bygga ett bord under den, och en beställning som nämner etikettens text riskerar att få texten upprepad någon annanstans i bilden.

LJUS:          huvudljus från kl. 8 sett ovanifrån (kl. 6 =
               kameran), alltså från vänster på betraktarens
               sida, ca 45° över underlaget, mjukt; skuggor
               faller åt höger och något bakåt
KAMERA:        horisont och bordskant i höjd med föremålets mitt,
               lätt teleperspektiv, ingen perspektivlutning
UNDERLAG:      matt ljus kalksten, ingen blank yta, ingen spegling
KONTAKT:       föremålet står plant på underlaget, mjuk kontakt-
               skugga åt höger, ca en halv föremålsbredd lång
BAKGRUND:      oskarp vägg i varm grå ton, inga föremål i
               samma storlek som föremålet
UTESLUT:       text, bokstäver, logotyper, händer, andra
               förpackningar, reflexer av föremålet

FÖREMÅLET INNANFÖR MASKEN BESKRIVS INTE OCH ÄNDRAS INTE

Två rader förtjänar en förklaring. "Ingen spegling" står där eftersom en blank yta under varan får modellen att rita en spegelbild av den, och spegelbilden ligger utanför masken. Den ritas alltså fritt, med en etikett som kan vara fel, i en bild där originaletiketten ovanför är rätt. Raden om föremål i samma storlek finns eftersom miljön ger storleksledtrådar. En kaffekopp bredvid en flaska på 5 cl får flaskan att se ut att rymma en halvliter om koppen råkar genereras liten. Lagtexten nämner "mängd" bland de utmärkande egenskaperna, och det är ett skäl att låta miljön vara glest möblerad eller att välja föremål vars storlek alla känner till.

Lägg tillbaka originalet – oavsett vad verktyget lovar

Ett verktyg som säger att det bevarar området innanför masken kan göra det, men det kan också skala om hela bilden, komprimera den eller färgjustera den på vägen ut. Därför är sista steget före provet att lägga originalfrilägget som översta lager i resultatet, exakt i sin ursprungliga position. Varans pixlar kommer då från kameran även om verktyget har ritat om dem. Det kostar en minut och gör provet till en kontroll av kanten och miljöns inverkan i stället för en kontroll av om verktyget höll sitt löfte.

Samma sak gäller det som händer efter miljön. Färgjusteras bilden som helhet för att ge den en gemensam ton följer varan med, och en varm ton över allt gör den gröna flaskan mer olivfärgad. Lägg justeringen under originallagret, eller begränsa den till miljön med samma mask.

Differensprovet lager mot lager

Provet bygger på lagerblandningsläget differens, som finns i de flesta lagerbaserade bildprogram. Det visar den absoluta skillnaden mellan två lager pixel för pixel. Där de två lagren är identiska blir bilden svart; där något skiljer sig lyser skillnaden upp. Det gör en ändring som ögat missar vid sida-vid-sida-jämförelse till en ljus fläck mot svart.

ETIKETT:  svart innanför etikettens yta              ja / nej
KANT:     ljus rand högst 2 px utanför konturen,
          ingen rand innanför                         ja / nej
FORM:     ingen ljus figur som följer lock, hals,
          hörn eller annan detalj                     ja / nej
FÄRG:     ingen jämn gråton över varans färgytor      ja / nej
SPEGLING: ingen återgiven bild av varan i miljön      ja / nej

ETT NEJ = BILDEN GÅR INTE TILL LEVERANS.

De fyra punkterna ser olika ut i differensbilden, och det är det som gör provet läsbart. En ändrad etikett syns som ljusa bokstavsformer. En ändrad kant syns som en tunn ljus linje längs konturen. En ändrad form syns som en ljus figur som följer en detalj, till exempel en halvmåne ovanför ett lock som har blivit högre. En ändrad färg syns som en jämn, svag gråton över hela ytan – det är den som nivåjusteringen behövs för att se. Tvåpixelsgränsen för kanten är vårt eget riktmärke i leveransstorlek och ingen standard; den finns för att masken aldrig ligger exakt på konturen.

När bilden måste göras om

Regeln är enkel att skriva och svår att följa när bilden är snygg: varje synlig skillnad innanför varans mask fäller bilden. Den åtgärdas inte med retusch av varan, eftersom retuschen i så fall görs mot en förlaga som redan har ändrats. Rättelsen sker alltid genom att originalfrilägget läggs tillbaka eller genom att miljön görs om.

Uppdelningen avgör vad rättelsen kostar. Felen under "Lägg tillbaka originalet eller justera masken" rättas i lagren på några minuter och kräver ingen ny generering. Felen under "Gör om miljön" sitter i miljön och kräver en ny beställning, oftast med en ändrad rad i mallen. Om samma fel kommer tillbaka tre gånger är det beställningen och inte slumpen som är orsaken. Då är det dags att ta bort det element som ställer till det i stället för att generera en fjärde gång. Maskad redigering i ett enskilt verktyg, och ett prov av hur den läcker vid kanter och ytor utanför masken, beskriver nyheten om maskad AI-redigering, som handlar om ett enskilt program; principen i den här artikeln gäller oavsett verktyg.

En sista sak följer med bilden ut: den består av ett foto och en genererad miljö, och kunden kan behöva veta det. Vad som eventuellt ligger inbäddat i filen om hur den har gjorts, och varför det kan försvinna vid omsparing, reder artikeln om Content Credentials ut. Differensprovet och fotograferingsbeställningen är i sammanhanget det egna underlaget: de visar vilken del som är foto och att den delen inte har ändrats.