एआय-संपादित गहन्यांची फोटोग्राफ्स नकली का दिसतात — 'एआय स्लॉप' समस्या आणि ते कसे सुधारावे

जर आपण कधीही गहन्याची फोटोग्राफ्स एआय संपादन साधनाद्वारे चलवली असेल आणि सोने पिवळ्या प्लास्टिकसारखे आले असेल, तर आपण एआय स्लॉपचा अनुभव घेतला आहे. या शब्दाचा उपयोग उत्पाद फोटोग्राफर आणि ई-कॉमर्स विक्रेत्यांमध्ये एआय आउटपुटचे वर्णन करण्यासाठी सामान्य झाला आहे जो पहिल्या दृष्टीमध्ये पॉलिश दिसतो परंतु कोणत्याही अन्वेषणाखाली विघटित होतो.

मूळ कारण प्रशिक्षण डेटा आहे. सामान्य उत्पादन फोटो एडिटर, हलके उत्पादन फोटो अ‍ॅप आणि सामान्य AI उत्पादन फोटो टूल सारख्या सामान्य एआय फोटो संपादक विशाल डेटासेटवर प्रशिक्षित केले जातात ज्यामध्ये लाखो उत्पाद प्रतिमा सर्व श्रेणींमध्ये असतात. जूते, इलेक्ट्रॉनिक्स, कपडे, प्रसाधने, खाद्य, फर्निचर. गहन्या त्या प्रशिक्षण डेटाचा एक लहान अंश दर्शवतात. एआय उत्पादनांना सामान्य अर्थाने स्वच्छ आणि व्यावसायिक दिसू देण्यास शिकतो, परंतु त्याने कधीही विशिष्ट सामग्री कसे वर्तते या बाबतीची गहन समज विकसित केली नाहीत.

पॉलिशझाले सोने केवळ पिवळी पृष्ठभाग नाही. हे एक आरसा आहे जो त्याच्या संपूर्ण वातावरणाचे प्रतिबिंब करतो. हीरा पांढरा बिंदू नाही. हे अंतर्गत प्रकाश अपवर्तित करते, आग, चमक आणि स्किंटिलेशन तयार करते. सूक्ष्म साखळी गुळगुळीत वक्र नाही. हे शेकडो वैयक्तिक लिंक आहेत जे विविध कोनांवर प्रकाश पकडतात. सामान्य एआय यापैकी कोणीही समजत नाही. हे जूतांच्या जोडीसाठी किंवा कॉफी मगसाठी समान गुळगुळीत, वर्धन आणि पार्श्वभूमी उपचार लागू करतो.

परिणाम: गहन्या जे विनामूल्य सॉफ्टवेअर साधनातून 3डी रेंडरच्या अगदी समान दिसतात वास्तविक, मूल्यवान तुकडे नाही.

काही विक्रेता सेटिंग्ज समायोजित करून, विविध AI साधने वापरून किंवा मॅन्युअल क्रिएटिव्ह एडिटिंग मध्ये AI आउटपुट पोस्ट-प्रोसेस करून AI slop समस्या सुधारण्याचा प्रयत्न करतात. हे कोणतेही दृष्टिकोन मूळ समस्या सोडवत नाहीत.

सेटिंग्ज समायोजित करणे मदत करत नाही कारण AI मॉडल स्वयं ज्वेलरी सामग्रीचे समज घेत नाहीत. तीक्ष्णपणा वाढवल्यास प्लास्टिकसारखी दिसणारी धातू तीक्ष्ण प्लास्टिकसारखी दिसते. रंग तापमान समायोजित केल्यास सोन्यामध्ये चुकीचा रंग कोणत्या छायेचा आहे हे बदलते. हे मूलभूत चुकीच्या रेंडरिंगला लागू केलेले पृष्ठभाग-स्तरीय समायोजन आहेत.

विभिन्न सामान्य साधने वापरल्यास समान समस्येचे वेगवेगळे स्वरूप तयार होते. सामान्य उत्पादन फोटो एडिटर, हलके उत्पादन फोटो अ‍ॅप, सामान्य AI उत्पादन फोटो टूल आणि समान प्लॅटफॉर्म सर्व सामान्य-उद्देश्य AI मॉडेल वापरतात. ते थोडेसे वेगळे परिणाम तयार करतात, परंतु सर्वांना समान मूलभूत मर्यादा आहे: त्यांच्या कोणीही ज्वेलरी कसे दिसते आणि प्रकाशाखाली कसे वर्तन करते याची विशेषीकृत प्रशिक्षण दिलेली नाही.

मॅन्युअल क्रिएटिव्ह एडिटिंग मध्ये पोस्ट-प्रोसेस करणे AI वापरण्याचा उद्देश्य पराभूत करते. जर तुम्ही प्रत्येक AI आउटपुट मॅन्युअल क्रिएटिव्ह एडिटिंग मध्ये 15 ते 20 मिनिटे ठीक करायला घालाले. धातूचे परावर्तन पुनरुद्धार करणे, रत्न फेसेट्स पुनः तीक्ष्ण करणे, सावली कोन सुधारणे. तर तुम्ही सुरुवातीपासून मैनुअली रिटचिंग करण्याच्या तुलनेत वेळ वाचवला नाही. व्यावसायिक मैनुअली रिटचिंगची किंमत $25 ते $50 प्रति प्रतिमा आहे परंतु योग्य परिणाम तयार करते. वाईट AI आउटपुट सुधारण्यास कामाच्या वेळेत लगभग तितकाच खर्च येतो.

दागिन्यांसाठी खास बनवलेले AI वापरणे हा एकमेव खरा उपाय आहे. हा सैद्धांतिक भेद नाही. प्रत्येक धातू प्रकारातील आणि रत्न प्रकारातील अंगठ्या, नेकलेस, कानातले आणि ब्रेसलेट अशा दागिन्यांभोवती सुरुवातीपासून शेवटपर्यंत तयार केलेल्या प्रणालीला या सामग्रीचे वास्तविक प्रकाशीय वर्तन अचूकपणे राखावे लागते: सोने प्रकाश परावर्तित करते, हिरे प्रकाशाचे अपवर्तन करतात आणि साखळीच्या कड्या गुळगुळीत वक्र नसून स्वतंत्र घटक असतात.

AI दागिन्यांचे फोटो अधिक स्वच्छ आणि सुसंगत बनवू शकते, पण प्रकाशित करण्यापूर्वी प्रत्येक परिणामात धातूचा रंग, दगड, कडा आणि प्रमाण तपासणे आवश्यक आहे.

AI दागिन्यांचे फोटो अधिक स्वच्छ आणि सुसंगत बनवू शकते, पण प्रकाशित करण्यापूर्वी प्रत्येक परिणामात धातूचा रंग, दगड, कडा आणि प्रमाण तपासणे आवश्यक आहे.