Image LLMs liefern keine echten RGB 255/255/255-Hintergründe, egal was die Eingabeaufforderung sagt. Die White Studio-Vorlage von Apiway funktioniert - über eine vierstufige Post-Processing-Pipeline, die läuft, nachdem der LLM seine Arbeit beendet hat. Hier ist der technische Durchgang, einschließlich der Fehlermodi, mit denen wir es gebaut haben.
Warum das LLM alleine nicht kann
Diffusionsmodelle reproduzieren statistische Muster aus Trainingsdaten. Echte Produkthintergründe in fotografische Trainingsdaten sind fast nie buchstäblich rein weiß - Zykloramwände reflektieren mit ~ 95% Albedo, nahtlose Papieraufnahmen nehmen Steigungen auf, Sensorgeräusche heben das Bodenpixel um ein paar digitale Werte an. Das Modell hat gelernt, dass "weißer Hintergrund" bedeutet, dass leicht texturiert off-weiß. (Mehr:) Warum deine Aufforderung für reines Weiß immer noch grau ist.)
Das Modell zu bitten, echte #FFFFFF zu liefern, kämpft gegen die Trainingsverteilung. Der richtige Schritt ist, das Modell sein bestes Bild produzieren zu lassen und dann die Hintergrundfarbe in einem Postpass deterministisch durchzusetzen.
Stufe 1: Subjektsegmentierung mit Schattenkonservierung
Identifizieren Sie den Vordergrund (Modell + Kleidungsstück) als eine Maske, den Schattenwurf unter den Füßen als separate weiche Maske und den Hintergrund als den Rest. Drei Schichten, nicht zwei.
Die Schattenmaske ist die Schicht, die die meisten Pipelines vermissen. Ohne sie lässt das Rekomposit den Bodenkontakt fallen und das Modell sieht aus, als würde es schwimmen - was schlimmer ist als ein leicht grauer Hintergrund, da die Käufer das Schwimmen sofort registrieren. Damit bleibt das Modell geerdet.
Wir verwenden ein speziell ausgebildetes Segmentierungsmodell, das speziell mit Modefotografie-Elementen umgeht: Haare vor dem Hintergrund, Gewebekanten, Zubehör wie Gürtel und Taschen, deren Silhouette nicht trivial ist.
Stufe 2: Rekompositieren auf wörtliche #FFFFFF
Generieren Sie eine neue Leinwand im Zielseitenverhältnis (1:1, 4:5, 9:16 usw.), gefüllt mit dem wörtlichen RGB 255/255/255. Legen Sie die Vordergrund-Themenmaske oben auf. Legen Sie die weiche Schattenmaske mit reduzierter Deckkraft auf die weiße Leinwand (in der Regel 15-35% je nach Originalbild).
In diesem Stadium ist das Eckpixel wirklich #FFFFFF. Die Amazon-Policy-Compliance-Frage ist gelöst.
Stufe 3: Alphamatten an den Rändern
Hart geschnittene Kanten wirken unverkennbar zusammengesetzt. Haare besonders - eine saubere Polygonkante durch Haare liest sich sofort als Fälschung. Die Pipeline führt einen gelernten Alpha-Mattierungspass durch, der die Kanten erweicht, feine Haarsträhnen in den weißen Hintergrund federn lässt und die Textur der Stoffkanten bewahrt.
Dies ist die Phase, die am längsten gedauert hat, um richtig zu werden. Frühe Versionen entweder überfedert (Haarblutungen in den Hintergrund) oder unterfedert (harte Polygonkanten). Die Produktionsversion geht die Linie, indem sie die ursprüngliche Kantenweichheit vom LLM-Ausgang abtastet und auf der neuen Leinwand abgleicht.
Stufe 4: Tonkorrektur über den Vordergrund
Sobald der Vordergrund auf einer frischen #FFFFFF-Leinwand liegt, kann die ursprüngliche LLM-erzeugte Beleuchtung im Vergleich zum neuen Hintergrund leicht abfallen. Das Modell wurde für ein off-weißes Original beleuchtet; die weiße Leinwand ist heller, und der Kontrast kann hart lesen.
Ein kleiner globaler Tonkorrekturpass gleicht den Vordergrund so aus, als wäre er immer auf diesem Hintergrund gedreht worden. Subtil - normalerweise eine 2-5-prozentige Anpassung der Vordergrundluminanz plus eine winzige Weißabgleichsverschiebung, wenn das Original warm leuchtet.
Fehlermodi, die wir getroffen haben, um es zu bauen
- Schwimmende Modelle: frühe Versionen ließen die Schattenmaske fallen. Behebt durch Verfolgung des Schattenwurfs als separate Schicht durch die Pipeline.
- Halokanten: ein dünner Off-Colour-Ring um den Vordergrund, wenn die Segmentierung einen Ein-Pixel-Rand des ursprünglichen Hintergrunds erfasst hat. Behebt durch Verkleinern der Vordergrundmaske um 1-2 Pixel und Verwendung von Alpha-Mattierung an der Grenze.
- Haarfragmentationfeine Haarsträhnen, die in eine polygonale Silhouette geschnitten werden. Behebt durch den Alpha-Matting-Durchgang in Stufe 3.
- Zubehörverschluss: Gurte, Taschengurte, Schmuckketten, die als Hintergrund falsch kategorisiert sind. Behebt durch Training des Segmentierungsmodells auf modische Daten mit diesen Klassen gekennzeichnet.
Performance und Kostenform
Die Pipeline läuft in etwa 1,5-3 Sekunden pro Bild in der GPU-Infrastruktur der Produktion. Die Kosten werden in den Kreditpreis pro Schuss aufgenommen; der Benutzer sieht die Pipeline nicht als separaten Zeilenpunkt. (Preisübersicht:) Ein Kredit entspricht einem Cent.)
Warum dies ein echter Produktvorteil ist
Die meisten modischen KI-Tools überspringen entweder die Pipeline (und liefern leicht graue Ausgaben, die die Amazon-Regel nicht erfüllen) oder laden die Arbeit mit weißem Hintergrund an den Benutzer ab (manueller Photoshop-Pass pro Bild). Apiway macht es zum Standard für White Studio. Das Deliverable ist richtlinienkonform, sobald es die Vorlage verlässt.
Testen Sie das Eckpixel selbst
Generieren Sie ein Bild in White Studio. Beispiel das Eckpixel in einem beliebigen Bild-Editor. Überprüfen Sie, ob es RGB 255/255/255 liest. Kostenlose Konten Schiff mit 150 einmaligen Credits — genug, um zu überprüfen und stress-test auf echte Kleidungsstücke Dateien.