周三下午四点,一张玻璃杯的白底图被退回来。理由不是背景不白,是"背景换了以后,杯壁跟着变浑了,把手也细了一圈"。发图的人很委屈:明明只让换个背景。
这类退单在电商图里不算少见。它通常不是"哪款工具不行"的问题,而是同一句"只换背景",落到不同操作上,实现的是三件不同的事。这次我以栖影AI为实测工具,把一只带把手的玻璃杯固定住,三种换法各走一遍——换成别的工具,这三条路线照样成立。记录如下。
一、先把"不换"拆成能核对的三件事
嘴上说的"产品别动",落到画面里其实分三层。分不清这三层,退单来了都不知道争哪一句。
- 像素层:主体区域的每个点,和原图完全一致。抠出来再贴回去,这一层能守住。
- 轮廓层:把手粗细、杯口是正圆还是椭圆,放大看形状对不对。多参考图主要守这一层。
- 材质层:半透明杯壁、绒面纹理这些高频细节,看着像不像原来那件东西。这一层最容易悄悄丢。
三层不是"越往上越重要",而是不同品类卡的层不一样。玻璃杯卡轮廓和材质,针织衫卡材质。这只杯子三层都占,正好当样本。
二、路线甲:把手抠出来,搬到深色木纹上
做法最朴素:把玻璃杯从白底里分离出来,整体搬到一张深色木纹背景上。
这条路线里,主体区域的像素一个都没被重写——它是抠图合成的固有性质,跟用哪款工具没关系。要处理的只有边缘:白底棚拍图的轮廓外一到两像素,本来就是前景和背景的混合色,直接搬到深色背景上,就留一圈浅边。玻璃杯把手内侧那道半透明区域尤其麻烦,分割时容易被当成背景切掉一块。
所以路线甲的账很清楚:产品像素不动是白拿的,边缘要自己收。收边顺手,这条路线就最直接;收不顺手,浅边比变形还显眼。
三、路线乙:只写一句话,不传任何图
同一张白底图,只写"把背景换成深色木纹桌面",不传参考图。
这一轮最容易翻车,而且翻得没有预兆。杯口从正圆变成略椭圆,把手内侧的过渡带被抹平一层,杯壁半透明质感偏实。问题不在工具偷懒,在于它拿到的一句话里,根本没有"这只杯子长什么样"的信息——模型只能猜,猜对猜错没有基准可依。
这也是为什么路线乙不适合"不换产品"的需求:不传参考图,等于把判断基准先撤掉了。后面再谈"产品动没动",无据可依。
四、路线丙:多传两张参考图,再写换背景要求
同一件商品,传正面和侧面两张参考图,再提换背景。和路线乙只差一个动作:多传两张图。
结果差异集中在这一轮。杯子的把手和杯口都对上了原图,形状稳住了;但杯壁的半透明质感还是被抹掉一部分。换句话说,多参考图对轮廓的约束明显,对材质的约束有限——它给的是形状上的参照,不是材质特写。
还有个细节:同一件商品,路线丙跑两遍,形状一致,光影方向却有细微差别。要求"产品一点不变"的场景,这一点得算进去。多参考图约束的是结构,不是把每个像素钉死。
五、三条路线摆在一起
不列功能表,只列这次实际看到的结果:
- 抠图合成:主体像素不动,代价是边缘浅边要自己收。适合"像素别动、能接受手工收边"。
- 纯文字重绘:方便,但没有判断基准,杯口、把手、材质都可能飘。不适合"不换产品"。
- 多参考图重绘:轮廓最稳,材质仍要单独给特写;同一输入跑两遍,光影方向会有差别。
没有哪条路线全程省心。选路线其实是决定:把哪一段返工留给自己。
六、这次的观测怎么留下来
测评不留痕,过两周只剩印象。这次只记可复用的字段:商品、路线、轮廓是否完整、形状偏差、像素差、边缘评价。图存在本地,表按路线分区存到对象存储,函数计算在一次调用里把当次观测追加到对应文件。
def append_observation(bucket, case): key = f"bgswap-record/{case['route']}/observations.csv" cols = ["sku", "route", "outline_ok", "shape_dev", "pixel_diff", "edge_note"] row = ",".join(str(case[c]).replace(",", " ") for c in cols) + "\n" bucket.append_object(key, row.encode("utf-8"))
这段代码没有出图逻辑,只负责把观测写到对应路线的文件里。按路线分区、不按工具分区——因为这次的自变量是换法,翻表时要看到的是"同一条路线下结果怎样",而不是又一张功能对照表。
七、回看那张被退回的图
回到周三那张退单。杯壁变浑、把手细一圈,问题出在它走了路线乙——只给一句话,没给基准。把它改成路线甲或路线丙,退的理由就不一样了:路线甲要盯边缘,路线丙要补材质特写。
一条可以带走的判断是:先定"你要守住的是像素、轮廓还是材质",再决定走哪条路线。路线定了,工具只是让这条路线跑得顺不顺的问题;路线定错,换哪款都还是在同一个偏差里打转。
八、常见问题
一张白底图拿到手,先判断哪件事最容易出问题?
先看品类。玻璃、反光件先盯轮廓和边缘带;绒面、织物先盯材质纹理有没有被抹平。判断对了,观测项才不会设偏。
同一只杯子走三条路线,哪条最省事、哪条最稳?
省事的是路线乙,给一句话就行,但它没有判断基准,最容易翻车。最稳的是路线甲,主体像素不动,代价是边缘要自己收。两条的"省事"和"稳"不在一个维度上。
边缘那圈浅边,是抠得不好还是工具的问题?
多数是白底棚拍图本身的性质:轮廓外一到两像素就是前景和背景的混合色。换工具能改善分割质量,但混合色那一段还在,收边这一步省不掉。
绒面、半透明这些材质,为什么换背景时总差一口气?
因为正侧面参考图给的是形状信息,不是材质特写。高频的绒面纹理、半透明过渡,模型没有足够参照时就按平滑处理。要守材质,得单独给材质特写,不能指望多传两张正侧面图。
观测记在本地表格和传到云上,差别在哪?
本地表格能看当次结果,云上分区留痕能跨时间比对——同一条路线隔几周再跑,翻的是记录,不是记忆。工具版本会更新,没有留痕就说不清"上次那样、这次这样"是输入变了还是版本变了。