ภาพสินค้า AI จากภาพถ่ายมือถือใบเดียว: อะไรได้ผลและอะไรพัง

บนโต๊ะผมมีขวดสเปรย์แก้วสีชาไม่มีแบรนด์ ชนิดที่คนเอาไว้แบ่งน้ำหอม ผมถ่ายมันด้วยมือถือแค่ใบเดียว แล้วอยากรู้ว่าภาพใบเดียวนั้นเพียงพอจะทำภาพสินค้า AI ครบชุดที่ใช้บนหน้าขายของได้จริงไหม บวกกับวิดีโอสินค้า AI สั้นๆ อีกหนึ่งชิ้น

ไม่มีสตูดิโอ ไม่มีซอฟต์บ็อกซ์ ไม่ได้จ้างใคร ต่อไปนี้คือกระบวนการทั้งหมด รวมสองส่วนที่ไม่สำเร็จ

ภาพถ่ายมือถือขาดอะไรจริงๆ

โต๊ะไม้ สายชาร์จพันกันเป็นก้อน กาแฟเย็นเหลือครึ่งแก้ว เงาแข็งจากไฟเพดานหนึ่งเส้น และคราบเหลืองอมเขียวคลุมทั้งภาพ นี่คือจุดเริ่มต้นจริงของผู้ขายรายย่อยส่วนใหญ่

สิ่งที่ขาดไม่ใช่ความคมชัด แต่เป็นสามอย่าง: พื้นหลังรก แสงไม่มีทิศทาง และการจัดกรอบจะเข้ากันไม่ได้กับภาพอื่นบนหน้าเดียวกัน สามอย่างนี้พอดีเป็นสิ่งที่ภาพสินค้า AI ทำได้นิ่งที่สุดในตอนนี้

เงื่อนไขของภาพตั้งต้นนั้นน้อยมาก: เห็นวัตถุครบทั้งชิ้น ไม่สั่นไหว และไม่จมอยู่ในเงา ถ้าครบสามข้อ ภาพจากมือถือก็พอแล้ว

ก้าวแรกไม่ใช่การสร้างภาพ แต่คือการตัดวัตถุออกมา

บอกข้อสรุปก่อน การลบพื้นหลังเป็นขั้นที่สร้างปัญหาน้อยที่สุดในกระบวนการทั้งหมด

ซ้ายคือต้นฉบับ กลางคือผลการตัด ขวาคือขอบแก้วที่ขยายจนเห็นพิกเซล ฝาครอบใสยังอยู่ครบ และขอบกลับมาโดยไม่มีขอบขาวและไม่มีขนรุ่ย — แก้วกับพลาสติกใสมักเป็นจุดที่การตัดพื้นหลังพังเสมอ แต่ครั้งนี้ผ่านในรอบแรก ขั้นนี้ใช้ การลบพื้นหลัง

แต่พอขยายดูก็เจออีกเรื่อง คราบเหลืองอมเขียวจากต้นฉบับตามมาโดยไม่เปลี่ยนเลย การตัดพื้นหลังแยกวัตถุออกจากฉากหลังเท่านั้น ไม่ได้แก้สี ดังนั้นไฟล์พื้นหลังโปร่งใสนี้ไม่ใช่ภาพสินค้า AI ที่เสร็จแล้ว แต่เป็นภาพอ้างอิงที่ภาพต่อๆ ไปทั้งหมดงอกจากมัน

แสงสำคัญกว่าฉาก: เขียนแสง อย่าเขียนสถานที่

เมื่อมีภาพอ้างอิงแล้ว ผมใช้ การสร้างภาพด้วย AI ทำสี่ฉากที่หน้าสินค้าเรียกหามากที่สุด

ซ้ายบนคือภาพหลักบนพื้นขาว แสงแบน มีแผ่นสะท้อนด้านขวา และเงาสัมผัสเล็กๆ ใต้ก้นขวด ขวาบนวางบนหินสีเบจโดยมีแสงย้อนอุ่นมุมต่ำ เงาจึงทอดยาวและมีเส้นทองพาดขอบขวาของแก้ว ซ้ายล่างเป็นพื้นมืดกับแสงแข็งเพียงดวงเดียว ครึ่งซ้ายจมลงในเงา ขวาล่างเป็นแนวไลฟ์สไตล์ เคาน์เตอร์หินอ่อนกับกิ่งยูคาลิปตัสสองสามกิ่ง

บทเรียนที่ใช้ได้จริงที่สุดจากขั้นนี้: เขียนฉากกับแสงไปพร้อมกัน คำว่า "วางบนพื้นหิน" จะให้คุณแค่พื้นหินกับแสงที่ไม่มีทิศทาง แต่ "แสงย้อนอุ่นมุมต่ำจากขวาบน เงาทอดไปทางซ้าย เส้นทองบนขอบขวาของแก้ว" จะให้ภาพข้างบน ทิศทาง ความแข็ง และอุณหภูมิสีของแสง ขยับภาพสินค้า AI ได้มากกว่าสิ่งที่คุณวางไว้ในฉากหลังอย่างเทียบกันไม่ได้

กระนั้นคำสั่งเรื่องทิศแสงก็ไม่ได้ถูกทำตามทุกครั้ง ผมลองอีกภาพบนอะคริลิกดำ สั่งให้แสงมาจากซ้ายและเงาตกไปทางขวา ภาพสะท้อนแบบกระจกออกมาสวยมาก แต่บริเวณสว่างบนพื้นยังอยู่ทางซ้ายและเงาแทบมองไม่เห็น ภาพนั้นถูกทิ้ง

เอามือเข้ามาในกรอบ

หน้าสินค้าทุกหน้าต้องมีภาพ "ถือในมือแล้วใหญ่แค่ไหน" และมือคือจุดที่ภาพสินค้า AI มักเผยตัวเอง นิ้วเชื่อมติดกัน มีนิ้วเกินมา ข้อนิ้วงอผิดทาง

ผมขยายแล้วนับดู ห้านิ้ว ข้อต่องอถูกทาง เล็บยาวเท่ากัน มีแม้แต่รอยพับของผิวที่โคนนิ้วโป้ง ผ่านในรอบแรก ไม่ต้องรันซ้ำ

จุดที่พัง: ตัวหนังสือผ่าน แต่ฝาไม่ผ่าน

โมเดลสร้างภาพเขียนตัวหนังสือที่อ่านออกไม่ได้ ผมถือเรื่องนี้เป็นข้อสรุปที่จบไปแล้ว จึงลองตรวจดู

"LAVENDER MIST / 50 ml" กลับมาสะกดถูกทั้งหมด เปลี่ยนเป็นภาษาจีน — 薰衣草喷雾 / 净含量 50 毫升 — ออกมาเก้าตัวอักษรโดยไม่มีเส้นไหนผิดเลย ที่ความยาวระดับฉลากสั้นๆ ความเชื่อที่ส่งต่อกันมานี้หมดอายุแล้ว

ส่วนสิ่งที่พังจริงนั้นผมเกือบมองข้าม

ซ้ายสุดคือฝาในภาพต้นฉบับ ไหล่เป็นเหลี่ยม ลำตรง ด้านบนแบน สี่ภาพทางขวาคือภาพที่เสร็จแล้ว ฝาทุกใบกลายเป็นทรงโดม ไม่มีสองใบที่สูงเท่ากันหรือกว้างเท่ากัน และรูปทรงของหัวฉีดข้างในก็เปลี่ยนทุกครั้ง

สิ่งที่เป็นเรื่องใหญ่โมเดลรักษาไว้ได้ดี — สีแก้ว ตำแหน่งฉลาก ฉากหลัง แสง สิ่งที่เลื่อนไหลคือรายละเอียดเชิงโครงสร้างแบบนี้ ขยับไปอีกนิดทุกครั้งที่วาดใหม่ กับสินค้าจริงเรื่องนี้มีราคา ผู้ซื้อที่เปิดกล่องแล้วไม่ตรงกับภาพหลักจะให้รีวิวหนึ่งดาว

วิธีแก้หยาบแต่ได้ผล เลือกภาพที่ฝาใกล้เคียงของจริงที่สุด ล็อกมันไว้เป็นภาพอ้างอิงเดียว แล้วสร้างภาพสินค้า AI ที่เหลือขึ้นจากภาพนั้น ไม่ใช่เริ่มใหม่จากศูนย์ทุกภาพ

จากภาพนิ่งไปเป็นวิดีโอสินค้า AI 10 วินาที

ผมเลือกเฟรมบนหินแล้วส่งผ่าน เฟรมแรกและเฟรมสุดท้ายเป็นวิดีโอ ได้วิดีโอสินค้า AI ความยาว 10 วินาที

พรอมป์ตของผมขอสองอย่าง การดันกล้องเข้าอย่างช้ามาก และแสงข้างที่กวาดจากขวาไปซ้ายเพื่อให้เงาสั้นลง เกิดขึ้นเพียงอย่างแรก การดันเข้านิ่งมาก รูปขวด สัดส่วนฉลาก และสีแก้วไม่สั่นเลยตลอดสองร้อยกว่าเฟรม แต่แสงแทบหยุดนิ่งและเงาตอนท้ายยาวเท่าตอนต้น

การแลกแบบนี้ผมรับได้ ข้อบกพร่องที่แย่ที่สุดในวิดีโอสินค้า AI คือวัตถุบิดเบี้ยวขณะกล้องเคลื่อน และกล้องที่เรียบร้อยคือประกันราคาถูก ถ้าต้องการมุมเพิ่ม ก็ทำวิดีโอสินค้า AI อีกสองสามชิ้นจากเฟรมที่ล็อกไว้เดิมแล้วตัดต่อรวมกัน

ใช้เวลาไปเท่าไร

สี่สิบนาทีกว่าจากภาพถ่ายจนได้ไฟล์เสร็จ เกินครึ่งหมดไปกับการรอผลและการเลือกระหว่างผลลัพธ์ มีการรันซ้ำสองจุด ภาพบนอะคริลิกดำพลาดทิศแสง รันซ้ำก็ยังพลาดจึงเลิก และการเลื่อนของฝานั้นเพิ่งเห็นหลังทำเสร็จทั้งหมด ทำให้รอบสี่ภาพพื้นหลังเสียเปล่าไปหนึ่งรอบ ถ้าล็อกภาพอ้างอิงไว้ตั้งแต่ต้น รอบนั้นก็ไม่ต้องเกิด

ที่น่าสังเกตคือทั้งกระบวนการมีเพียงขั้นเดียวที่ต้องใช้รสนิยม นั่นคือการเลือกว่าเฟรมไหนจะกลายเป็นภาพอ้างอิง ที่เหลือคือการทำซ้ำ

ถ้าคุณมีสินค้าที่ถ่ายเองไม่สวย จุดเริ่มต้นของคุณไม่จำเป็นต้องดีกว่าภาพของผม การสร้างภาพด้วย AI รับผิดชอบภาพนิ่ง การสร้างวิดีโอด้วย AI รับผิดชอบคลิป และเมื่อคุณอยากกางภาพสินค้า AI สิบกว่าภาพกับวิดีโอสองสามชิ้นวางเรียงกันเพื่อเปรียบเทียบ ก็ลากทั้งหมดขึ้นไปบน ผ้าใบ Generative — ภาพไหนเก็บ ภาพไหนรันใหม่ มองครั้งเดียวก็เห็น