Miksi tekoälyllä tehdyt autokuvat näyttävät joskus väärältä: heijastukset ja pinnat

Useimmat tekoälyä hyödyntävät autokuvatyökalut eivät kirjoittaisi tätä artikkelia. Tekniikan markkinointiversiossa jokainen lopputulos on virheetön, eikä hankalia tapauksia yksinkertaisesti ole olemassa.

Niitä on kuitenkin. Joskus tekoälyllä tehty autokuva näyttää hienovaraisesti väärältä, ostajan silmä huomaa sen osaamatta sanoa miksi, ja myynti-ilmoitus vaikuttaa vähemmän luotettavalta kuin se olisi vaikuttanut alkuperäisen, myyntikentällä otetun kuvan kanssa. Jos aiot käyttää tätä tekniikkaa – ja siihen on hyviä syitä – sinun kannattaa tietää tarkalleen, missä se on heikoimmillaan ja miten virheet huomaa ennen julkaisua.

Tämä on se artikkeli.

Merkit, jotka saavat kuvan tuntumaan oudolta

Kun tekoälyllä tehty autokuva näyttää oudolta, syy on lähes aina jokin muutamasta tutusta asiasta. Karkeasti siinä järjestyksessä, kuinka usein silmä ne huomaa:

Maalipinnan heijastukset, jotka eivät sovi miljööseen. Auto on kaareva peili. Todellisessa studiossa seisovan todellisen auton konepelti, ovet ja katto heijastavat juuri sitä studiota – valoja, seiniä ja lattiaa. Jos tekoälyn tuottamassa kuvassa auto seisoo harmaassa studiossa mutta sen konepellissä heijastuu yhä sininen taivas ja rivi puita, kuva on ristiriidassa itsensä kanssa. Useimmat katsojat eivät osaa nimetä ongelmaa, mutta he aistivat sen.

Lasi, jossa näkyy vanha ympäristö. Ikkunat ja tuulilasi ovat auton kirjaimellisimmat peilit. Sivuikkuna, jossa heijastuu myyntikentän aita, pysäköityjä autoja tai rakennus, jota tekoälyn luomassa miljöössä ei ole, on yksi yleisimmistä tekoälyllä tehdyn autokuvan paljastavista merkeistä – ja yksi helpoimmin huomattavista, kun tiedät, mitä etsiä.

Kromi ja kiiltävät listat. Kromiosat, peilinkuoret ja kiiltävänmustat koristelistat käyttäytyvät kuin lasi: ne ovat pieniä, teräviä peilejä. Ne ovat niin pieniä, että epäjohdonmukaisuudet menevät pikkukuvan koossa usein läpi, mutta kun kuva näkyy täysikokoisena auton ilmoitussivulla, ne voivat näyttää suttuisilta tai ristiriitaisilta.

Yksityiskohdat rajakohdassa. Siinä, missä auto kohtaa tekoälyn luoman miljöön – merkkilogojen, säleikön, pyöränkaarten, antennien ja kattolinjan ympärillä – tekoälyn on ratkaistava hyvin tarkasti, mikä on autoa ja mikä taustaa. Useimmiten se onnistuu. Joskus merkkilogo pehmenee, säleikön kuvio menettää terävyytensä tai reunaan tulee heikko halo. Käymme nämä virhetyypit kattavasti läpi artikkelissa tekoälykuvien yleisimmät kuvavirheet ja mistä ne johtuvat.

Varjo. Maan yläpuolella leijuva auto on klassinen virhe, ja varjot ansaitsevat oman käsittelynsä – lue artikkeli näin tekoälyn varjot toimivat ja miksi huonot varjot näyttävät keinotekoisilta.

Miksi heijastavat pinnat ovat vaikein ongelma

Syy kannattaa ymmärtää, koska kyse ei ole sattumasta.

Kuten artikkelissa näin generatiivinen tekoäly luo autokuvia kerrotaan, malli ei valokuvaa autoasi uudessa tilassa. Se tuottaa uuden miljöön ja sovittaa kuvasi auton siihen. Tausta on kokonaan tekoälyn tuottama, joten malli hallitsee sitä täysin. Auto taas on peräisin valokuvastasi – ja valokuvassasi on jo heijastuksia paikasta, jossa se otettiin.

Tämä jättää heijastavat pinnat hankalaan välimaastoon. Maalin värin, korin muodon ja listojen pitäisi siirtyä kuvastasi sellaisinaan. Maalipintaan tallentuneet heijastukset kuuluvat kuitenkin vanhaan ympäristöön, eivät uuteen. Hyvän järjestelmän on tehtävä niille jotain: tuotettava auton heijastukset uudelleen niin, että ne sopivat uuteen miljööseen, ja samalla pidettävä itse auto tunnistettavasti ja tarkasti sinun autonasi.

Se on kuvien tuottamisessa aidosti vaikea ongelma. Kaareville, kiiltäville pinnoille on luotava uskottavat uudet heijastukset – ja juuri tässä työkalujen laatuerot näkyvät selvimmin. Vanhat leikkaa ja liitä -työkalut eivät tehneet asialle mitään, minkä vuoksi niiden lopputuloksissa näkyy niin usein aurinkoisena päivänä kuvattu auto ikkunattomassa studiossa. Generatiiviset järjestelmät hoitavat tämän paljon paremmin, koska miljöö ja auton sovittaminen siihen tuotetaan yhdessä – Motuva ei yritä sitä, vaan säilyttää kuvasi heijastukset – mutta mikään järjestelmä ei onnistu täydellisesti jokaisessa kuvassa, emmekä väitä muuta.

Lasi on vielä vaikeampi, koska se on osittain läpinäkyvä. Mallin on käsiteltävä samanaikaisesti sekä sitä, mikä ikkunassa heijastuu, että sitä, mikä sen läpi näkyy. Tummennettu takalasi antaa paljon anteeksi, mutta suuri, kirkas tuulilasi heijastavassa kulmassa on yksi koko kuvan vaativimmista pinnoista.

Mitä hyvät järjestelmät tekevät asialle

Näin pinnat hyvin käsittelevä työkalu eroaa käytännössä sellaisesta, joka ei niitä hallitse:

• Miljöön huomioiva kuvien tuottaminen. Jotkin työkalut tuottavat auton heijastukset uudelleen niin, että ne sopivat uuteen miljööseen. Motuva ei tee niin: maalipinnassa säilyvät kuvasi heijastukset, minkä vuoksi alempana olevat neuvot lähdekuvista ovat kaikkein tärkeimpiä.
• Ongelmaa varten suunnitellut studioympäristöt. Pehmeät, tasaiset ja matalakontrastiset studiomiljööt jättävät heijastavalle maalipinnalle vähemmän varaa ristiriitoihin. Tämä on osasyy siihen, että studiotaustat toimivat tekoälykäsittelyssä paremmin kuin vilkkaat ulkomiljööt – kuvassa on vähemmän selvästi tunnistettavaa sisältöä, jonka kanssa heijastus voisi olla ristiriidassa.
• Varovaisuus auton rajakohdassa. Autokauppiaiden myynti-ilmoituksiin viritetyn järjestelmän pitäisi asettaa auton yksityiskohtien tarkkuus miljöön näyttävyyden edelle.

Myös lähdekuvalla on merkitystä. Tasaisessa, pilvisen päivän valossa otetuissa kuvissa heijastukset ovat pehmeitä ja matalakontrastisia, ja ne sulautuvat helposti. Kovassa auringonpaisteessa punatiiliseinän vieressä otetut kuvat taas antavat mallille käsiteltäväksi voimakkaita, selvästi tunnistettavia heijastuksia. Halvin yksittäinen tapa parantaa tekoälyn lopputulosta on parempi lähdekuva – oppaassamme autokuvien laadun parantamisesta kerrotaan tarkalleen, miten.

Sinun tehtäväsi: tarkista lopputulos

Tämä on periaate, jota noudatamme kaikessa julkaisemassamme, ja tässä artikkelissa se pätee kaksin verroin. Motuva ei luo autoasi: auton omat pikselit irrotetaan valokuvastasi ja yhdistetään renderöityyn studioon, joten lopputuloksen auto on juuri se auto, jonka kuvasit. Sen ympärillä oleva miljöö on uusi, ja näiden kahden saumakohdassa vaikea kuva voi mennä pieleen – joten vertaa lopputulosta aina alkuperäiseen ennen julkaisua.

Pintojen ja heijastusten osalta tarkistus on tämä:

1. Konepelti ja katto. Kuuluvatko heijastukset uskottavasti tekoälyn luomaan miljööseen? Niissä pitäisi näkyä pehmeitä studiosävyjä, ei taivasta ja puita.
2. Lasit. Katso tuulilasia ja sivuikkunoita täysikokoisina. Jos niissä näkyy mitään vanhasta kuvauspaikasta tunnistettavaa, kuva ei läpäise tarkistusta.
3. Merkkilogot, säleikkö ja listat. Vertaa alkuperäiseen. Yksityiskohtien pitäisi olla lopputuloksessa yhtä terävät kuin kuvassasi.
4. Itse auto. Värin, kunnon ja kaikkien näkyvien jälkien pitäisi vastata alkuperäistä kuvaasi. Jos ne eivät vastaa, älä julkaise kuvaa.

Käsitelläkö uudelleen vai kuvata uudelleen? Saman kuvan käsitteleminen uudelleen ei auta: käsittely on deterministinen, joten sama kuva tuottaa joka kerta saman tuloksen. Jos lopputulos on pettymys, korjaus tehdään jo ennen käsittelyä – syynä on kova aurinko, voimakkaat heijastukset lähistöllä tai liian lähellä seinää seisova auto. Kuvaa auto uudelleen tasaisemmassa valossa niin, että sen ympärillä on tilaa, tai valitse samasta sarjasta toinen otos ja käsittele se.

Miksi julkaisemme tämän

Useimmat tekoälykuvatyökaluja arvioivat autokauppiaat ovat nähneet ilmoituspalveluissa huonoja tekoälyllä tehtyjä autokuvia, ja he suhtautuvat niihin syystäkin varauksella. Vastaus tähän varovaisuuteen ei ole teeskennellä, ettei virhetyyppejä ole olemassa. Vastaus on nimetä ne, selittää ne ja antaa sinulle viiden sekunnin tarkistus, jolla ne huomaa.

Ilmainen paketti on olemassa samasta syystä: 20 kuvaa kuukaudessa, täysi laatu, ei korttia. Käsittele sillä hankalimmat myyntiautosi – kiiltävänmusta SUV tai runsaasti kromia sisältävä farmari – ja arvioi pinnat itse.

Aloita ilmaiseksi – ei korttia, ei esittelyä →