6 dk okuma
Yapay Zeka Ürün Fotoğrafı Kalitesini Nasıl Denetler
Otomatik sistemlerin e-ticaret ürün fotoğraflarını nasıl değerlendirdiğine net bir bakış: bulanıklık, düşük çözünürlük, yanlış arka plan, filigran, birden fazla ürün ve hatalı kırpma tespiti ve pazaryerlerinin bu kuralları neden uyguladığı.
Pazaryerleri fotoğrafları neden denetler
Büyük bir pazaryerine ürün görseli yüklediğinizde, ona önce neredeyse hiçbir zaman bir insan bakmaz. Bunu otomatik bir sistem yapar. Saniyeler içinde çalışır, görseli bir dizi kurala göre puanlar ve ilanın yayına girip girmeyeceğine, gizleneceğine ya da incelemeye işaretleneceğine karar verir.
Bunun nedeni ölçektir. Pazaryerleri çok büyük hacimde yeni ilan işler ve tutarsız fotoğraflar alışveriş deneyimini bozar. Her ana görsel aynı sade arka planda durduğunda, kareyi doldurduğunda ve yakınlaştırmaya yetecek kadar net olduğunda ürün ızgarası temiz ve güvenilir görünür. Kötü görseller dönüşümü düşürür ve güveni zedeler; bu yüzden platformlar stil kılavuzlarını makinenin okuyabileceği denetimlere dönüştürür.
Bu sistemlerin neye baktığını anlamak pratik bir bilgidir. Denetimleri bilirseniz, bir ilanın neden reddedildiğini tahmin etmek yerine ilk denemede geçebilirsiniz.
Bulanıklık ve yumuşaklık tespiti
Bulanıklık, bir fotoğrafın geçememesinin en sık nedenlerinden biridir. Zorluk şudur: karşılaştırılacak kusursuz bir referans görsel genelde yoktur; bu yüzden sistemler araştırmacıların referanssız görsel kalite değerlendirmesi dediği yöntemi kullanır, yani görseli kendi başına değerlendirir.
Yaygın bir teknik, Laplacian varyansıdır. Laplacian, kenarlara ve ince ayrıntıya güçlü tepki veren ikinci türev tabanlı bir filtredir. Net ve odakta bir fotoğrafta çok sayıda keskin kenar bulunur; bu yüzden tepkilerin yayılımı geniştir ve varyans yüksektir. Bulanık bir fotoğrafta kenarlar yumuşak ve dağınıktır; bu yüzden varyans düşer. Sayı ayarlanmış bir eşiğin altına inerse görsel bulanık olarak işaretlenir.
Modern sistemler çoğu zaman daha ileri gider; puanlanmış birçok görselle eğitilmiş makine öğrenimi modellerini kullanarak bir kalite skoru üretir; bu bazen basit bir iyi-kötü etiketi, bazen kullanılamazdan mükemmele uzanan bir ölçektir. Bu modeller, tek bir matematik formülünün kaçırabileceği hareket bulanıklığını, odak kaymasını, gürültüyü ve ağır sıkıştırma bozulmalarını yakalayabilir.
Çözünürlük, arka plan ve çerçeveleme
Çözünürlük en kolay denetimdir, çünkü yalnızca piksel saymaktır. Örneğin Amazon, en uzun kenarda en az 1.000 piksel ister ve yakınlaştırma özelliğinin çalışması için 2.000 veya daha fazlasını önerir. Daha küçük olan her görsel, bir kalite modeli çalışmadan önce işaretlenir.
Arka plan denetimleri çoğu satıcının beklediğinden daha katıdır. Amazon ana görsellerinde RGB 255, 255, 255 değerinde saf beyaz arka plan gerekir. Otomatik sistemler ürünün çevresindeki pikselleri örnekler ve bu kesin değerden ne kadar saptıklarını ölçer. Gözünüze normal görünen kırık beyaz, krem ya da açık gri bir ton yine de yakalanabilir, çünkü algoritma gerçek sayıları okur.
Çerçeveleme de denetlenir. Amazon ürünün karenin yaklaşık yüzde 85 veya daha fazlasını doldurmasını ister. Sistemler ürünün kapladığı alanı tuvale göre tahmin eder ve ürünün fazla boşlukta yüzdüğü ya da kenarlardan kırpıldığı fotoğrafları işaretler. En-boy oranı önemlidir, çünkü her pazaryeri ve reklam alanı belirli şekiller bekler; ürünün bir kısmını kesen kare bir kırpma, sık görülen ama önlenebilir bir hatadır.
Filigran, metin ve birden fazla ürün
Ham kalitenin ötesinde sistemler, temiz bir ana görselde bulunmaması gereken şeyleri arar. Çoğu zaman optik karakter tanıma ve nesne tespitine dayanan metin ve logo tespiti; bindirilmiş yazıları, promosyon rozetlerini ve filigranları tarar. Pazaryerleri bunları ana görselde genellikle yasaklar, çünkü ilanları dağıtır ve kopyalanmış ya da üçüncü taraf içeriğe işaret edebilir.
Nesne tespiti ayrıca karede ne olduğunu sayar. Bir ana görselin genellikle tek bir ürünü göstermesi beklenir. Model, yalnızca birine izin verilen yerde birden fazla ayrı nesne tespit ederse ya da kuralların yasakladığı bir aksesuar, manken veya el bulursa fotoğraf reddedilebilir. Aynı mekanizma, yasak veya güvensiz içeriği yakalayan güvenlik denetimi olarak da iş görür.
Bunların hiçbiri sihir değildir. Her denetim, odaklı ve test edilebilir bir kuraldır: pikselleri say, arka plan rengini ölç, netliği puanla, metni bul, nesneleri say. Üst üste konduğunda, dikkatli bir insan editörün vereceği kararı, hiçbir insan ekibinin yetişemeyeceği bir hızda taklit ederler.
Bunun satıcılar için anlamı
Çıkarım şudur: iyi ürün fotoğrafları yalnızca güzel görünmekle ilgili değildir; göremediğiniz bir kontrol listesini geçmekle ilgilidir. Yüksek çözünürlükte çekin, ürünü net ve iyi aydınlatılmış tutun, gerçekten temiz bir arka plana yerleştirin, kareyi doldurun ve yüklemeden önce her türlü metin ya da filigranı temizleyin.
Görsellerinizi önceden hazırlamak tam da burada işe yarar. Renderivo, bu denetimlerin önemsediği görsel temellere odaklanır: dağınık arka planları kaldırma, temiz bir beyaz arka plan üretme ve ürünleri düzenli bir karede çerçeveleme. Amaç hileler değil, dürüst ve doğru ürün fotoğraflarıdır; böylece ilanlarınız otomatik incelemeyi geçer ve pazaryeri ızgarası boyunca tutarlı görünür.
Bir görselin geçip geçmeyeceğinden emin değilseniz, yayınlamadan önce onu ilgili pazaryeri kurallarına göre denetlemek ve denetimlerin işaretlediği her şeyi düzeltmek faydalı olur.
Sık sorulan sorular
Yüklediğim her ürün fotoğrafını bir yapay zeka mı denetler?
Büyük pazaryerlerinde evet; yükleme sırasında otomatik bir sistem görselleri inceler. Çözünürlüğü, arka planı, netliği, çerçevelemeyi ve metin ya da filigran varlığını ölçer; ardından ilanı onaylar, gizler ya da işaretler, çoğu zaman hiç kimse görmeden.
Yazılım fotoğrafımın bulanık olduğunu nasıl anlar?
Görseli referans olmadan analiz eder. Yaygın bir yöntem olan Laplacian varyansı, kenar ayrıntısının yayılımını ölçer: net fotoğraflar yüksek, bulanık olanlar düşük puan alır. Birçok sistem ayrıca puanlanmış görsellerle eğitilmiş makine öğrenimi modelleriyle bir kalite skoru atar.
Bana beyaz görünen arka plan neden reddedildi?
Bazı pazaryerleri RGB 255, 255, 255 değerinde saf beyaz ister. Otomatik denetimler kesin piksel değerlerini okur; bu yüzden gözünüze normal görünen kırık beyaz, krem ya da açık gri bir ton yine de beyaz değil olarak ölçülüp reddi tetikleyebilir.
Görsellerimi ilan vermeden önce denetleyebilir miyim?
Evet. Bir görseli pazaryerinin kurallarına göre önceden inceleyip düşük çözünürlük, beyaz olmayan arka plan ya da kaçak metin gibi sorunları düzeltebilirsiniz. Temiz ve doğru çerçevelenmiş fotoğrafları önce hazırlamak red ve yeniden yükleme sayısını azaltır.
İlgili ücretsiz araçlar
Denetimlerden geçecek, ilana hazır fotoğraflar
Temiz arka plan, gerçek beyaz ve düzenli kare çerçeveleme; böylece ürün fotoğraflarınız otomatik incelemeyi geçer ve tutarlı görünür. Yeni hesaplar ücretsiz kredi kazanır.