The post has been translated automatically. Original language: Russian
Imagine: you asked the neural network to make an image of a mug for a product card. It turned out beautifully — soft light, neat background, everything fits together. But you look closer and notice that the handle has become a little different. The surface is shiny, although the real mug has a matte finish. And next to it, a lid appeared from somewhere, which is not included at all.
It seems that the picture was a success, but it can no longer be used without modification. The buyer should see the item that will be delivered to him. And here, work with AI begins long before clicking the "Generate" button.
In the last article, we talked about the query path inside the AI platform. Now I want to return to the query itself. Our team is developing an AI Box, and the topic of task preparation is directly related to how a person uses generative tools. Let's look at it using a simple tutorial example — without customer stories and promises of perfect results on the first try.
Let's say we need an additional image for the card of a light blue ceramic mug. It has a regular cylindrical body, a rounded handle and a matte surface. No drawings, saucers or lids. We want to show it on a calm, light background so that the subject can be clearly viewed.
It's easy to write "take a stylish photo of a blue mug". But what exactly does "stylish" mean? For one person, it's a clean background and a soft shadow. For another, it's a morning table, an open book, and steam over hot coffee. There is nothing in the request yet that would help you choose between these options. And most importantly, it does not explain which features of the mug itself need to be preserved.
Therefore, it's worth figuring out what we're going to change first. The background can be made lighter, and the composition can be looser. But the shape of the pen, the color and the material relate to the product. If they have changed, there is already a different object in the image, even if it is very similar.
For a real product, the starting point will be its photos and verified specifications. A text description alone is not enough to confirm the exact similarity. In our example, you can save the original photo of the mug, and assign the neural network to prepare the background. After that, combine them in a graphic editor and work with light and shadow.
If the selected tool allows you to edit a separate area of the image, this may also be useful. But the phrase "don't change the object" will still have to be checked with your eyes: compare the result with the original, look at the edges, the handle, the proportions and the surface.
Before generation, it is useful to write down for yourself a few suggestions about the future frame. We need an additional image for the card. The mug should fit completely in it, and the handle should be clearly visible. We leave some free space around. We do not add dishes and decor that can be mistaken for part of the set. For this training example, we will choose a square format; in real work, the size must be adjusted to the location.
This description already makes a clear task. For example: "Prepare a square background for the subject photo. A light, flat surface, a monochrome light gray background, soft lighting on the left. Leave a space in the center for a mug, which I'll add separately. Do not add dishes, plants, cloth, inscriptions, or other objects."
The light on the left is not mentioned here by chance. It should match the lighting of the mug in the original photo. If the subject is illuminated on the right, the request will have to be corrected. Otherwise, even a good background may look alien after combining it.
Suppose the first option is ready. Everything is calm and neat, but a sharp diagonal shadow passes through the surface. We add the mug and see that the lighting does not match. Now it's clear what to fix: ask to remove the pronounced shadow and make the light more diffuse. This edit gives the next attempt a specific goal. The word "prettier" doesn't explain much here.
When the image is assembled, it is worth opening the original again next to it. Has the mug become wider? Has its shade been preserved? Is there a light halo around the handle? Doesn't it look like it's hanging above the surface? Then reduce the image to the size in which the buyer will see it, and check whether the item itself is legible.
It also takes time. Generation does not cancel out careful work with the image, but a pre-written task helps to understand where the result already fits and where an edit is needed.
In the product profile, a beautiful presentation should help you see the item. Therefore, it is useful to decide before the first request what we want to show, which details we must keep, and what we will check at the end. Then it becomes easier to evaluate the result: there is a specific product and a clear task with which to compare it.
Do you spend more time preparing a request or correcting details that are already found in the finished image?
Представьте: вы попросили нейросеть сделать изображение кружки для карточки товара. Получилось красиво — мягкий свет, аккуратный фон, всё сочетается. Но присматриваетесь и замечаете, что ручка стала немного другой. Поверхность блестит, хотя у настоящей кружки она матовая. А рядом откуда-то появилась крышка, которой в комплекте вообще нет.
Вроде бы картинка удалась, но использовать её уже нельзя без доработки. Покупатель должен увидеть тот предмет, который ему привезут. И здесь работа с ИИ начинается задолго до нажатия кнопки «Сгенерировать».
В прошлой статье мы рассказывали, какой путь проходит запрос внутри AI-платформы. Теперь хочется вернуться к самому запросу. Наша команда развивает AI Box, и тема подготовки задания напрямую связана с тем, как человек использует генеративные инструменты. Разберём её на простом учебном примере — без клиентских историй и обещаний идеального результата с первой попытки.
Допустим, нам нужно дополнительное изображение для карточки светло-голубой керамической кружки. У неё обычный цилиндрический корпус, округлая ручка и матовая поверхность. Никаких рисунков, блюдца или крышки. Хотим показать её на спокойном светлом фоне, чтобы предмет можно было хорошо рассмотреть.
Написать «сделай стильную фотографию голубой кружки» легко. Только что именно означает «стильную»? Для одного человека это чистый фон и мягкая тень. Для другого — утренний стол, раскрытая книга и пар над горячим кофе. В запросе пока нет ничего, что помогло бы выбрать между этими вариантами. А главное, не объясняется, какие особенности самой кружки нужно сохранить.
Поэтому сначала стоит разобраться, что мы вообще собираемся менять. Фон можно сделать светлее, композицию — свободнее. Но форма ручки, цвет и материал относятся к товару. Если они изменились, на изображении уже другой предмет, даже если он очень похож.
Для реального товара отправной точкой будут его фотографии и проверенные характеристики. Одного текстового описания недостаточно, чтобы подтвердить точное сходство. В нашем примере можно сохранить исходную фотографию кружки, а нейросети поручить подготовку фона. После этого совместить их в графическом редакторе и поработать со светом и тенью.
Если выбранный инструмент позволяет редактировать отдельную область изображения, это тоже может пригодиться. Но фразу «не изменяй предмет» всё равно придётся проверять глазами: сравнивать результат с оригиналом, смотреть на края, ручку, пропорции и поверхность.
До генерации полезно записать для себя несколько предложений о будущем кадре. Нам нужно дополнительное изображение для карточки. Кружка должна полностью помещаться в нём, ручка — хорошо просматриваться. Вокруг оставляем немного свободного места. Не добавляем посуду и декор, которые можно принять за часть комплекта. Для этого учебного примера выберем квадратный формат; в реальной работе размер нужно подбирать под место размещения.
Из такого описания уже получается понятное задание. Например: «Подготовь квадратный фон для предметной фотографии. Светлая ровная поверхность, однотонный светло-серый фон, мягкое освещение слева. В центре оставь свободное место для кружки, которую я добавлю отдельно. Не добавляй посуду, растения, ткань, надписи и другие предметы».
Про свет слева здесь сказано не случайно. Он должен совпадать с освещением кружки на исходной фотографии. Если предмет освещён справа, запрос придётся поправить. Иначе даже хороший фон после совмещения может выглядеть чужим.
Предположим, первый вариант готов. Всё спокойно и аккуратно, но через поверхность проходит резкая диагональная тень. Добавляем кружку и видим, что освещение не сходится. Теперь понятно, что исправлять: попросить убрать выраженную тень и сделать свет более рассеянным. Такая правка даёт следующей попытке конкретную цель. Слово «красивее» здесь мало что объяснит.
Когда изображение собрано, стоит ещё раз открыть рядом оригинал. Не стала ли кружка шире? Сохранился ли её оттенок? Нет ли светлого ореола вокруг ручки? Не выглядит ли она так, будто висит над поверхностью? Затем уменьшить картинку до размера, в котором её увидит покупатель, и проверить, хорошо ли читается сам предмет.
На это тоже нужно время. Генерация не отменяет внимательную работу с изображением, зато заранее составленное задание помогает понять, где результат уже подходит, а где нужна правка.
В карточке товара красивая подача должна помогать рассмотреть вещь. Поэтому полезно ещё до первого запроса решить, что мы хотим показать, какие детали обязаны сохранить и что будем проверять в конце. Тогда оценивать результат становится проще: есть конкретный товар и понятная задача, с которыми можно его сравнить.
А у вас больше времени уходит на подготовку запроса или на исправление деталей, которые обнаруживаются уже в готовой картинке?
Share
